Claude Opus 5.5与泡沫之问：一项40%成本主张究竟说明了什么

当 Anthropic 于 2026 年 9 月 22 日发布 Claude Opus 5.5 时，公告的重点是能力。它称这款模型是 Claude 5.5 家族的首个成员，表示其在大多数工作上都能达到 Claude Fable 5.1 的水平，并将典型工作负载的成本降至 Claude Opus 5 的 60%。传播最广的那条回复则简短得多：“是啊，我敢肯定我们已经到了 AI 泡沫的顶点。”这个玩笑之所以成立，是因为两半同时为真。一款能力更强、速度更快、价格更低的旗舰模型，对购买 token 的人来说无疑是好消息，而对为生产这些 token 的数据中心出资的人来说，至少表面上有些尴尬。GPT-6 Sol 在同一天以一半的 token 价格登场，这让行业前行的方向看起来不太像一次发布，而更像一次利润率事件。这是否构成顶部，取决于你认为这个行业真正在卖的是哪个数字。

实际交付了什么，以及代价是什么

价目表是整件事中最不含糊的部分。Anthropic 全面下调了标价 20%，而对缓存读取的降价力度要大得多：

• 输入 — 每百万个 token 4 美元，低于 Claude Opus 5 的 5 美元。

• 输出 — 每百万 tokens $20，低于此前的 $25。

• 缓存读取——每百万 token 0.20 美元，低于此前的 0.50 美元，降幅 60%，也是长时间智能体循环中最重要的一项。

• 缓存写入 — 每百万 token 5 美元，低于此前的 6.25 美元。

• 快速模式 — 每百万 token 输入 $8、输出 $40，输出速度最高可达 2.5 倍。

• Batch API — 基础价格的一半，这使得批量输出 token 的价格为 $10。

能力边界的变化不及价格的变化大。Claude Opus 5.5 保留了前代的 100 万 token 上下文窗口和 128,000 token 同步输出上限，并可通过 Batches 测试版提供最多 300,000 个输出 token。自适应思考始终开启且无法禁用；Anthropic 文档中记录的默认 effort 是 medium，而不是 max，这在比较已公布的得分时很重要。模型 ID 为 claude-opus-5-5，知识截止日期为 2026 年 6 月，Anthropic 声明的退役下限为 2027 年 9 月 22 日。它可在 Claude API、Amazon Bedrock、Google Cloud 和 Microsoft Foundry 上使用。

40% 的说法针对的是工作负载，而不是标价。

Anthropic所说的“降低40%”并不是在价目表上打六折。标价实际下降了20%。剩下的部分来自其声称：Opus 5.5 每项任务使用的 token 更少，因此同样的工作消耗的是更便宜的计价单位，用量也更少。作为一种衡量成本的方式，这完全说得通，但这类说法也只有在厂商自己选定的工作负载组合下才成立。一轮聊天对话和一场 40 分钟的编码智能体会话，并不会对同一套优化作出同样的反应。

在旁边放一张简单的账单。100 万输入 token 和 20 万输出 token 按标价在 Claude Opus 5.5 上花费 $8.00，而在 Claude Opus 5 上为 $10.00——正好是 20% 的降幅，且没有效率乘数。如果缓存覆盖了其中大部分输入，那么缓存读取的降价作用更大：80 万缓存输入 token 在 Opus 5.5 上花费 $0.16，而在 Opus 5 上为 $0.40，同一张账单降至 $4.16，相比之下为 $5.40。40% 这个数字出现在工作负载由重复上下文主导，并且模型完成所需轮次也更少的时候。这是实实在在的节省；但它并非普遍适用，Anthropic 将其标注为其自身测量结果。

“泡沫论”的争论正是在这里开始变得有意思。一次本质上是在讲 token 效率的降价，是在押注下一个工作负载会更长、更具智能体特性，而不是更短。如果这个赌注对了，即便售出的 token 数量上升，客户的账单也可能下降。如果赌错了，供应商就已经砍掉了自己唯一可用的杠杆。

独立账本的记录没那么好看。

Artificial Analysis 将 Claude Opus 5.5 在其 Intelligence Index（版本 4.3.2）上评为 58 分，在 215 个模型中排名第一。这是一个真正的独立结果，而非厂商自建表格，也是反驳泡沫论调最有力的单一论据：前沿仍在推进。同一项测量也包含了尴尬之处。Claude Opus 5.5 每项 Intelligence Index 任务成本为 5.98 美元，每项任务使用约 119,000 个输出 token，而 Claude Opus 5 约为 73,000 个，并以每秒 96.2 个输出 token 的速度运行。Artificial Analysis 将其每项任务成本描述为与 Opus 5 持平，而非低 40%。

把这两句话放在一起读。该模型是榜单上最智能的东西，但在评估器的测试框架中，它每完成一项任务的成本并没有变得更低，因为它为此消耗了更多 token。那 40% 是厂商针对典型工作负载的说法；独立账本则显示，索引工作负载变好了，但并没有变得更便宜。两者都可能成立，而它们之间的差距，恰恰是泡沫论调赖以滋生的东西。

最鲜明地凸显这一点的对比并非 Claude Opus 5，而是 GPT-6 Sol。在同一指数上，GPT-6 Sol 得分为 48，在每百万 token 2/10 美元的价格下，每任务成本为 1.04 美元。因此，Claude Opus 5.5 以约 5.75 倍的每任务成本，带来约 21% 更高的指数得分。指数分并不是效用函数，而 10 分的差距可能决定一个智能体是完成任务还是放弃任务，所以这一溢价并非不理性。但它是溢价，而且是在一个两年来一直被告知推理成本会沿曲线下降的市场中收取的。

