Claude Opus 5.5 與泡沫問題：40% 成本主張到底說明了什麼

當 Anthropic 發布Claude Opus 5.5 時（2026 年 9 月 22 日），公告以能力為主打。它稱該模型為 Claude 5.5 家族的首位成員，表示它的表現達到Claude Fable 5.1 在多數工作上的水準，並使其典型工作負載成本比Claude Opus 5 低 40%。流傳最遠的回應則更簡短：「是啊，我確信我們已經觸及 AI 泡沫的頂峰了。」這個笑話之所以成立，是因為這兩半同時都是真的。一款能力更強、速度更快、成本更低的旗艦模型，對購買 token 的人來說無疑是好事，而對為產出這些 token 的資料中心提供資金的人來說，至少表面上很尷尬。GPT-6 Sol 在同一天以一半的 token 價格登場，這讓發展方向看起來不像一場發表，更像一場利潤率事件。這是否足以構成一個頂點，取決於你認為這個產業實際上在賣哪個數字。

實際推出了什麼，以及其代價為何

價目表是這整件事中最不含糊的部分。Anthropic 全面將牌價調降 20%，並更大幅度地下調快取讀取的價格：

• 輸入 — 每百萬個詞元 4 美元，較 Claude Opus 5 的 5 美元調降。

• 輸出 — 每百萬個 token 20 美元，低於先前的 25 美元。

• 快取讀取 — 每百萬個 token 0.20 美元，較 0.50 美元調降，降幅達 60%，也是在長時間代理迴圈中最關鍵的一項。

• 快取寫入 — 每百萬個權杖 5 美元，較先前的 6.25 美元調降。

快速模式 — 每百萬個 token 輸入 $8、輸出 $40，輸出速度最高可達 2.5 倍。

• {{1}}Batch API{{/1}} — 基本價格的一半，這讓批次輸出的 token 價格為 $10。

規格範圍的變動幅度小於價格。Claude Opus 5.5 維持前代的 100 萬 token 上下文視窗與 128,000 token 同步輸出上限，並可透過 Batches beta 提供最高 300,000 個輸出 token。自適應思考始終開啟且無法停用；Anthropic 文件記載的預設 effort 是 medium，而非 max，這在比較已公布的分數時很重要。模型 ID 是 claude-opus-5-5，知識截止時間為 2026 年 6 月，Anthropic 所述退役下限為 2027 年 9 月 22 日。它可透過 Claude API、Amazon Bedrock、Google Cloud 與 Microsoft Foundry 使用。

40% 的說法是指工作量，而非標價。

Anthropic 的「少 40%」並不是價目表打 40% 折扣。牌價下降了 20%。其餘部分來自 Opus 5.5 每次任務使用較少 token 的說法，因此同一項工作會消耗較便宜單位的較少量。這是一種完全合理的成本衡量方式，也正是那種只對供應商所選工作負載組合成立的主張。一輪聊天和一次 40 分鐘的編碼代理工作階段，不會對相同的最佳化產生相同反應。

拿一份簡單的帳單來對照。100 萬個輸入 token 和 20 萬個輸出 token，在 Claude Opus 5.5 上按定價計算是 8.00 美元，相較於 Claude Opus 5 的 10.00 美元——正好是 20% 的降幅，沒有額外的效率乘數。如果快取涵蓋了大部分輸入，快取讀取的降價就發揮更大作用：80 萬個快取輸入 token 在 Opus 5.5 上為 0.16 美元，而 Opus 5 為 0.40 美元，同一份帳單降至 4.16 美元，對比 5.40 美元。40% 這個數字會出現在工作負載以重複上下文為主，且模型完成任務所需輪次也較少時。這是真實的節省；但並非普遍適用，而且 Anthropic 標明這是其自身的測量結果。

