Anthropic 发布 Claude Opus 5.5 模型
Introducing Claude Opus 5.5
Anthropic 推出 Claude 5.5 系列首款模型 Claude Opus 5.5，在 Agent 编码、计算机使用及知识工作任务中表现领先。该模型运行成本较 Opus 5 降低 40%，推理速度提升超 30%，并具备更自然的沟通风格。此外，Opus 5.5 引入了更严格的自动化行为审计与安全防护措施，目前已在各主流云平台上线。
Anthropic 发布 Claude Opus 5.5，在提升智能体编码与推理能力的同时，通过架构优化将运行成本降低 40%，并强化了针对网络安全与生物研究的安全防护机制。
我们推出了 Claude Opus 5.5，这是我们全新的 Claude 5.5 系列中的首款模型。它在大多数工作中的表现达到了 Claude Fable 5.1 的水平，且运行成本比 Opus 5 低 40%。
Claude Opus 5.5 是我们自呼吁放缓前沿发展以来的首次发布。它在发布前经过了外部评估机构的测试，包括 Frontier Design 和 METR。在我们最全面的对齐测试——自动化行为审计中，Opus 5.5 是我们迄今为止测试过的性能最强的模型。它还配备了我们为最强能力模型所开发的安全防护措施。
以下是您可以从 Opus 5.5 中期待的一些改进：
性能。 Opus 5.5 是继 Opus 5 之后的一次重大飞跃。它是新的领先模型，早期测试者发现其在处理最复杂的工作时性能有大幅提升。一位测试者在不到一天的时间内完成了 680,000 行代码的迁移——这项工作原本需要一个工程团队花费数周时间。它擅长发现并修复软件中的低效问题：当我们要求它缩短 Web 应用中每个页面的加载时间时，Opus 5.5 在 40 次尝试中成功了 39 次，而 Opus 5 虽然也做出了改进，但同时也改变了应用的行为。另一位测试者让多个 Claude 模型根据同一个提示词构建游戏；Opus 5.5 在图形质量和精致度方面的得分高于任何其他模型。
安全性。 Opus 5.5 在我们的自动化行为审计（即我们在数千个模拟场景中测试 Claude 的对齐套件）中取得了迄今为止所有模型的最高分。与近期模型相比，它采取难以撤销的操作或超出既定边界行为的可能性要小得多，并且比 Opus 5 更能抵御提示词注入。我们还扩大了对齐测试的范围，涵盖了更长的任务、不可能完成的任务以及基于真实事件建模的场景，尽管它仍然存在局限性。评估的完整详情可在 Opus 5.5 系统卡中查看。
由于 Opus 5.5 在生物学和网络安全方面与 Claude Mythos 5.1 相当，我们为其部署了与 Claude Fable 5.1 类似的防护措施。经过审核的组织即日起可申请加入我们的生命科学验证计划，以使用 Opus 5.5 进行生物学研究。在接下来的几周内，我们还将扩大对网络验证计划的访问权限，经过验证的网络安全从业者将能够使用 Opus 5.5 进行工作。
成本与速度。 Opus 5.5 的服务计算需求低于 Opus 5，其定价也反映了这一点。我们的测试表明，在默认设置下，它在典型工作负载下的成本将比 Opus 5 低 40%。输入和输出 token 的价格分别为每百万 4 美元和 20 美元，比 Opus 5 低 20%。缓存读取（占代理和编码工作成本的大部分）价格为每百万 token 0.20 美元，比 Opus 5 低 60%。Opus 5.5 的输出生成速度也比 Opus 5 快 30% 以上。
除了降价之外，我们还提高了 Pro、Max、Team 和基于席位的 Enterprise 计划的五小时使用限制。我们还为订阅用户提供了速率限制重置功能，您可以将其保存并在需要时随时使用。
沟通能力。 Opus 5.5 的沟通比之前的模型更自然。早期测试者发现其写作更清晰、更易于理解，这解决了我们从 Opus 5 收到的部分常见反馈。它将最重要的信息放在前面，其风格使其成为长期工作会话中更好的合作伙伴。正如一位早期测试者所言：“它的写作方式和我一样。”在我们自己的使用中，这使得 Opus 5.5 的工作成果更容易跟进和检查——这既是安全上的优势，也是实际应用中的优势。