供应商编号与独立编号分道扬镳之处

最清晰的例子是 Terminal-Bench 4.0。Anthropic 的发布页面显示，Claude Opus 5.5 在xhigh推理强度下、于 Anthropic 自家测试框架中运行，成绩为 66.4%。Artificial Analysis 在相同推理强度下测得 59.6%，相差 6.8 个百分点，并将该结果描述为与 GPT-6 Astra 持平，而非领先。第二家评估机构 Vals AI 报告约 65.2%，更接近厂商数据；发布当天，一个公开排行榜上根本没有 Opus 5.5 的条目。这些人没有谁在撒谎。他们运行的是不同的测试框架、不同的推理强度设置和不同的回退路由，而且模型自身的安全层可能会在基准测试看到某些请求之前将其重新路由。

这个教训并不是说 66.4% 是假的，而是说单一厂商的头条数字不足以作为资本配置论证的输入。当同一个模型可能因为由谁拿着秒表而得到 59.6 或 65.2 时，诚实的立场是一个区间，而这个区间宽到“最佳模型”的说法应当连同其测试框架一起附带。Anthropic 自己表示，Opus 5.5 与 Claude Fable 5.1 之间的差距比分数所暗示的更小，这比任何单独一行都更有用。

为什么更便宜的旗舰也能看起来像顶级产品

看空理由很直接。如果领先模型在标价上降价20%，并声称在实际工作负载下可降40%，而同日又有竞争对手以一半的输出价格推出，那么每token毛利率的方向就是下降。数据中心的承诺是固定且长期的；token收入则是可变且竞争激烈的。一家据报道一直在筹备公开上市的公司需要的恰恰相反：定价权，或者至少是价格稳定且销量增长。围绕此次发布的报道将降价解读为面向企业买家的单位经济效益推介，而非馈赠——这另一种说法就是，此次发布在一定程度上是一份融资文件。

看涨论点是，更便宜的 token 创造的工作多于它摧毁的工作。Claude Opus 5.5 自身的 token 胃口就是证据：每个索引任务 119,000 个输出 token，并不是模型在节省，而是模型在每次请求中进行更多推理。如果每一次降价都能把一项任务从“不值得自动化”变为“值得自动化”，那么可寻址的业务量增长速度就可能快于价格下降速度。Anthropic 在 10 月的表现也指向同一方向。Claude Duet 是其在 10 月 21 日和 22 日投入研究预览的主动式 agent，运行在 Claude Opus 5.5 上，并被设计为在后台持续工作——这正是把 token 价格变成月度账单的工作负载。一个便宜到可以一直运行的模型是需求型产品，而不是通缩型产品。

还有一个时间线笑话一带而过的顺序细节。据报道，Anthropic 在 9 月中旬呼吁放慢开发步伐，十天后却以更低的价格推出了其能力最强的模型。这不是一个认为需求曲线已经见顶的实验室会有的行为。这是一个认为约束在于算力、而非支付意愿，并且需要让每一个边际 token 都便宜到足以卖出去的实验室会有的行为。

究竟什么才能真正确认顶部？

三个可观测指标比任何基准行都更能解答这个问题。

• {{1}}每完成一项任务的成本{{/1}}不再下降。如果下一代旗舰机型价格更高，或者尽管指数得分更高，{{2}}每项任务的成本{{/2}}却持平，那么效率叙事就已走到尽头，利润空间问题也确实存在。

• 用量不再对价格作出反应。如果降价40%却没有带来token交付量的任何增长，那么弹性论便不攻自破，这个行业就是在以大宗商品的价格出售一种奢侈品。

• 资本承诺连续几个季度超过收入。这是唯一真正关乎泡沫本身的问题，而且它是融资问题，不是模型问题。优秀的模型可以与糟糕的投资论点并存；互联网泡沫时代已大规模证明了这一点。

这些情况都还没有发生。Claude Opus 5.5是反方向的一个数据点：能力提升了，价格下降了，而独立评估方依然把它排在第一位。模型本身不是泡沫。真正的泡沫，在于构建它的成本与市场愿意为它支付的价格之间的落差，而单凭一次发布，既无法弥合这一落差，也无法证实它。

如果你本季度要购买代币

面对这样一次发布，务实的应对方式不是在宏观问题上选边站，而是停止衡量每个 token 的成本，转而衡量每个已完成任务的成本，因为厂商那 40% 的说法实际上针对的正是这个数字，而你的账单实际反映的也是这个数字。用medium和max努力级别跑同样的二十个任务，统计重试次数，并为缓存命中计价。两种努力级别之间的差距，往往大于两个模型之间的差距。

Claude Opus 5.5 已在 OrcaRouter 上线，按供应商标价零加价提供，因此 $4/$20 的费率与 $0.20 的缓存读取费率都是原样透传、而非加价，厂商调价当天就会体现在同一个 key 上。这一点在价格战中比平时更重要：你九月做基准测试的那个模型，未必就是十一月该路由过去的模型。同一份目录里还有更便宜的模型，可以承担大部分工作量，而路由 DSL 让你能把困难步骤发给 Opus 5.5，把抽取和分类步骤交给账单更小的地方。自动故障转移是同一论点的另一半——如果前沿本身动荡不定，安全的架构就是那种能够灵活变动的架构。

泡沫问题不会由下一张基准测试表格来回答，也不会由对发布帖子的讽刺回复来回答。它将由这一点来回答：Claude Opus 5.5 把成本降到足够低去运行的那些工作负载，在发布流量退去之后是否还在持续增长。早期证据表明模型不错，而经济账尚未有解。这比“顶尖”或“不顶尖”都更让人坐立不安，大概正因如此，时间线上才诉诸那个玩笑。