Skip to content
Back/AI Ecosystem

Claude Opus 5.5 — 发布、默认化与社区实测

View in Graph
Updated 2026-10-22
5 min read
1,038 words

Claude Opus 5.5 — 发布、默认化与社区实测

Claude Opus 5.5 于 2026-09-22 发布,是少见的「发布即默认」模型:当天即成为 Claude Code 和 Claude app(含 Cowork)在 Pro/Max/Team 档的默认模型,取代 Opus 5。与 Opus 4.8 发布时的社区分裂不同,首批社区反馈以正面为主,且多个独立实测给出了可交叉验证的数据。

发布事实

  • 默认 effort 为 medium:智能可比肩 Fable 5.1 但更快;相比 Opus 5,费率限额可多跑约 25%(Cat Wu)
  • API 价格下调;同日 OpenAI 发布 GPT-6 Sol/Luna 并永久降价 50%,形成「前沿定价双降」局面(详见 forecasts/jevons-paradox-ai-scope-expansion)
  • Plus/Pro/Business 用户获得预存重置(banked reset)

独立实测数据

来源:AI Briefing 2026-09-23 Afternoon + AI Builders Digest 2026-09-23

  • 105-bug 真实仓库基准(Pawel Huryn):Opus 5.5 (max) 修 43 个 / $60.49,与 Fable 5.1 持平(43 / $77.55),仅次于 GPT-6 Astra(45 / $33.03);Opus 5.0 仅 27 个
  • HAProxy C→Rust 移植(Boris Cherny):Opus 5.5 与 Fable 5.1 均通过几乎全部测试,Opus 5.5 用时 9.5 小时 vs 12 小时,成本低 51%
  • 企业知识工作(Box / Aaron Levie):相比 Opus 5,token 用量 -63%、冗余度 -42%、速度 +30%;跨行业任务准确率提升 +15% 到 +65%(尽调、云成本、客户分析、临床统计四个案例)
  • Next.js evals(Guillermo Rauch):Opus 5.5 与 GPT-6 Sol、Fable 5.1 同获 97%
  • 同题四模型新闻稿(Thorsten Ball):Opus 5.5 $9.54,被评结果最好(标题更有创意、截图到位)
  • 形式化验证(Boris Cherny):Opus 5.5 + Lean 验证 Claude Agent SDK,几条 prompt 产出 16 个修复 bug/竞态条件的 PR

社区情绪

daily-driver 报告密集且口径一致:「不是表演马——不过度发挥、不强推观点、也不乏味,它与你协作」(Kieran Klaassen);Addy Osmani 称其为「多数工作上 Fable 级、比 Opus 5 更便宜更快」的新默认。Peter Yang 称其为近来最令人兴奋的 Claude 模型。

Counterpoints & Gaps

  • Yuchen Jin 的反方观点:前沿编码能力自 Opus 4.8 已见顶,试用 Opus 5.5 后并不惊艳(研究题答错而 Astra 答对),战场已转向「每美元的智能」
  • apples_jimmy:做研究型工作仍主力 Astra/5.6,但 Opus 5.5 是自 4.7 以来首个想重度使用的 Claude 模型
  • 各基准 n 值偏小(Pawel Huryn 系列 n=2-5),跨仓库泛化未知;成本数字随供应商定价快速漂移

相关实体:Claude Fable 5 系列。

Pending Jean review

2026-09-23 evening: effort and cost signals from timeline

来源:AI Briefing 2026-09-23 Evening

本次时间线补充了两类反向信号。Pawel Huryn 的第二组真实仓库测试仍把 GPT-6 Astra、Opus 5.5、Fable 5.1 和 GPT-6 Sol 的修复率与 API 等价成本放在同一张表中,说明模型选择不能只看最高分。Voxyz_ai 则建议把 Opus 5.5 的 medium effort 作为日常默认,把更高 effort 留给确实需要的任务。Yuchenj_UW 的体验相反:复杂研究与编码仍偏好 Astra,认为前沿竞争正在转向 intelligence per dollar。

