Claude Opus 5.5 以 0.84 分登上 Epoch Capabilities Index 榜首

這個數字是 0.84。Claude Opus 5.5在我們於 2026 年 10 月 2 日讀取的檔案中，以 167.35 分位居 Epoch Capabilities Index，而GPT-6 Astra則為 166.51 分——在這個尺度上，兩款模型已公布的 95% 區間幾乎完全重疊，Opus 5.5 是 164.0 到 172.0，Astra 則是 163.14 到 171.05，差距還不到一分。在她們之下，Claude Sonnet 5.5拿下 165.2 分，Claude Fable 5.1則是 164.82 分，因此在一個由五十多項基準測試構成的獨立綜合指標上，前四名之間只相差 2.53 分，其中三個還掛著同一家廠商的名字。就點估計確實有高低次序這層意義而言，這個排名是真實的。但就 0.84 分的領先能撐過自身誤差範圍這層意義而言，它並不真實；而關於這份排行榜，一切值得一說的事都源自同時掌握這兩項事實。

指數是什麼，以及0.84點不是什麼

Epoch Capabilities Index 並非廠商排行榜。它由獨立研究機構 Epoch AI 建構，是一項複合指標，把超過五十個不同基準測試的分數拼合成單一通用能力量表，並從恰好同時出現在數個基準測試上的模型，推斷各基準測試的相對難度。其方法論載於一篇與 Google DeepMind AGI Safety & Alignment 團隊研究人員合寫、由 DeepMind 資助的論文，但 Epoch 明白表示，該指數是自家產品，且擁有其完整權利——當資助來源與某項分數的發布者並非同一方時，這項區別值得保留。程式碼是公開的。

這個量表的兩項特性，比表面上的頭條更為重要。第一，ECI 是刻意採用錨定而非絕對尺度：原始分數會經過重新縮放，使 Claude 3.5 Sonnet 落在 130、GPT-5 落在 150，這意味著這個指數上的某個數字，只有和同一份檔案中的另一個數字並列時才有意義，單獨來看則毫無意義。第二，這個指數沒有上限。沒有所謂的 100 可以逼近，因此「指數最高點」只是在陳述某個日期，而不是在說任何人已達到的極限。

這就是為什麼，對 167.35 對上 166.51 的誠實解讀並不是「Claude Opus 5.5 是世界上能力最強的模型」。它更狹隘，也更難以引用：根據 Epoch 對 2026 年 10 月 2 日可得證據所做的建模，這兩款模型在頂端難以區分，而它們之間的排序只是平手時的裁決，而不是一項量測。所公布的區間直接說明了這一點——164.0 到 172.0 與 163.14 到 171.05 的絕大部分範圍彼此重疊。任何把 0.84 當作定論來引用的人，引用到的都只是四捨五入的產物。

Anthropic 區塊，以及發布的規模

表格中更具資訊價值的不是誰排在第一位。而是第三列與第四列。九月二十八日發佈、得分 165.2 的 Claude Sonnet 5.5，比九月一日發佈、得分 164.82 的 Claude Fable 5.1 高出 0.38 分——差距小到兩者在實際上可視為同一名次，也小到這對組合僅以 2.15 分之差落於榜首之下。Sonnet 是 Anthropic 產品線中的中階產品，而 Fable 則是該公司歷來指向通用推理工作的模型；如今這兩者雙雙從緊貼前沿之下的位置包夾前沿，這才是本次更新中實質性的變化，其意義勝過誰是領先者。

Anthropic 自身的世代躍進也可見一斑。Claude Opus 5.5 是 Claude Opus 5 的後繼者，Epoch 給 Claude Opus 5 的評分為 162.94，區間為 160.2 至 166.7。這是在大約兩個月內、從 7 月 24 日發布到 9 月 22 日發布所帶來的 4.41 分進步——比今日第一名與第二名之間相隔的 0.84 分還要大。這樣看來，這張表中有趣的量是單一廠商線內部的斜率，而不是頂端兩家廠商之間的差距。

開源權重的界線在哪裡

Epoch 依可及性區分模型，讓開放權重界線清楚可辨，無須猜測。最佳的開放權重入選者是 Kimi K3，得分 157.61，日期為 7 月 16 日，標示為非商業性。其後是 DeepSeek V4 Pro 0813（155.38）與 DeepSeek V4.1 Flash（155.0），兩者皆無限制，接著是 GLM-5.3-Flash（151.94）與 GLM-5.2（151.78）。因此，最接近榜首的開放模型落後 9.74 分——這個差距比第一名與第二名之間的差距寬十八倍，而且寬到這些區間根本遠遠碰不到彼此。

那種不對稱是這張表裡唯一持久的發現。閉源前沿是在三分之內的一場混戰；而從閉源前沿到最佳可下載權重的距離，卻大了一個數量級。一個能讓你跨評測世代進行比較的綜合指數，正是察覺這件事的工具，因為它能在七月和九月說出同一件事，而不是回報某個正在飽和的評測基準已經沉寂無聲。