Claude Sonnet 5.5 和 Claude Haiku 5.5 将在未来几周内推出，它们在性能、效率和安全性方面都有许多相同的改进。
性能与成本效益
在我们的基准测试中，Claude Opus 5.5 在代理式编码、计算机使用和知识工作方面处于领先地位。话虽如此，在这些能力水平上，我们发现基准测试的差距已不再是衡量现实世界差异的可靠指南。在我们自己的使用中，Opus 5.5 与 Claude Fable 5.1 之间的差距比这些分数所显示的要小。
| Opus 5.5 | Fable 5.1 | Opus 5 | GPT-6 Astra | GPT-5.6 Sol | |
|---|---|---|---|---|---|
| 代理式编码Terminal-Bench 4.0¹ | 66.4% | 55.8% | 52.3% | 57.9% | 37.3% |
| 代理式编码FrontierCode v1.1 (Main) | 54.4% | 50.3% | 48.0% | 53.3% | 47.5% |
| 代理式编码CursorBench 4.0 | 57.8% | 51.8% | 46.6% | — | 41.7% |
| 知识工作GDPval-AA v2.1 | 1846 | 1735 | 1708 | 1542 | 1588 |
| 业务工作流AutomationBench² | 40.0% | 31.4% | 26.9% | 41.4% | 28.8% |
| 多学科推理Humanity's Last Exam | 67.7%使用工具 | 65.6%使用工具 | 63.6%使用工具 | 57.2%使用工具 | — |
| 代理式科学研究Terminal-Bench-Science 0.1³ | 58.7% | 52.6% | 29.0% | 64.6% | 22.4% |
| 计算机使用OSWorld 2.1 | 81.8%部分 | 80.7%部分 | 74.0%部分 | — | — |
| 视觉图表识别Chartography | 89.0%使用工具 | 88.4%使用工具 | 83.4%使用工具 | — | — |
除非另有说明，所有 Claude Opus 5.5 的结果均使用最大努力的自适应思维。Terminal-Bench 4.0 的结果报告为 Claude Opus 5.5 在 xhigh 努力程度下，以及 GPT-6 Astra 在高努力程度下（根据 OpenAI 的报告）；这些代表了每个模型的最高得分。Claude Opus 5.5 在启用生产环境安全防护措施的情况下进行了评估。当防护措施介入时，网络安全任务由 Claude Opus 4.8 完成，生物学和前沿 LLM 开发任务由 Claude Opus 5 完成。这可能会降低 Claude Opus 5.5 在这些基准测试中的表现。
1 Terminal-Bench 4.0： Claude Opus 5.5 的标准误差为 ±2.6 分，其他 Claude 模型为 ±1.6–2 分。公共排行榜（5 次试验/任务，Claude Code 工具）报告 Claude Opus 5 为 51.8%；我们的设置复现结果为 52.3%，在误差范围内。GPT-6 Astra 和 GPT-5.6 Sol 的数据为 OpenAI 报告的数值。
2 AutomationBench： AutomationBench 的结果由 Zapier 运行并报告。这些运行是在没有回退模型的情况下执行的，因此安全防护介入被视为失败——这导致得分低于 Claude Opus 5.5 在实际应用中可能达到的水平。Claude Opus 5.5 的结果来自 Zapier 在早期访问期间的内部评估。Opus 5、GPT-5.6 Sol 和 GPT-6 Astra 的结果来自 Zapier 的公共排行榜。
