Anthropic 于 2026 年 9 月 22 日推出 Claude Opus 5.5，将其定位为 Claude 5.5 系列的首款模型。该公司表示，该模型在大多数任务上的表现大致达到 Claude Fable 5.1 的水平，在典型工作负载下的运行成本比 Opus 5 低 40%，输出生成速度则快 30% 以上。Anthropic 还表示，Frontier Design 和 METR 等外部评估方在模型发布前对其进行了测试，而且该模型在公司迄今开展的自动化行为审计中取得了最强成绩。这些都是 Anthropic 的说法；公告没有附上评估方的底层报告，也没有证明它们独立复现了每一项结果。
公告中最清楚的部分是公布的价目表。Opus 5.5 的输入令牌价格为每百万个 4 美元，低于 Opus 5 的 5 美元；输出令牌价格为每百万个 20 美元，低于 Opus 5 的 25 美元。缓存读取费用从每百万个令牌 0.50 美元降至 0.20 美元，缓存写入费用则从 6.25 美元降至 5 美元。这些标价降幅分别为 20%、60% 和 20%。它们使账单下降具有可能性，但本身并不能证明 Anthropic 所宣称的整体 40% 降幅：总成本还取决于任务所需的令牌数量、缓存操作、工具调用和重试次数。
这一区别对编码智能体以及其他通过多次模型调用来解决一个请求的系统尤为重要。Anthropic 表示，Opus 5.5 不仅每个令牌收费更低，而且每项任务使用的令牌也更少，因此实现了所宣称的净成本降幅。该公司援引了早期测试者的案例，包括在不到一天内完成 680,000 行代码的迁移，以及在不到三小时内审计一个拥有 200,000 行代码的代码库。公司还报告了一项内部 HAProxy 翻译测试：Opus 5.5 用时 9.5 小时，而 Fable 5.1 用时 12 小时，成本降低了 51%。这些例子展示了潜在收益，但它们是经过挑选的案例，而不是针对普通客户工作负载进行的受控比较。
基准测试部分尤其需要谨慎，因为主页面给出的数字并不一致。一个表格列出 Opus 5.5 在 Terminal-Bench 4.0 上得分为 66.4%，在 FrontierCode v1.1 上为 54.4%，在 CursorBench 4.0 上为 57.8%。后文却将 FrontierCode 列为 54.6%，将 CursorBench 列为 52.5%，且没有解释这些差异。页面还指出，部分结果采用了不同的努力程度设置，生产环境中的安全防护机制可能触发失败，而其他模型的数字则来自其发布方或公开排行榜。因此，读者有证据表明 Anthropic 在多个智能体基准测试中评估了该模型，但没有一套内部一致、足以精确排列所有系统名次的分数。
Anthropic 的安全论证不只涉及基准测试总分。该公司表示，Opus 5.5 会使用分类器筛查每一个拟议操作，在安全团队可以检查的开源沙箱中运行代码，并在更改合并前审查代码中的漏洞。它还声称，该模型在编码、工具使用、计算机操作和网页浏览方面对提示注入具有更强抵抗力，并援引 Gray Swan 的一项评估：在被测试的模型中，Opus 5.5 与 Fable 5.1 并列拥有最低的注入成功率。这些细节描述了具体控制措施，但公告没有提供分类器性能数据、沙箱审计结果、漏洞检测率或 Gray Swan 的完整评估方法。
此次发布还发生在 Anthropic 首席执行官 Dario Amodei 另行发表一篇文章的背景下；该文呼吁前沿人工智能行业放慢能力提升速度，让安全工作和第三方评估有足够时间跟上。Amodei 提议引入嵌入团队内部的外部评估方、在民主国家的企业之间建立共同标准，并最终实现全球协调。Opus 5.5 的发布表明，“推进节奏”并不意味着停止发布：Anthropic 称这是该公司提出上述倡议后的首款模型，同时继续通过验证计划限制敏感生物学和网络安全用途的访问。由于发布页面和节奏文章都来自 Anthropic 领导层，这篇文章只是为该公司所陈述的政策提供背景，并不能独立确认其发布节奏或安全措施符合该政策。
文章提出引入嵌入式外部评估方、制定共同标准和开展全球协调，为 Anthropic 的最新发布提供了政策背景。
对购买者而言，实际问题不是 Opus 5.5 每个令牌是否更便宜；公布的价目表已经表明它确实更便宜。尚未解决的问题是，更低的价格和所报告的令牌效率在多大程度上会转化为特定工作流的端到端成本下降。一种站得住脚的评估方式，是对上一代模型运行相同的代表性任务，记录令牌总量和缓存使用情况，统计工具调用次数与失败尝试，检查输出结果，并计入人工审核成本。在获得可比较的结果之前，最好将 Anthropic 的 40% 数字视为由精选测试支持的公司估算，而不是有保障的节省，也不是其整体能力领先的证明。