Counterpoints & Gaps

  • 本次数据仍来自个人测试和社区观察,运行次数与任务覆盖有限。
  • effort、价格和额度会快速变化,不能将当前默认配置固化为长期结论。

Pending Jean review

2026-09-24 evening:Plan mode、effort 与产品体验分歧

来源:AI Briefing 2026-09-24 Evening

本次时间线补充了三类社区信号。trq212 提议用 Shift+Tab 调整 effort,甚至考虑取消独立的 plan mode;这把规划视为可调节的推理预算,而不是固定状态。Yuchenj_UW 仍认为 Astra 在复杂研究和编程上更强,Peter Yang 则主观偏好 Opus 5.5。mattpocockuk 分享了单提示成品,说明社区对 Opus 5.5 的兴趣也来自视觉和创意交付,而不只是编码基准。

Counterpoints & Gaps

  • plan mode 是否应该被 effort 取代,需要在同一任务集上比较成本、范围控制和返工。
  • 社区偏好和单提示演示不能替代独立的任务分布评测。

2026-09-24 newsletter:回流信号与限额经济学

来源:Ben's Bites — Back to Claude

Keshav(Ben's Bites 代班作者)报告个人默认 agent 从 Codex 切回 Claude Code,触发点是配额经济学而非单次基准:Opus 5.5 以 high/xhigh effort 连跑两天仅撞一次 5 小时限额。对照组是 GPT-6 Sol 的实测:一个约 4 小时的 DuoLingo 式课程任务在 $100 档 Codex 计划上消耗 22% 周限额。这与 Every 观察到的「Opus 5.5 把 Codex 用户拉回 Claude」口径一致,说明日常 agent 的迁移成本低于预期,默认模型忠诚度由「订阅档内可完成的长任务量」决定。

注意该信号的性质:这是单个重度用户的限额体感,不是任务分布层面的评测;不同订阅档、不同任务的限额消耗差异可能很大。

Pending Jean review

Pending Jean review

2026-09-26:评估单位应是接受结果,不是单次请求

来源:AI Briefing 2026-09-26 Afternoon

本次简报补充了两个相互关联的信号:Opus 5.5 的 effort 档位改变每轮思考量,而长会话的重复上下文、轮次数量和额度窗口共同决定真实成本。因此,模型价格下降不等于任务成本下降,模型速度提升也不等于团队吞吐提升。

更稳妥的评估单位应是一次被接受的结果:记录任务、模型、effort、轮次、上下文装载、额度消耗、返工和人工审查时间,再与同任务的最终质量比较。

Counterpoints & Gaps

  • 当前证据来自厂商说明和社区经验,尚未构成同任务集、同验收标准的独立基准。
  • 不同订阅档和任务类型的额度算法可能不同,不能把单个会话的体感外推为普遍结论。

Sources (addendum)

Pending Jean review

2026-09-25 evening:长任务、创意输出与成本审计

来源:AI Briefing 2026-09-25 Evening

本次时间线增加了三类社区信号。用户报告继续强调 Opus 5.5 的速度、交流自然度和长任务体验;Every 分享了跨 50 个文件、调用多个 subagent、持续五小时的互动课程构建案例;Voxyz_ai 则把 token 审计定义为完整任务成本问题,而不是单次请求价格问题。它们共同支持一个较窄的判断:模型评估需要同时记录完成结果、总轮数、上下文装载和限额消耗。

Counterpoints & Gaps

  • 以上内容主要是社区体验和单个演示,不能替代同任务集的重复评测。
  • 长任务案例没有公开完整提示、失败次数、人工修改量和最终验收标准。
  • 价格、effort 和限额会变化,当前体验不能直接外推为长期优势。

Pending Jean review

2026-09-26 evening:Opus 5.5 的价值落在长任务与内部软件

来源:AI Briefing 2026-09-26 Evening

本次时间线增加了两类使用信号。Riley Brown 认为 Opus 5.5 已足以让小团队把多个 SaaS 中真正使用的功能重建为一个内部工具;HiTw93 则把 Opus 5.5 high 与其他模型的需求分析、代码审查和跨平台开发体验放在一起比较。另有长任务、视频创作和 effort 档位的案例,说明社区评价正在从单次回答质量转向任务完成、返工、额度和部署场景。