3Terminal-Bench-Science 0.1：每个模型的标准误差为 ±3.5–5 分。公开排行榜（每项任务 3 次试验，Claude Code 测试框架）显示 Claude Opus 5 的得分为 30.0%；我们的设置复现结果为 29.0%，在误差范围内。GPT-6 Astra 的数据为 OpenAI 报告值。
Opus 5.5 的优势在于效率。它每个 token 的成本低于 Opus 5，且每项任务使用的 token 更少，最终使成本降低了 40%。
定价
| 每 100 万 token 价格 | Claude Opus 5.5 | Claude Opus 5 |
|---|---|---|
| 缓存读取 | $0.20 | $0.50 |
| 输入 token | $4 | $5 |
| 输出 token | $20 | $25 |
| 缓存写入 | $5 | $6.25 |
Claude Code 和 Claude Platform 也提供 Opus 5.5 的快速模式，速度最高可提升 2.5 倍。其输入 token 价格为每百万 8 美元，输出 token 价格为每百万 40 美元。
编程
Opus 5.5 特别擅长处理代码库范围的迁移和审计等冗长繁杂的工作。一位早期测试者使用它在不到三小时内审计并修复了一个 20 万行的代码库，而 Opus 5 则耗时超过 20 小时，且使用的 token 数量是其 2.5 倍。在一项内部测试中，我们要求 Opus 5.5 和 Fable 5.1 将广泛用于服务器 Web 流量负载均衡的软件 HAProxy 从 C 语言重写为 Rust。两次重写均通过了 HAProxy 自身几乎所有的回归测试，但 Opus 5.5 耗时 9.5 小时，而 Fable 5.1 耗时 12 小时，且成本降低了 51%。
Opus 5.5 以极低的成本提供了前沿的智能体编程结果。在 FrontierCode 的默认工作强度下，它以每项任务约 20% 的成本击败了 GPT-6 Astra。在 Terminal Bench 4.0 上，它以约 40% 的成本与 Astra 持平，而在 CursorBench 上，它以约三分之一的成本领先 GPT-5.6 Sol 11 分。
Terminal-Bench 4.0 用于衡量模型在命令行界面中完成复杂、多步骤专业任务的能力。Opus 5.5 在默认工作强度下，以约五分之一的成本击败了最大工作强度下的 Opus 5。它以约 40% 的成本与 GPT-6 Astra 持平。
我们的早期测试者报告了类似的效率和智能提升：
引用
“开发者需要能够承担并完成实际软件工作的智能体。在我们对 GitHub Copilot CLI 和 VS Code 的测试中，Claude Opus 5.5 使用的 token 和步骤数在我们测量的模型中名列前茅。在 VS Code 中，它解决的终端任务比 Opus 5 多，且步骤数不到后者的一半。它不仅提高了单个任务的效率，还让开发者的大型项目变得更易于实现。”
公司GitHub
作者Mario Rodriguez，首席产品官
最安全的编程智能体
在系统内使用智能体的企业需要确保这些智能体按预期运行，特别是在它们自主运行数小时的情况下。Opus 5.5 拥有一个在执行前筛选每个操作的分类器、一个供安全团队审计的开源沙箱，以及能在合并前发现漏洞的代码审查功能。
模型本身也具备更强的防御能力。在提示词注入攻击方面，它在我们测试的所有设置（包括编程、工具使用、计算机使用和网页浏览）中均达到或超过了 Opus 5 的水平。在 AI 安全公司 Gray Swan 进行的基准测试中，Opus 5.5 与 Fable 5.1 并列，成为所有受测模型中提示词注入成功率最低的模型。
知识工作
Opus 5.5 是一位可靠且精通的研究员。在一项内部测试中，我们要求 Opus 5.5、Fable 5.1 和 Opus 5 撰写一份关于某公司季度业绩的报告，且仅能使用其在网络副本中找到的信息，而该财报发布信息很难定位。自动评分系统根据来源核对了每一项数据和引文。在不同的努力程度设置下，Opus 5.5 的 18 份报告中有 16 份达到了我们的质量标准，任何捏造的数据或引文都会导致失败。Fable 5.1 和 Opus 5 在任何尝试中均未达到该标准。