有幾個鄰近的列值得固定下來作為脈絡，因為它們才是讀者實際上會拿來與 Opus 5.5 權衡比較的模型：

• Claude Sonnet 5 — 156.34，於6月30日發布，區間為 153.61 至 158.81

• Grok 4.6 — 156.61，於8月12日發布，區間為154.66至158.93

• Gemini 3.8 Flash — 156.93，發布於 9 月 2 日，區間 154.64 至 160.42

• Muse Spark 1.3 — 156.86，於9月2日發布，區間為154.73至159.56

• GPT-5.6 Sol — 161.8，於7月9日發布，區間 159.26 至 165.26

索引位置不是帳單

在這裡，排行榜不再是全貌，因為位居頂端的兩個模型成本完全不在同一個檔次。從我們自己的目錄來看，兩者都以供應商的定價列出，沒有任何加價，Claude Opus 5.5 為 $4.00/$20.00，快取讀取為 $0.20，以及 GPT-6 Astra 為 $10.00/$50.00，快取讀取為 $1.00，兩者在費率表的兩個方向都相差 2.5 倍。Astra 在提示詞超過 272,000 個 token 後還會跳升，輸入變成 $20.00，輸出變成 $75.00；Opus 5.5 則在其完整的 100 萬 token 視窗內維持 $4.00/$20.00 不變。兩者都提供 128,000 個輸出 token。

算一下長脈絡工作負載實際會產生的費用：一個 180,000 符元的前綴由快取供應，生成 5,000 個符元。在 Opus 5.5 上，這是 180,000 個符元、每百萬 $0.20，約 3.6 美分，加上 5,000 個、每百萬 $20，也就是 10 美分：大約 13.6 美分。在 GPT-6 Astra 上，則是 180,000 個、每百萬 $1.00，也就是 18 美分，加上 5,000 個、每百萬 $50，也就是 25 美分：大約 43 美分。0.84 分的優勢與 3.2 倍的成本差距並非同一類事實，而只權衡前者的採購決策，所權衡的其實是較小的那個數字。

Fable 5.1 從同一家廠商價目表的另一端點出了這件事：在 $10.00/$50.00 的價位上，它的定價與 Astra 完全相同，而它得分 164.82——同樣的價格，比 Opus 5.5 低了 2.53 分。這個指數把 Anthropic 的三個前沿項目放在彼此相差 2.53 分以內，而它的價目表卻把它們的價格拉開到 2.5 倍，這比任何單一排名都更能描述買家眼前實際面對的選擇。

如果你打算為某個數字爭論，就在你自己的流量上爭論。

這個指數之所以還值得一讀，在於它是由廠商以外的人所測量的——但這個綜合指數本身的結構，卻決定了爭論的條件。Epoch 的校準、它對難度的估計，以及它如何處理跳過基準測試的模型，全都存在於表格中那個數字的更上游，而這些都不是讀者能從一張截圖重新推導出來的東西。每個廠商的重點宣傳基準測試也是如此，這就是為什麼有用的做法不是在它們之間選邊站，而是在你能掌控的流量上比較它們。

這兩個模型都能透過 OrcaRouter 上的同一組 API 金鑰存取，並以 0% 加成直接傳遞供應商定價：Claude Opus 5.5 為 $4.00/$20.00，快取讀取為 $0.20，而GPT-6 Astra 為 $10.00/$50.00，其超過 272K 的分層費率完全依照供應商設定套用。將同一組提示詞送到兩者只是變更設定，而非再簽一份合約；而在兩者皆有路由的情況下，自動容錯移轉就位於底層，這對於如此貼近雜訊底限的決策至關重要。排行榜可以告訴你這兩個模型無法區分。只有你自己的評估能告訴你，哪一個在你的工作上是無法區分的。

什麼會在下個月推動這個數字？

Epoch 的檔案是一份活的文件，有三件事會很快改變判讀。第一是任何新出現、落進前四名的前沿模型評估，因為在分數叢集如此緊密時，單一額外的基準測試觀測值對綜合分數的推動，會比有明顯領先者時更大。第二是信賴區間的漂移——最新的條目擁有最寬的區間，因為它們被評估的重疊基準測試最少，因此九月發布的項目最可能變動，七月的最不可能。第三是某項基準測試達到飽和，而這正是這個指數設計來承受的特定失效情況：當某個組成部分不再具有區分力時，Epoch 會重新加權整體組成，而不是讓模型的優勢隨著測試一起消失。

就目前而言，站得住腳的總結是狹義的那一個。Claude Opus 5.5 以 167.35 分登上 Epoch Capabilities Index 榜首，靠的是 0.84 分的領先差距，而這個差距連它自己的信賴區間都不支持；Claude Sonnet 5.5 已從同一產品線的中階位置爬升到距離領先者 2.15 分以內；而開放權重陣營則落後它們全部超過九分。領先地位在兩家廠商之間是五五波。但它們之間四分的價格差距可不是。