Counterpoints & Gaps

  • 内部工具替代 SaaS 会把维护、权限、升级和数据责任转回团队。
  • 这些体验来自个人报告和演示,尚未提供同任务、同预算和同验收标准的重复测试。
  • 长任务的总成本不能只看 token 单价,还包括上下文、轮次、返工和人工审查。

Pending Jean review

2026-09-27:模型比较必须保留任务分布

来源:AI Briefing 2026-09-27 Afternoon

本次时间线出现了相互冲突的模型判断:一边是对 Opus 5.5 的普遍赞叹,另一边是用户认为 Astra 仍更强、前沿 Coding 能力可能在 Opus 4.8 后趋平。这个分歧不是噪音,而是提醒:模型评估必须保留任务分布、effort、成本、返工和接受标准,不能用单个长任务或社区情绪替代比较。

同时,Opus 5.5 被用于视频、内部软件和长任务,说明“模型质量”正在与产品形态、工具权限和反馈回路共同决定结果。

Counterpoints & Gaps

  • 当前分歧主要来自个人体验,不能直接证明模型能力平台期。
  • 视频和内部工具演示容易放大成功案例,仍需记录失败、维护和人工修改。

Sources (addendum)

Pending Jean review

2026-10-01:模型比较进入长输出与分层路由阶段

来源:AI Briefing 2026-10-01 Afternoon

本次简报新增两条评估边界:一是 GPT-6.1 Sol 的真实仓库基准把修复数量、成本和任务分布放在一起;二是 Gemini 4 Argon 的百万 token 输出把评估从“回答质量”推向长 artifact 的质量、延迟、可控性和价格。与此同时,advisor 模式说明强模型未必需要每轮参与,分层路由可能比单一默认模型更重要。

因此,Opus 5.5 的比较不应只问“哪个模型最好”,而应问:在固定任务分布中,哪个模型或路由在可接受成本下产生最多可验证结果。

Counterpoints & Gaps

  • Gemini 4 Argon 的可用性、价格和输出限制仍需要官方文档与真实账户验证。
  • GPT-6.1 Sol 基准的样本、验收和成本数据来自单一报告,不能替代独立复现。

Sources (addendum)

Pending Jean review

官方使用手册要点(2026-09-22,Addy Osmani)

来源:Getting the most out of Opus 5.5 in Claude and Claude Code(claude.dev 官方 playbook;web-articles 存档为同一篇文章)

  • 说清"完成"是什么样,然后放手:整条任务一条消息给出,命名终点线(如"测试全过")和停止询问的条件。Opus 5.5 相比 Opus 5 的最大增益在多步长任务,早期测试者让它无人监督连跑数小时
  • 删掉"think carefully"类提示:模型每次回复前本来就会思考并自行决定思考量;官方测试中删除该类提示后回复更快且质量无明显下降
  • 设计请求用排除法:不说"avoid a generic look",而是列出具体不要的设计模式(奶白底、斜体强调词、01/02/03 编号、等宽标签、胶囊按钮),因为它无设计指令时会退到少数默认风格
  • CLAUDE.md 里命名"停靠站":长任务中它会停下来报告而非继续(总结下一步但不执行、提出继续、列出不阻塞的选择);用规则指明何时继续、何时停下来问,破坏性操作前必须问。配对编程则可反向要求一行计划+短回顾
  • 大审计/迁移拆给 subagent:让每个 service 一个 subagent,汇报回来时先核查证据再接受,最后汇成一张表
  • 任务清单放文件里:长跑会填满上下文窗口并被 summarize,文件里的 checklist 能存活
  • 先读"需要你做什么":它的报告比 Opus 5 更清楚地说做了什么、发现什么、需要你什么
  • 评审 diff:官方称最低 effort 的 Opus 5.5 抓到的 bug 多于高 effort 的 Opus 5,误报更少
  • 被指认 flag 时的行为:Opus 5.5 是首个带 Fable 级生物/网络安全防护发布的 Opus;被 flag 的消息大多切到旧模型继续;不要要求它在回复中复现内部推理(会触发拒答)
  • fast mode:Opus 5.5 上线即有研究预览版 fast mode(/fast),同模型更快到达,需额外用量开关、每 token 更贵