它在财务分析和商业工作中也表现强劲。投资公司兼早期测试者 Walleye Capital 报告称，Opus 5.5 在其最低设置下基本解决了他们的评估套件；在更高设置下，它的表现甚至更好，注意到了他们评估说明中的一个错误并进行了修正。此前没有任何其他模型发现过这个错误。
在另一项测试中，我们要求 Opus 5.5 和 Opus 5 分析两家虚构的人力资源软件公司之间拟议的合并案。两者都在 Excel 中构建了财务模型，然后将其转化为关于该交易以当前价格是否合理的执行演示文稿。两个模型对交易得出了相同的结论，但 Opus 5.5 的模型更详尽，演示文稿更易于阅读，而 Opus 5 的模型存在细微错误。Opus 5.5 用时 63 分钟，而 Opus 5 用时 93 分钟，且制作成本降低了 50%。
在知识工作评估中，Opus 5.5 在使用更少 token 的同时优于其他模型。在 GDPval-AA v2.1（一项涵盖 44 种职业的真实工作测试）中，Opus 5.5 获得了 1846 Elo 分，领先于 Fable 5.1 和 Opus 5。在默认努力程度（中等）下，Opus 5.5 以约五分之一的任务成本击败了处于最大努力程度的 GPT-6 Astra。它在衡量业务工作流和大规模数据收集的基准测试中同样优于其他模型。
Artificial Analysis 的 GDPval-AA v2.1 在 44 种职业的真实专业工作中评估智能体。在最大努力程度下，Opus 5.5 获得 1846 Elo 分，而 Fable 5.1 获得 1735 分，Opus 5 获得 1708 分。在默认努力程度（中等）下，Opus 5.5 以约五分之一的任务成本击败了处于最大努力程度的 GPT-6 Astra。
我们的客户报告了类似的结果。以下是他们告诉我们关于使用该模型的情况：
引文
“即使在最低的努力程度设置下，Claude Opus 5.5 在我们的代码审查中捕捉到了 72% 的已知错误，而 Opus 5 在高努力程度下仅为 56%，且误报更少，输出量也更小。在美式咨询分析中，低思考努力程度在仅有一半输出量的情况下就达到了其高思考设置的水平，并通过了我们的质量检查。当在生产环境中部署更多低思考努力程度的设置时，就能高效地交付客户就绪的工作成果。”
公司德勤咨询 (Deloitte Consulting LLP)
作者Carl Bennett，首席信息官 (CIO)
沟通
我们对 Opus 5.5 的写作和沟通方式进行了重大改进，这是我们收到关于 Opus 5 最常见的反馈领域之一。它的信息一眼就能看懂，测试人员表示这在长时间的工作会议中很有帮助。它将最重要的信息放在前面，不太可能使用行话或特有的短语，并遵循你给出的写作规则。我们发现这使得 Opus 5.5 成为一个明显更好的协作者。以下是两个模型的并排对比：
Claude Opus 5
请向我解释这个问题。
我的 发现
多出的丢弃并非来自免费层级 — 而是 0552feb 中的一次回归（“将计费周期边界提取到 periods.py 中”，标记为“无行为变更”）。
这个 Bug
aggregate.monthly_usage 过去使用的是半开区间：
现在它执行的是：
而在 periods.py 中：
last_day 是一个午夜的 datetime，而不是一整天。从 9 月 1 日 00:00 减去一天会得到 8 月 31 日 00:00，且该比较是包含边界的，因此周期实际上在 31 日的最初一刻就结束了。 每个在月末最后一天午夜之后打上时间戳的事件都会被静默丢弃 — 相当于每个账户每月大约一天的使用量。
新的 test_periods.py 没有捕捉到它，因为它只检查了 last_day.date() （这是正确的 2026-08-31），并且测试了 contains 在 8 月 1 日 00:00、8 月 15 日 12:00、7 月 31 日 23:59 和 9 月 1 日 00:00 的情况 — 它从未探测过 31 日当天的任何时间点。
