Claude Opus 5.5 深夜突袭：编程全面登顶，OpenAI 两小时反击

没有预热，也没有倒计时。今日凌晨，Anthropic 突然发布 Claude 5.5 系列首款模型 Opus 5.5。官方称，这款模型在智能体编程、计算机使用与知识工作三大方向刷新多项 SOTA，综合定价较上一代下调 40%，输出速度提升 30%。更耐人寻味的是，Anthropic 官宣后仅两小时，OpenAI 便以 GPT-6 Sol 与 Luna 应战，新一轮旗舰模型竞争就此打响。

距离 Opus 5 发布不足两个月，Anthropic 的节奏明显针对 OpenAI。按照官方口径，Opus 5.5 的综合能力已追平旗舰级模型 Fable 5.1，同时将单位成本压缩至上一代 Opus 5 的 60%，输出吞吐提升 30%。这意味着 Anthropic 试图同时回答两个问题：模型能不能更强，以及更强之后能不能更便宜。Anthropic 表示，Opus 5.5 已在全球正式上线，Sonnet 5.5 与 Haiku 5.5 将在未来数周内陆续发布，补齐旗舰、中端到轻量级的全线布局。

编程智能体是本次发布最锋利的矛。在评测模型于真实终端环境中完成复杂多步任务的 Terminal-Bench 4.0 中，Opus 5.5 以 66.4% 的通过率领先 GPT-6 Astra 8.5 个百分点，也高于 Fable 5.1 的 55.8% 和 Opus 5 的 52.3%。在源自真实 Cursor 会话的 CursorBench 4.0 中，它取得 57.8%，较 GPT-6 Sol 的 41.7% 高出 16.1 个百分点，是各项基准中差距最大的一项。而在测试真实代码合并的 FrontierCode v1.1 中，Opus 5.5 以 54.4% 小幅领先 Astra 的 53.3%。

当评测从终端任务转向知识工作，优势并未收窄。在覆盖 44 个职业真实工作任务的 GDPval-AA v2.1 基准中，Opus 5.5 取得 1846 Elo，领先 GPT-6 Astra 的 1542 Elo 逾 300 分。在竞技评分体系中，这样的差距通常意味着一代模型的能力代差。第三方评测机构 Artificial Analysis 的综合评分显示，Claude 5.5 与 Fable 5.1 均已超越 GPT-6 Astra；在 Anthropic 自研能力指数 ECI 上，Opus 5.5 的得分超过了此前未公开发布的 Mythos 5.1。此外，第三方机构 Vals AI 评测模型自主科研能力的 RSI 指数中，Opus 5.5 位列全球第一。

能力提升并没有以啰嗦为代价。针对上代产品被诟病的沟通冗长问题，Opus 5.5 显著强化了写作与表达能力，默认采用“结论前置”的输出结构，去除冗余铺垫，指令遵从度更高。Box 负责 AI 产品的副总裁在实测后表示，Opus 5.5 的 Token 用量约为上一代的三分之一，冗长度下降 40%。Bun 作者 Jarred Sumner 则评价，其写作风格接近 Opus 4.6，代码能力接近 Fable 5.1，将很快成为多数开发者的主力模型。

这种变化迅速出现在开发者的实际项目中。谷歌 DeepMind 研究者 Ben Poole 以手绘投石机草图为输入，Opus 5.5 直接生成结构吻合的 3D 物理仿真，关节与配重均可交互；Anthropic 工程师 Addy Osmani 使用 Three.js 完成了一段骑自行车鹈鹕的 3D 动画；另有开发者以单条指令生成可完整游玩的涂鸦风格 FPS 游戏及《我的世界》复刻。开发者 cheaty 甚至评价其中一段 3D 短片“比 Astra 更像 AGI”。

但当讨论从能力转向账单，故事出现了转折。官方定价显示，Opus 5.5 输入价格由 5 美元/百万 Token 下调至 4 美元，输出价格由 25 美元下调至 20 美元，降幅均为 20%；缓存读取价格由 0.50 美元大幅下调至 0.20 美元，降幅 60%。追求速度的用户可启用 Fast 模式，吞吐提升 2.5 倍，价格相应翻倍至输入 8 美元、输出 40 美元。然而，Artificial Analysis 的独立测算给出了不同结论：在最高推理档位下，Opus 5.5 平均每题消耗 11.9 万 Token，其中思考环节占 8.4 万，较 Opus 5 的 7.3 万增加约 60%，为 GPT-6 Astra 2.7 万的逾四倍。单价下降两成叠加思考量增加六成，实际总成本降幅可能明显小于官方宣传的 40%。

成本之外，安全与对齐同样被摆上台面。Anthropic 称，Opus 5.5 在自动行为审计中取得历史最高分，越狱尝试较上一代减少 85%，且违规行为均会被主动上报。但官方同时披露，模型在测试中经常表现出对“正在被人类评估”的明确感知。这意味着，模型在评测环境中的合规表现，未必等同于其在无监督场景下的行为。随着模型能力增强，该问题正成为对齐研究的核心挑战之一。

于是，这场深夜发布很快演变为两大阵营的正面交锋。Anthropic 官宣后两小时内，OpenAI 即发布 GPT-6 Sol 与 Luna 应战，主打更高效率与更低成本。随着 Sonnet 5.5 与 Haiku 5.5 陆续到位，双方将在旗舰、中端与轻量级市场形成全面对峙。本轮竞争最显著的特征，是技术领先性的争夺已延伸至单位成本与推理效率。大模型竞争，正从单纯的能力竞赛进入“能力×成本”的复合博弈阶段。

Opus 5.5 的冲击，不只在于刷新了多少 SOTA，更在于它把价格、速度和推理消耗同时推到了台前。当 OpenAI 迅速应战，2026 年秋季的旗舰模型竞争，已经不再是比谁更聪明，而是比谁能在同等智能下，把每一百万 Token 用得更便宜、更快、更可靠。