Counterpoints & Gaps

  • 官方手册的"更少监督、更长无人值守"建议与组织的风险分级实践(见 harness-engineering/agent-code-review-at-anthropic)之间的边界需要使用者自己划定
  • 手册主张均为官方口径,成本与质量声明未附独立复现数据

Sources (addendum)

2026-10-09:Next Token #004 — 视觉与动效越界,「斩杀线」进入创意工种

来源:Next Token Weekly #004

Next Token 主播把 Opus 5.5 的发布定性为「越界」:模型能力溢出 Coding,进入视频动效、3D、像素动画等此前由 Agent Skill / 视频 Agent 占据的领地。

视觉能力证据(主播转述社区案例)

  • 像素动画物理感:社区案例做出法师技能打击稻草人的像素动画,屏幕震动、特效、音效与动作结合「打击感」完整,主播类比《泰拉瑞亚》灾厄模组水准;另一案例为 3D 像素版《三国无双》赵云技能演示,估算 API 成本约 $1000,订阅价可能仅几十到一百美元
  • One-shot 完整短片:海辛只给脚本和音乐产出中秋节小猫贴纸风短片,有剧情与转场,主播估计人工制作需两三天;全程未用视频生成模型,模型自行调用 Banana 生成图片,其余动画为纯代码
  • 音乐卡点一体化:打字音效卡在 BPM 节拍上,主播判断模型「脑子里有成片」,不是先做视频再配音频的 Agent 流水线逻辑
  • 绘画过程还原:社区流行「给一张图从头画出」视频,Opus 5.5 操作画笔逐笔还原照片;同题对比中 GPT-6 Sol 被形容为「六岁小孩作品」

越界判断

  • 歸藏对比其收藏的顶尖动效作者作品:默认产出约 80-90 分水平,「接单、吃饭没问题」,人工微调后接近顶尖
  • 「Skill 对它是负向优化」:歸藏报告把 GPT-6 视频 Skill 套给 Opus 5.5 后能力下降,因为约束了它从 FFmpeg、音效库等底层库直接拼装的第一性路径;一条视频 Agent 产品的宣发效果被评价为 Opus 5.5 一句话效果的十分之一
  • 意图理解取代指令执行:向阳乔木报告模型会主动考虑「用户最终要干嘛」并补全设计(如 RSS 阅读器保存后自动提示按钮状态);主播认为提示词工作从「引导与约束」变成「对齐我想干什么」
  • Skill 作为训练素材的假设:歸藏推测 Skill/MCP 的程序化模板是「完美的训练数据」——聊天记录 + Skill + 结果构成格式化训练样本,模型借此内化技能;与「Skill 被模型吃掉」的社区判断一致,属推测未证实
  • 安全行为:橘子报告要求调查上周新闻时被模型以「知识截止、信源不可靠」拒绝,强制联网后才执行,被归为 Anthropic 一贯的过度安全风格

「斩杀线」观察

杨攀提出:新发布模型(小米、阶跃、Luna 等)都主动把自己点在「斩杀线」上——便宜、快、强至少占全;头部与尾部的斩杀线由 OpenAI 与 Anthropic 定义,中国厂商落在腰部。歸藏进一步判断 Opus 5.5 为剪辑师立起斩杀线,橘子认为 Agent Skill、视频 Skill、视频 Agent「都被干掉了」。歸藏还给出收敛预测:全球内容创作工作可能收敛到约两万人规模(最顶尖者 + AI Automation),被其他主播归为暴论。

Counterpoints & Gaps

  • 所有视觉案例为主播转述的社区演示,无独立复现;$1000 API 成本为单案例估算。
  • 「Skill 负优化」「Skill 是训练素材」均为个人推断,无训练侧证据。
  • 「内容创作只剩两万人」是单主播外推,无劳动市场数据支持。

Sources (addendum)