泡沫論的討論正是在這裡開始變得有意思。降價若主要只是一種代幣效率主張，那等於押注下一個工作負載會更長、更具代理性，而不是更短。如果這個賭注押對了，即使賣出的代幣數量上升，客戶帳單仍可能下降。如果押錯了，供應商就已經砍掉自己唯一擁有的槓桿。

獨立帳冊的記載就沒那麼好看了。

Artificial Analysis 在其 Intelligence Index（版本 4.3.2）中，將 Claude Opus 5.5 評為 58 分，在 215 個模型中排名第一。這是真正獨立的結果，並非廠商提供的表格，也是反駁泡沫論解讀最有力的單一論據：前沿仍在持續推進。同一項測量也包含令人尷尬的部分。Claude Opus 5.5 每完成一項 Intelligence Index 任務的成本為 5.98 美元，每項任務約使用 119,000 個輸出 token，而 Claude Opus 5 約為 73,000 個，並以每秒 96.2 個輸出 token 的速度運行。Artificial Analysis 將其每項任務成本描述為與 Opus 5 持平，而非低 40%。

把這兩句話放在一起讀。這個模型是榜單上最聰明的東西，但在評估者的測試框架裡，它每完成一項任務並沒有變得更便宜，因為它為了達到那個表現消耗了更多 token。40% 是廠商針對典型工作負載的說法；獨立帳目則顯示，指數工作負載的表現變好了，卻沒有變得更便宜。這兩者可以同時成立，而它們之間的落差，正是泡沫論述得以滋長的那種東西。

最能凸顯這一點的比較不是 Claude Opus 5，而是 GPT-6 Sol。在同一項指數上，GPT-6 Sol 得分 48，在每百萬個 token 2 美元／10 美元的價格下，每項任務成本為 1.04 美元。因此，Claude Opus 5.5 以約 5.75 倍的每項任務成本，換來約高出 21% 的指數得分。指數分數不是效用函數，而 10 分的差距可能決定代理是完成任務還是放棄它，因此支付這筆溢價並非不理性。但這確實是溢價，而且是在一個兩年來一直被告知推論成本會沿曲線下降的市場中收取的。

廠商編號與獨立編號分道揚鑣之處

最乾淨的例子是 Terminal-Bench 4.0。Anthropic 的發布頁面回報，Claude Opus 5.5 達到 66.4%，其設定為 xhigh 投入程度、於 Anthropic 自家測試框架中執行。Artificial Analysis 在相同投入程度下測得 59.6%，差距 6.8 個百分點，並將該結果描述為與 GPT-6 Astra 持平，而非領先。第二家評估機構 Vals AI 回報約 65.2%，較接近廠商數字；某個公開排行榜在發布當天完全沒有 Opus 5.5 的列項。這些人都沒有說謊。他們執行的是不同的測試框架、不同的投入程度設定與不同的備援路由，而模型本身的安全層可能會在基準測試看到請求之前，就先改道部分請求。

這堂課的重點不是 66.4% 是假的，而是單一廠商的新聞標題作為資本配置論證的輸入很糟糕。同一個模型可能因為由誰拿著碼錶計時，而得到 59.6 或 65.2；此時誠實的立場是一個範圍，而這個範圍大到「最佳模型」的說法應該連同其評測框架一併附上。Anthropic 自己也說，Opus 5.5 與 Claude Fable 5.1 之間的差距比分數所顯示的更窄，這比任何單一列資料都更有用。

為什麼較便宜的旗艦機也能看起來像頂級機

空頭論點很直接。如果領先模型在標價上降價 20%，並宣稱在工作負載上可省 40%，而同一天推出的競爭對手以一半的輸出價格上市，那麼每 token 的毛利率方向就是向下。資料中心承諾是固定且長期的；token 收入則是可變且競爭激烈的。一家據報一直在籌備公開上市的公司需要的恰恰相反：定價能力，或至少是價格穩定且成交量成長。圍繞此次推出的報導把降價解讀為向企業買家推銷單位經濟效益，而非贈禮，這換句話說，此次推出部分上是一份融資文件。

