Introducing Claude Opus 5.5
Anthropic · 2026-09-22
Claude Opus 5.5 的官方长文把效率提升与服务策略变化放在一起。对 Agent 系统，值得关注的不是一个排行榜名次，而是三项会改变运行结果的因素：缓存读取的价格、推理强度的成本曲线，以及安全策略触发后的模型回退。这里的服务行为比模型名称更能决定实际成本和能力边界。
单价下降与任务成本下降是不同证据
官方页面列出的每百万 token 价格为：普通输入 4 美元、输出 20 美元、缓存读取 0.20 美元、缓存写入 5 美元。相对 Opus 5，输入和输出便宜 20%，缓存读取便宜 60%。作者进一步称默认设置下典型任务成本下降约 40%，这还依赖每项任务使用更少 token，并非所有请求都能仅靠调价达到同一比例。
这一区别对多轮 Agent 尤其重要。系统提示和历史反复复用时，读缓存占比可能较大；如果前缀经常失效或每轮换模型，低缓存价就不一定转化为同样收益。页面另列 Fast mode 的输入、输出价格为 8 和 40 美元，并称最高可达 2.5 倍速度。不能把普通模式的单价与快速模式的速度放在一起计算性价比。
评测设置改变了“模型得分”的含义
页面主表大多数 Opus 5.5 结果使用 adaptive thinking、max effort，但 Terminal-Bench 4.0 使用 xhigh，得分 66.4%，标准误为 ±2.6 点。成本曲线则展示多个 effort，默认 medium 并不等于主表配置。比较实际部署时，需要同时看任务质量、推理强度和每任务费用，而不是把最高分和最低成本拼在一起。
更重要的是，部分测试启用了生产安全策略。网络安全任务触发时转给 Opus 4.8，生物和前沿模型开发任务可能转给 Opus 5；这些结果描述了带策略的服务，而不一定是单个模型独立完成全部轨迹。AutomationBench 又采用不同规则：没有回退，触发安全策略计为失败。该表中的 40.0% 因而不能与另一种回退策略下的通过率直接解释为纯模型能力差异。
WANDR 也明确使用离线搜索与抓取、程序化工具调用、代码执行及 980k-token 任务预算，和原发布设置不同。这样的注释比领先几分更能帮助判断是否适合自己的 harness。
安全控制同时影响集成契约
官方介绍的防护包括执行前动作分类器、可审查的沙箱及代码审阅。模型自身的注入抵抗与越界倾向也被评估，但服务端控制与模型训练贡献不能从公告结果中拆开。页面提到近 2,000 个场景的自动行为审计，同时承认模型常怀疑自己正在被评测，真实部署行为因此仍有测量难度。
另一个集成变化是 preserved thinking：对符合账户创建日期条件的 API 使用者，不能任意编辑先前上下文以提取推理。页面将其适用范围写为 2026 年 8 月 31 日及之后创建的 API 账户，并指出 thinking mode 不能关闭。依赖重写历史或关闭思考的客户端，不能只替换模型字符串就假定行为等价。
可迁移结论与证据边界
这篇发布长文提供了公开价目、评测配置和具体服务回退行为，足以影响 Agent 成本核算与兼容性检查；它没有公开训练架构或完整任务级实验记录。客户的长任务案例也不能当成受控的通用加速测量。
对运维和 AgentOps，直接影响是需要记录实际服务模型及回退、effort、缓存读写和整项任务结果。这样才能分清便宜来自单价、token 使用、缓存复用还是更换了执行模型，也能避免把安全拒绝与普通任务失败混成同一种原因。