Claude Opus 5.5
请向我解释这个问题。
多出的丢弃是计费重构中的一个 Bug
免费层级的变更仅占 acme 8 月份收入下降的 $1.50。其余的 $9.92 来自提交 0552feb 中的一个错误。 该提交被标记为“无行为变更”，但它停止了对该月最后一天使用量的统计。
发生了什么变化
在合并之前， aggregate.py 使用的是半开区间：
重构将其移至 Period.contains 并使区间在错误的边界上变成了闭区间：
last_day 是一个午夜的时间戳，而不是完整的一天。因此， 2026-08-31T00:00:00Z 之后的所有事件都被排除了。 9 月份的周期从 9 月 1 日开始，因此它也没有获取到这些事件。 这些使用量并没有被转移到另一个月；它们根本没有被计费。
我们客户的反馈支持了这些发现：
引用
“冗长且难以理解的输出一直是我对前沿模型最大的困扰，而 Claude Opus 5.5 解决了这个问题。它的写作风格就像一位优秀的同事，并且遵循我们的写作规则。一份设计规范在经过极少的编辑后即可使用，当我让它重写我们的一个提示词时，我甚至更喜欢它的版本而不是我自己的。当它优化我们的测试套件时，我可以轻松理解它的推理过程，并自信地发布了更改。”
公司Ramp
作者John Ruelas，主任软件工程师
安全
前沿步伐
上周，我们的首席执行官 Dario Amodei 指出，人工智能的进步应该有节奏地进行，以便安全实践能够领先于模型能力。这种节奏控制是一种保持人工智能安全、在与中国的竞争中保持优势，并实现人工智能益处（特别是在生物学和医学等领域）的方法。
我们很大程度上了解当前模型带来的风险，并有能力管理它们。然而，随着能力的提高，更严重的风险可能会迅速出现，我们需要现在就为之做好准备。因此，我们的安全工作同时在两个时间维度上展开：
当前模型的安全实践。 当前一代模型依赖于一套既定的实践：广泛的对齐测试、由 METR 和 Frontier Design 等外部组织进行的发布前评估，以及针对模型在网络安全和生物学等高风险领域能力所匹配的保障措施。我们在每次发布时都会改进这些实践。我们相信这些实践足以应对当今模型带来的最严重风险，并且它们为我们提供了对一系列严重风险的广泛（尽管并非完美）的了解。
此外，我们追踪自身训练和评估对齐模型的能力，并在根据我们的 负责任扩展政策（我们用于管理先进 AI 系统灾难性风险的自愿框架）发布的风险报告中，报告我们的公开模型和内部模型的情况。
为未来模型做准备。 我们正在准备训练和评估流程，以应对更先进的模型。我们正在加强对强化学习所用环境的过滤方式，因为 有缺陷的环境 是导致模型行为不对齐的主要来源。此外，我们正在改进对齐奖励，并开发自动化流程以生成用于安全训练的各种新场景。我们还在加强我们的 安全与监控，包括重点致力于改进基于可解释性的监控和评估。我们希望这些技术有助于减少对审计模型思维链（即模型在工作时写出的推理过程）的依赖。
具备更强能力的模型（例如能够完全自动化 AI 研究本身工作的模型）需要更高的安全标准。我们呼吁放缓节奏，很大程度上是基于我们对这类模型可能很快就会被训练出来的预期。对于这些模型，我们并不认为上述措施本身就能达到该安全标准。随着 AI 能力的增强，公共政策应在确保人们所依赖的系统安全方面发挥更大的作用。这种能力的建设需要时间，我们已经开始着手建立支持它的基础设施，正如“我们必须放缓前沿发展步伐”以及我们最近与 Accenture 的公告中所述；我们预计很快会分享关于这些工作的更多细节。我们还将继续参与政府和行业的政策讨论，包括关于监管和国际协调的方法。
对齐
在我们的主要评估套件（一项评估 Claude 在近 2,000 个场景中表现的自动化行为审计）中，Opus 5.5 在几乎每一项不对齐行为指标上的得分都优于近期任何 Claude 模型。它也是我们在大多数诚实度指标上表现最强的模型。
