Anthropic 全新 Claude Opus 5.5 以六成價格追平 Fable

Anthropic 發布了 Claude Opus 5.5，這是該公司稱之為 Claude 5.5 系列中的首個模型。Anthropic 表示，這個新模型在大多數任務上的表現達到其最昂貴旗艦 Claude Fable 5.1 的水準。

其轉折在於，這個模型的運行成本比它所取代的 Opus 5 低 20%，且比該公司最先進的產品 Fable 5.1 便宜 60%。

這個模型，看來，非常強大。它無論在版本上（5.5 對比 Fable 的 5.1）還是系列上（Opus 是公開可用的最大模型，其次是 Sonnet，Haiku 則是最小的）都是最先進的模型。

Anthropic 承認 Fable 與 Opus 之間的差距比其基準測試分數所顯示的要小，但能在方案中公開使用，且每 token 更便宜，使其成為大多數 Claude 用戶的明顯選擇。

Opus 5 於七月推出，定價偏低並在大多數基準測試中得分超過 Fable 5，而 Fable 5.1 於九月初登場並扭轉了這一局面，在 Anthropic 公佈的每一項基準測試中都擊敗了 Opus 5。

Opus 5.5 再次縮小了差距，這次是在價格而非原始分數上。Lovable，一個開發者平台，曾在七月將 Opus 5 通過其自身的編碼測試，在 Anthropic 分享的一份聲明中表示，較早的模型比之前的模型「更穩定，每次運行之間的差異遠小得多」——這與 Anthropic 現在再次提出的效率主張相同。

Opus 5.5 也是自執行長 Dario Amodei 發表一篇文章呼籲業界放慢腳步以來，Anthropic 推出的首個模型，他在文中主張 AI 能力的提升速度已超越原本用來約束它們的安全測試。「我們必須放慢提升 AI 模型能力的速度，」Amodei 本月稍早寫道。

Anthropic 透過代理式編碼來衡量這類進展的大部分——即由 AI 代理執行的工作，這種模型會自行採取多步驟行動，而不只是回應單一提示。

在 Terminal-Bench 4.0 上，該測試檢驗代理能否在命令列介面內完成複雜的專業任務，並以完成任務的百分比作為評分，Opus 5.5 達到 66.4%，領先 Fable 5.1 的 55.8% 與 GPT-6 Astra 的 57.9%。FrontierCode 則檢驗代理的程式碼變更是否真能在真實的工程流程中被合併，同樣採用通過率評分，結果 Opus 5.5 為 54.4%，Fable 5.1 為 50.3%。

在 GDPval-AA v2.1 上，該測試以 Elo 評分涵蓋 44 種職業的真實世界專業工作——Elo 是與西洋棋相同的排名系統，用來衡量相對技能，而非單純的百分比——Opus 5.5 得分 1846，Fable 5.1 為 1735，Opus 5 則為 1708。

不過，Opus 5.5 並非在所有項目都領先。在 AutomationBench 上，這是由 Zapier 建構的基準測試，評估代理能否在無人協助下從頭到尾完成完整的商業工作流程，GPT-6 Astra 的 41.4% 略勝 Opus 5.5 的 40.0%。

在 Terminal-Bench-Science 0.1 上，該測試檢驗在命令列環境內進行的代理式科學研究，同樣採用通過率方法，Astra 的 64.6% 以更大差距擊敗 Opus 5.5 的 58.7%。

更大的賣點是成本。輸入 token——模型讀取和寫入的文字區塊，以每百萬個計價——現在 Opus 5.5 為 4 美元，而 Opus 5 為 5 美元，輸出 token 則從 25 美元降至 20 美元。快取讀取，也就是重複使用模型已經處理過的上下文，而非從頭重新處理，這在長時間的代理式編碼工作階段中佔了大部分成本，下降了 60%，降至每百萬個 token 0.20 美元。

由於 Opus 5.5 在這兩項能力上與 Anthropic 的 Mythos 級模型——該公司最受限制的層級，保留給經過審查的網路安全和生物學研究人員——相匹配，因此它推出時配備與 Fable 5.1 相同的防護措施。

大多數網路安全任務會自動重新導向到較舊的 Opus 4.8，這是許多開發者和使用者先前曾抱怨過的問題。。

Opus 5.5 現已在 Anthropic 的各個平台上線，包括 Amazon Web Services、Google Cloud 和 Microsoft Azure。Anthropic 表示，Sonnet 5.5 和 Haiku 5.5 將在未來幾週內跟進，並將相同的降價措施延伸到產品線其餘部分。