看多論點是：更便宜的 token 所創造的工作，多於它所摧毀的工作。Claude Opus 5.5 自身的 token 消耗量就是證據：每項索引任務產生 119,000 個輸出 token，這不是模型在節省，而是模型在每次請求中進行更多推理。如果每一次降價都讓某項任務從「不值得自動化」變成「值得自動化」，可服務的市場量成長速度就可能快於價格下跌速度。Anthropic 在十月的動向也指向同一方向。Claude Duet 是該公司於 10 月 21 日與 22 日放入研究預覽的主動式代理，運行於 Claude Opus 5.5 之上，設計目的是在背景持續運作——這正是會把 token 價格變成每月帳單的工作負載。一個便宜到可以讓它持續運行的模型，是需求型產品，而不是通縮型產品。

還有一個時序細節，是那個時間軸笑話一筆帶過的。據報導，Anthropic 在九月中呼籲放慢開發步調，十天後卻以更低的價格推出其最強大的模型。這不是一個認為需求曲線已然枯竭的實驗室會有的行為。這是一個認為限制在於算力、而非付費意願的實驗室會有的行為，而且它需要每一個邊際 token 都便宜到足以賣得出去。

究竟什麼才能真正確認頂部？

三個可觀測量會比任何一行基準測試結果更能定奪這個問題。

• 每完成一項任務的成本不再下降。如果下一代旗艦產品價格更高，或者儘管指數得分更高，每項任務成本卻持平，那麼效率敘事就已走到盡頭，利潤率問題也就真實存在了。

• 用量不再隨價格而變。如果降價 40% 未能使服務的 token 量增加，彈性論就徹底破產，而這個產業就是在以大宗商品的價格販售奢侈品。

• 資本承諾連續數季超過營收。這是唯一真正關係到泡沫本身的一點，而這是融資問題，不是模型問題。出色的模型可以與糟糕的投資論點並存；網際網路泡沫時代已大規模證明這一點。

這些都還沒發生。Claude Opus 5.5 是一個反方向的數據點：能力提升了、價格下降了，而獨立評測機構依然把它排在首位。模型本身不是泡沫。真正的泡沫，在於建置成本與市場願意支付的價格之間的落差，而單一次發布既無法弭平、也無法證實這個落差。

如果你本季要購買代幣

面對這樣的產品發布，實務上的回應不是在宏觀問題上選邊站，而是停止衡量每個 token 的成本，開始衡量每項完成任務的成本，因為那才是廠商 40% 說法真正指涉的數字，也是你的帳單實際會反映的數字。以 medium 與 max 投入程度執行同樣的二十項任務，計算重試次數，並為快取命中定價。兩種投入程度設定之間的差距，往往大於兩個模型之間的差距。

Claude Opus 5.5 已在 OrcaRouter 上，以供應商牌價提供、0% 加價，因此 $4/$20 的費率與 $0.20 的快取讀取費率是原樣反映而非加價，而供應商價格變動會在同一天反映在同一個金鑰上。這在價格戰中比平常更重要：你九月做基準測試的模型，未必是你十一月應該路由的模型。 同一份目錄收錄了你可能想用於大部分工作的較便宜模型，而路由 DSL 讓你能把困難步驟送到 Opus 5.5，同時把擷取與分類步驟送到帳單較低的地方。 自動容錯移轉是同一論點的另一半——如果前沿變動不定，安全的架構就是能夠轉移的架構。

泡沫這個問題，不會由下一張基準測試表來回答，也不會由一則對發布貼文的諷刺回覆來回答。它會由以下這點來回答：Claude Opus 5.5 讓其成本低到足以運行的工作負載，是否會在發布流量增長之後繼續增長。早期證據顯示，這個模型很好，但經濟效益尚未解決。這比「頂尖」或「不頂尖」都更讓人坐立難安，而這大概就是時間軸會抓那個笑話來用的原因。