特别是，Opus 5.5 在导致近期 网络安全事件 的几种行为上较以往模型有所改进，包括有偏见或有动机的推理、试图逃离沙盒，以及在断定自己处于模拟环境后采取有害行动。在一项旨在测试模型跨越隔离边界倾向的新评估中，Opus 5.5 尝试绕过边界的频率比 Opus 5 或 Claude Mythos 5.1 低约 85%，且其所做的每一次尝试严重程度都很低并进行了自我报告。对于在代码库和系统中无人值守运行 Claude 的团队来说，这一点与原始能力同样重要。
然而，正如我们在最近的 对齐评估 中所述，构建能够在部署前可靠捕捉每一个故障的评估体系仍然是一个未解决的问题。我们发现有迹象表明 Opus 5.5 经常怀疑自己正在接受评估，这挑战了我们评估它在部署后的各种现实环境中表现的能力。随着这些环境的扩展和模型能力的提升，除非我们在可解释性方面取得进展，否则我们预计这一挑战将会加剧。尽管我们确信 Opus 5.5 在我们能够衡量的领域表现出了广泛的改进，但我们仍将自身的对齐工作与下述安全防护措施相结合。
安全防护措施
随着我们的模型功能日益强大，更严格的安全防护措施是我们防止新能力被滥用的途径之一。Opus 5.5 是首个在网络安全、生物学和蒸馏方面采用与 Fable 5.1 同类安全防护措施的 Opus 模型，所有这些措施都会透明地回退到另一个模型。
网络安全。 由于 Opus 5.5 具备极强的网络能力，我们正在对 Opus 5.5 应用与 Fable 5.1 类似的网络安全防护措施。用户将能够作为日常软件开发生命周期的一部分来识别和修复代码中的漏洞，但大多数网络安全任务将被重新路由至 Opus 4.8。
对于网络防御者，我们很快将扩展我们的 网络验证计划 以涵盖 Opus 5.5。新计划将包括三个级别的受信任访问权限，权限将逐步放宽，其中包括访问 Claude Mythos 模型。Claude Security 现已提供对 Claude Mythos 5.1 的访问权限。
生物学。 Opus 5.5 在生物学领域能力极强，在许多工作领域超过了 Opus 5，并达到或超过了 Claude Mythos 5.1 的水平。例如，Opus 5.5 在与 Dyno Therapeutics 合作进行的长期分子预测和设计评估中取得了进步，专家红队测试人员将其科学创新性评为与他们测试过的最佳模型相当。
因此，Opus 5.5 使用与 Fable 5.1 相同的生物学安全防护措施。如果用户因这些防护措施而无法进行研发工作，可以申请加入我们新的 生命科学验证计划，该计划为学术实验室、初创公司和制药公司等经过审查的组织提供针对各类生物相关工作设计的安全防护措施。感兴趣的组织可以在此申请。
蒸馏
蒸馏攻击是指攻击者利用数千个虚假账户以工业规模提取模型能力，这会带来安全和国家安全风险。蒸馏使恶意行为者能够在没有我们内置于 Claude 中的安全防护措施的情况下创建功能强大的模型。我们的 2026 年 9 月威胁情报报告 详细介绍了我们迄今为止检测并阻断的非法蒸馏活动。
Opus 5.5 在发布时采用了“保留思维”（preserved thinking），这是我们在 Fable 5.1 中引入的防蒸馏安全防护措施。它阻止 API 用户编辑 Claude 的先前上下文，以试图提取 Claude 的推理过程。对于 2026 年 8 月 31 日或之后创建的 API 账户，该措施适用于 Fable 5.1 和 Opus 5.5。我们的 帮助中心文章 解释了这一变化，我们的 保留思维文档 展示了如何测试和更新您的集成。
数据保留与合规
与之前的 Opus 模型一样，Opus 5.5 提供零数据保留选项。
与 Fable 5.1 一样，Opus 5.5 附带了我们的水印措施，以符合欧盟《人工智能法案》（在此处讨论）。此外，它也不再提供关闭“思考”模式的选项，正如我们在此处描述的那样。
可用性
Claude Opus 5.5 现已在所有平台上线，包括 Amazon Web Services、Google Cloud 和 Microsoft Azure。在 Claude 平台上，开发者可以开始使用 claude-opus-5-5。详情请参阅我们的迁移指南。
来源：Anthropic News · anthropic.com