你是否刚给团队订了 Fable 5.1，月底账单就让你肉疼？想降级又怕编程能力掉档。9 月 22 日 Anthropic 发布的 Claude Opus 5.5，就是冲着这个纠结来的：一半的价格，官方数据反超自家旗舰。
Claude Opus 5.5 是什么：一场“自己打自己”的发布
Opus 5.5 是新 Claude 5.5 家族的第一款模型，定位很直白——Anthropic 官方文档现在把它列为大多数工作负载的推荐默认模型，自家旗舰 Fable 5.1（9 月 1 日发布）反而退居“复杂推理专用”。规格上：100 万 token 上下文、最高 12.8 万输出、知识截止 2026 年 6 月，自适应思考常开，通过 effort 参数在 medium/high/xhigh 之间调节消耗。
接入方式没有变化：Claude Platform、AWS Bedrock、Google Cloud、Microsoft Foundry 四个渠道都能用，模型名 claude-opus-5-5，多数调用方改一行字符串就能切换。Anthropic 承诺至少可用到 2027 年 9 月 22 日，Sonnet 5.5 和 Haiku 5.5 将在“未来几周”跟进。
实测数据：编程榜登顶，成本只有一半
先看 Anthropic 发布会给出的五模型横评：
| 基准 | Opus 5.5 | Fable 5.1 | Opus 5 | GPT-6 Astra |
|---|---|---|---|---|
| Terminal-Bench 4.0（编程） | 66.4% | 55.8% | 52.3% | 57.9% |
| FrontierCode v1.1 | 54.4% | 50.3% | 48.0% | 53.3% |
| GDPval-AA v2.1（知识工作，Elo） | 1846 | 1735 | 1708 | 1542 |
| Humanity’s Last Exam（带工具） | 67.7% | 65.6% | 63.6% | 57.2% |
| OSWorld 2.0（电脑操作） | 81.8% | 80.7% | 74.0% | — |
更有说服力的是成本口径：medium 档的 Opus 5.5 在 Terminal-Bench 4.0 跑出 57.6%，单任务约 $2.94——已经追平 max 档 Fable 5.1（55.8%，单任务约 $19.50），也基本达到 high 档 GPT-6 Astra 的水平（57.9%，$7.21）。换句话说，不用拉满思考档位，省钱的效果比跑分表还明显。
真实任务案例：有早期测试者用它在一天内完成 68 万行代码迁移；另一个 20 万行代码库的审计修复不到 3 小时搞定，同任务 Opus 5 花了 20 多小时、2.5 倍 token。内部测试的 HAProxy C 转 Rust 重写，Opus 5.5 用 9.5 小时、成本省 51%，回归测试通过率和 Fable 5.1 相当。
价格是这个版本真正的杀招：
| 项目（每百万 token） | Opus 5.5 | Opus 5 | Fable 5.1 |
|---|---|---|---|
| 输入 | $4 | $5 | $10 |
| 输出 | $20 | $25 | $50 |
| 缓存读取 | $0.20 | $0.50 | $0.25 |
| 缓存写入（5 分钟） | $5 | $6.25 | — |
| Batch API | $2 / $10 | — | — |
缓存读取降了 60%，这一点对 Claude Code 类编程智能体用户最实惠——长会话的成本大头就是反复读缓存。输出生成比 Opus 5 快 30% 以上，官方口径下典型工作负载整体省 40%。另外 Fast 模式（研究预览）可以再提 2.5 倍速，代价是价格翻倍到 $8/$40。
优缺点分析：别被跑分表骗了
优点说完了，缺点一条都不少：
- 不是全胜。AutomationBench 40.0% 输给 GPT-6 Astra 的 41.4%，Terminal-Bench-Science 58.7% 明显落后 Astra 的 64.6%。需要科研自动化和业务流自动化的场景，OpenAI 仍是更强选项。
- 跑分全部厂商自报。发布时 Opus 5.5 还没上 Terminal-Bench 公开排行榜，官方自述误差 ±2.6 个点，比某些“领先幅度”还大。Anthropic 自己也承认：在这个能力层级，跑分差距对真实体验的指示意义在变弱，实际使用中它与 Fable 5.1 的差距比表格更小。
- 四条破坏性变更。思考模式不能关闭、强制工具调用会直接报错、thinking 块与产生它的会话绑定、旧版 computer use 工具不再被接受——基于 Opus 5 写的代码要改完才能上 5.5。
- 敏感任务自动降级。网络安全类请求大部分被路由到 Opus 4.8，生物类路由到 Opus 5，这与 Fable 5.1 同级的安全护栏一致，跑相关基准时也会拉低分数。
- 评测感知问题。Anthropic 主动提到，模型在测试中常“察觉”自己被评测，真实世界的行为可预测性因此更难评估。
好的一面是安全上限没降反升：自动行为审计覆盖近 2000 个模拟场景，越界尝试比 Opus 5 和 Mythos 5.1 少约 85%，抵抗提示注入能力更强。Pro、Max、Team 订阅的五小时用量限额上调，限额重置额度还能存起来要用再用。
适合谁用，怎么切换
- Fable 5.1 重度用户：本周就该用自己的任务集跑一轮 A/B。如果结果持平，同样的工作 token 单价直接省 60%，迁移只是换个模型名。
- Claude Code 重度用户：缓存降价是白捡的，不需要任何改动。
- Opus 5 用户：没有留守理由——每项跑分都被超越、价格更低、速度更快，唯一要做的是对照那四条破坏性变更检查代码。
- 预算敏感的批量任务：Batch API 半价（$2/$10），输出上限还能扩到 30 万 token，适合夜间跑长任务。
横向看，这波 9 月密集发布里 GPT-6 Sol 已经降到 $2/$10、DeepSeek V4.1-Flash 更是把输出价打到 $0.60，纯拼单价 Opus 5.5 不是最便宜的——它的价值在于“旗舰级编程能力的最低入手价”这个卡位。
一句话总结：用一半的钱买到更强的编程能力，Opus 5.5 是本月最值得花一小时跑一轮对比测试的模型。