2026-10-22:数字生命卡兹克社区案例集 - 创意生产上限与多模型分工

来源:数字生命卡兹克:8 个 Claude Opus 5.5 创意案例

卡兹克汇总了 8 个社区创意案例,多数基于 Opus 5.5,展示模型在创作型任务上的上限:

  • 手稿转字体:Harshpreet 将 120 页手写笔记喂给 Opus 5.5,约 1 小时提取笔迹特征产出新字体;保留了个人书写怪癖(i 画圈、t 单侧横线),在低清照片上追踪笔尖路径重绘字母
  • 视频生产(数据锚定):《一座城的年轮》(成都历史讲解视频)基于清华大学龙瀛团队的中国多属性建筑数据集,未虚构历史数据;《圆明园修复》作者一句话 prompt 直出,未借助 Blender 或 Skill,依赖作者自攒渲染引擎
  • 多模型分工:魔戒三部曲视频由 Opus 5.5 负责复杂角色、Haiku 5.5 负责场景,质量被作者评价为仅看画面就能顺畅看下去
  • 长周期独立游戏:Nenly 的《群侠传:幸存者》298 天开发,Claude/Codex 写代码,GPT-image-2 与 Nano Banana 画角色场景 UI,Seedance 做动画,Suno 配乐,ElevenLabs 音效,Steam 好评率 98%
  • REA 逆向:研究者用 Opus 5.5 结合 REA 逆向自家电视,两台设备同 Wi-Fi 即可,无需数据线

Counterpoints & Gaps

  • 全部为单案例自述,无独立复现;字体、视频质量主张依赖作者展示
  • 多数案例仍依赖有创作经验的作者(渲染引擎积累、Blender、参考图准备),"零基础"结论不成立
  • 案例为公众号筛选后的成功样本,无失败率信息

Sources (addendum)

评测索引

Sources

Synthesized from 21 sources

Evolution

1 event
  1. absorbed

    Derived from source material

    This page is currently synthesized from 21 sources.

    From AI Briefing 2026-09-23 Afternoon, AI Builders Digest 2026-09-23, 2026-09-23-17-58, 2026-09-23-22-58, 2026-09-24-22-58To Claude Opus 5.5 — 发布、默认化与社区实测
    Sources: raw/briefing/AI Briefing/2026-09-23-17-58.md · raw/briefing/AI Builders Digest/2026-09-23.md · /Users/jean/Documents/Obsidian Vault/raw/briefing/AI Briefing/2026-09-23-17-58.md · /Users/jean/Documents/Obsidian Vault/raw/briefing/AI Briefing/2026-09-23-22-58.md · /Users/jean/Documents/Obsidian Vault/raw/briefing/AI Briefing/2026-09-24-22-58.md · /Users/jean/Documents/Obsidian Vault/raw/briefing/AI Briefing/2026-09-25-22-58.md · /Users/jean/Documents/Obsidian Vault/raw/briefing/AI Briefing/2026-09-26-17-39.md · /Users/jean/Documents/Obsidian Vault/raw/briefing/AI Briefing/2026-09-26-22-57.md · /Users/jean/Documents/Obsidian Vault/raw/briefing/AI Briefing/2026-09-27-17-39.md · /Users/jean/Documents/Obsidian Vault/raw/briefing/AI Briefing/2026-10-01-17-38.md · /Users/jean/Documents/Obsidian Vault/raw/briefing/AI Builders Digest/2026-09-23.md · /Users/jean/Documents/Obsidian Vault/raw/newsletters/Ben's Bites/2026-09-24 Back to Claude.md · raw/briefing/AI Briefing/2026-09-23-22-58.md · raw/briefing/AI Briefing/2026-09-24-22-58.md · raw/briefing/AI Briefing/2026-09-25-22-58.md · raw/briefing/AI Briefing/2026-09-26-17-39.md · raw/briefing/AI Briefing/2026-09-26-22-57.md · raw/briefing/AI Briefing/2026-09-27-17-39.md · raw/briefing/AI Briefing/2026-10-01-17-38.md · raw/newsletters/Ben's Bites/2026-09-24 Back to Claude.md · raw/to-learn/Getting the most out of Opus 5.5 in Claude and Claude Code.md

Linked from