Claude Opus 5.5 对比 Claude Opus 5：努力级别含义并不相同

在将 Claude Opus 5.5与Claude Opus 5进行对比之前，首先要明白的一点是：这两个模型并不共用同一套 effort 等级，而本周你能读到的几乎每一篇正面对比都忽略了这一点。Opus 5 默认使用 high effort。Opus 5.5 默认使用 medium，而且在同名的等级下，它每一轮思考得都比前代更多。所以，“默认设置下的 Opus 5.5 对比默认设置下的 Opus 5”并不是一次受控实验——它比较的是两种不同的思考量。厂商在自己的迁移指南里也明说了这一点：要测试多个 effort 等级，并且不要沿用 Opus 5 的设置，因为同名等级并不对应相同的思考预算。一旦你控制了这一变量，两个模型之间的差距在某些方面会缩小，在另一些方面则会拉大，而升级决策的关键就落在了原始能力之外的东西上——每个已完成任务的成本，以及四项会破坏当前运行在 Opus 5 上的代码的 API 变更。

逐项规格来看，实际有什么不同

从纸面上看，这两款型号之间的差距比版本号所显示的要小：

• 价格 — Claude Opus 5.5 每百万 token 输入 $4.00 / 输出 $20.00，而 Claude Opus 5 为 $5.00 / $25.00

• 缓存读取 — 每百万 $0.20 对比每百万 $0.50，在占据智能体运行主导地位的费用项上降低了 60%

• 缓存写入 — 在 5.5 上，5 分钟窗口每百万 5 美元、1 小时窗口 8 美元，而 Opus 5 为 6.25 美元

• 上下文与输出——两者均支持 100 万 token 上下文和 128K 输出；在 Batch API 上，两者启用output-300k-2026-03-24 Beta 标头

• 默认 effort —— medium：Opus 5.5 上为 high：Opus 5 上

• 思考——在两者中均为自适应且始终开启，但在 Opus 5.5 上，它已完全无法再被禁用

• 知识截止时间 — 2026年6月 vs 2026年5月

• 延迟 — 在当前产品阵容中，Anthropic 将 Opus 5.5 评为“中等”，并表示其生成输出的速度比 Opus 5 快 30% 以上

• 退役 — Opus 5.5 不早于 2027 年 9 月 22 日，Opus 5 不早于 2027 年 7 月 24 日

请注意哪些没有变化：上下文窗口、输出上限、批量折扣，以及始终开启的自适应思考模型。Opus 5.5 并不是上下文更大或输出更长的模型。它是在同一范围内更便宜、更快、更节省 token 的模型。

基准测试，以及每一项上关于投入的星号

这些数据来自 Anthropic 的发布材料——由厂商自行报告，并针对其自家模型运行——而在这里，effort 设置比模型名称更重要：

• Terminal-Bench 4.0 — 66.4% 对 52.3%，其中 Opus 5.5 是在 xhigh 努力级别而非默认级别下运行的

• FrontierCode v1.1（Main）— 54.4% 对 48.0%，而 Opus 5.5 在默认中等努力级别下为 54.6%

• CursorBench 4.0 — 57.8% 对比 46.6%，以及在中等档位下为 52.5%

• GDPval-AA v2.1 — 1846 Elo 对比 1708

• AutomationBench — 40.0% 对比 26.9%

• Humanity's Last Exam，使用工具 — 67.7% 对比 63.6%

• Terminal-Bench-Science 0.1 — 58.7% 对 29.0%，是该组中差距最大的一项

• OSWorld 2.0 — 81.8% 部分得分 对比 74.0%

• Chartography，使用工具 — 89.0% 对比 83.4%

FrontierCode 的结果才值得研究。Opus 5.5 在 xhigh 下得分 54.4%，在 medium 下得分 54.6%——从统计上看是同一个数字，却只用了思考预算的一小部分。无论 Anthropic 做了什么改进，在该基准上，这些改进都不是来自更用力地思考。CursorBench 则相反：xhigh 下为 57.8%，medium 下为 52.5%，五个百分点的差距说明，在某些任务上，投入更多努力仍能换来真正的准确率提升。结论并不是“使用 medium”或“使用 xhigh”；而是说，合适的努力程度如今要按工作负载分别衡量，而过去让 Opus 5 保持 high 默认档的习惯，已经无法说明新模型的任何情况。

Anthropic 补充了一个值得反复强调的告诫：在这一能力水平上，基准测试的领先幅度“对现实世界中的差异而言，是较不可靠的指引”，而该公司表示，其与 Claude Fable 5.1 的内部差距比已公布分数所暗示的要窄。这无异于厂商在告诉你，不要过度解读它自己的表格。

每项已完成任务的成本才是决定性对比

对智能体而言，按 token 计价是错误的单位，而这次对比正是这一点显露之处。Anthropic 自己给出的示例：一项并购分析在 Opus 5.5 上耗时 63 分钟，成本比在 Opus 5 上完成同一任务低 50%，后者耗时 93 分钟。价目表只能解释其中一部分——输入和输出降价 20%，缓存读取降价 60%——但并非全部。其余部分来自模型用更少的 token 和更少的轮次达到同样的结果。随发布一同公布的客户评价也指向同一方向：Box 报告 token 用量降至三分之一，回答冗长度减少约 40%；Kiro 的 token 用量约为一半，调用次数减少 40%；Factory 的输出 token 减少 20–25%；GitHub 则是其测量过的 token 和步骤最少的情况之一。

那些是供应商发布的客户声明，不是经审计的结果；汇总性的“在典型工作负载上便宜约 40%”是 Anthropic 对其所选工作负载平均值的概括。为了你自己做规划，诚实的说法是：假设 20% 的标价下调真实且可兑现，把额外的 20% 当作一个假设，你可以花一个下午，在两种模型上运行同一任务并统计 token 数量来检验。

关于缓存降价为何能发挥超乎寻常的作用，这里有一则结构性说明。一个每轮都重新发送冗长系统提示和文件树的智能体，其大部分输入按缓存读取费率计费，而非按全新输入费率计费。将这一费率从每百万 0.50 美元降到 0.20 美元，对长时运行会话经济性的改变，远大于表面标价变化所带来的影响——也正是这个原因，在 Opus 5 上勉强可行的负载，无需对提示词做任何改动，就能在 Opus 5.5 上变得明显可行。

四个破坏性变更，作为迁移检查清单

Opus 5.5 是一款新模型，而非更名后的 Opus 5，Anthropic 的迁移说明列出了四项会破坏已在生产环境中运行的代码的变更：

• 无法禁用思考。任何关闭思考的代码路径都会报错或改变行为，而深度现在只能通过 effort 参数来控制。

• 强制使用工具会返回错误。tool_choice不支持强制指定具名工具。

• 思考块与生成它们的模型以及对话绑定，因此它们无法像一些流水线所假设的那样跨模型重放。

• 较早的 computer_20251124计算机使用工具在 Claude API 或 Google Cloud 上不被接受。

还有第五项改动，它不会让任何测试失败，因此反而更加危险。工具调用之间的文本现在会以思考块的形式返回，而在默认显示设置下，这些思考块的文本是空的。如果你的应用会将这段文本以进度更新的形式流式传输给用户，那么在两次工具调用之间它就会陷入沉默，直到你设置一个能让文本返回的显示值。所有测试都通过，只是界面不再出声解说了。

前三项也适用于 Claude Fable 5.1，因此已经迁移到该模型的团队已经完成了这项工作的一部分。仍在使用 Opus 5 的团队则尚未完成。

何时仍应选择 Opus 5

升级不会自动进行，确实有四个留下来的理由：

• 成本可预测性。Opus 5 是一个你已经刻画过其特征的模型。如果你的预算是基于其 token 消耗来建模的，那么迁移到一个在相同命名努力级别下思考量不同的模型，就会使该预算模型失效，直到你重新测量为止。

• 兼容性。如果你技术栈的任何部分依赖于禁用思考、强制使用工具或旧版 computer-use 工具，那么迁移就是代码工作，而不是字符串替换。

• 路由保护。Opus 5.5 搭载了 Fable 5.1 级别的防护措施，这意味着大多数网络安全请求都会被重新路由到 Claude Opus 4.8，而生物学方面的工作则会回退到 Claude Opus 5——除非你的账户已通过验证。如果你的产品属于这两个领域中的任何一个，"升级"都可能意味着你的用户得到的是由更小的模型给出的回答。Opus 5 没有这种路由。

• 长期可用性。Opus 5 短期内不会退场——Anthropic 将其退役时间列为不早于 2027 年 7 月 24 日，距今还有十个月。

对其他所有人来说，这笔账算起来很简单：更强的能力、更低的价格、更少的 token，还有一份一名工程师一天就能走完的迁移清单。

切换期间同时运行两者

任何旗舰模型迁移中最棘手的部分都是中间阶段：你希望新流量用上 Opus 5.5，却又不想把生产路径押在一个尚未在你自己的 effort 设置下充分评估过的模型上；同时，在摸清情况之前，你还想继续让 Opus 5 提供服务。这更像是路由问题，而不是重新搭建平台的问题，因此值得精确厘清什么该放在哪里。 Claude Opus 5 今天已在 OrcaRouter 上，采用 Anthropic 自己的标价，0% 加价——提供商标价直接透传，因此厂商费率变动当天就会在我们这边生效，而无需等到同步之后。Claude Opus 5.5 还不是我们的路由之一；它可通过 Anthropic 自己的 API 和各大云厂商获取。当它上线时，它会成为同一密钥上的又一条路由，而不是第二份合同和第二个 SDK，这正是让你可以把一定比例的流量放到新模型上，同时自动故障转移让其余流量留在你已经评估过的模型上。跨两者组合调用——一个模型生成草稿，另一个执行验证——只需一行 routing-DSL 代码。

要准确说清这能给你带来什么。它不会给你一个关于 Opus 5.5 的独立基准测试；目前没有任何东西能做到这一点，因为唯一已发布的正面交锋对比来自 Anthropic 自己，而独立追踪方仍在确定投入强度配置。它能给你的，是唯一一个真正能预测你账单的测量结果：基于你自己的提示词、在你将要发布的投入强度下测得的那个结果。

决策规则

如果你要开始一个新项目，请使用 Claude Opus 5.5，并从 medium 努力级别起步，然后测量 low 在你的任务上是否依然够用——Anthropic 报告称，在多项编程评测中，低级别能以低得多的成本逼近其更高设置，而上面的 FrontierCode 数据表明，默认设置并没有留下多少可挖掘的空间。

如果你在生产环境中运行 Claude Opus 5，促使你迁移的并不是那张基准测试表，而是你能否消化四项 API 变更，以及你的工作负载是否落在网络安全或生物学领域——在这些领域，防护路由会悄然把你的一部分流量交给一个更小的模型。这次升级的其余部分，不过是一次披着模型发布外衣的降价，而这样的降价值得拿下。