01
一次装下全部上下文
100 万 token 上下文窗口，知识截止到 2026 年 6 月。长对话、整个代码仓库或一整套文档都能留在同一个任务里。
Anthropic 于 2026 年 9 月 22 日发布 Opus 5.5
Claude Opus 5.5同样的活，更少的 token
Anthropic Claude 5.5 家族的首款模型。它在多数任务上达到 Claude Fable 5.1 的水平，运行成本比 Opus 5 低 40%，输出速度提升超过 30%。
- 9 月 22 日
- 2026 年发布
- Claude 5.5 家族首款模型
- 4 / 20 美元
- API 输入 / 输出
- 每百万 token，低于 Opus 5 的 5 / 25 美元
- medium
- 默认 effort 档位
- 比默认 high 的 Opus 5 低一档
- 100 万 / 12.8 万
- 上下文 / 最大输出
- 窗口与 Opus 5 一致，知识截止 2026 年 6 月
现已接入 Felo 搜索
把整套文档丢进去，再提问。
Claude Opus 5.5 已在 Felo 搜索中上线，适合处理长输入的任务：跨文件核对数字、把结论追溯到出处，最后交出一份可以直接转给别人的答案。
02
核对数字，而不只是看结论
在 Anthropic 的内部测试中，18 份报告有 16 份通过了质量线；该任务只要出现一个编造的数字或引文就会判定失败。
03
说清做了什么、还缺什么
Anthropic 重写了模型的表达方式：最重要的信息放在最前面，报告会直接说明已完成什么、发现了什么、还有什么没解决。
快速上手
在 Felo 中切换到 Claude Opus 5.5
Claude Opus 5.5 会与其他领先模型一起出现在你账号的模型选择器中。
Opus 5.5 的不同之处
成本下降本身就是卖点。
Anthropic 这次强调的是效率，而不是更高的跑分：每个任务消耗的 token 更少，单价更低，典型工作负载的成本下降 40%。正是这一点让长时间运行的智能体任务变得负担得起。
01
把庞大的活干完
Anthropic 提到一位早期测试者用不到三小时审计并修复了 20 万行代码库，而 Opus 5 花了 20 多个小时，token 用量还是它的 2.5 倍。
02
在合并前抓到 bug
Deloitte 报告称，Opus 5.5 在最低 effort 档位下于代码审查中发现了 72% 的已知 bug，而 Opus 5 在 high 档位下为 56%，且误报更少。
03
留下一份人能直接用的报告
它的文字更短、结构更清楚。Box 报告称答案啰嗦程度降低 40% 而准确率不变，token 用量只有 Opus 5 的三分之一。
模型选择
把 token 的成本和出错的成本放在一起比。
下表是官方公开 API 价格，按每百万 token 计，不是 Felo 的订阅或用量价格。effort 那一行和价格一样重要：同一个提示词，各模型起点不同，花费可能相差很大。
对比维度
Claude Opus 5.5
Claude Fable 5.1
Claude Opus 5
GPT-6 Astra
API 价格 / 每百万 token
输入 4 美元 / 输出 20 美元
输入 10 美元 / 输出 50 美元
输入 5 美元 / 输出 25 美元
输入 10 美元 / 输出 50 美元
缓存读取 / 每百万 token
0.20 美元，为输入价的 0.05 倍
0.25 美元，为输入价的 0.025 倍
0.50 美元，即标准 0.1 倍
随服务商与缓存档位变化
默认 effort 档位
medium。自适应思考始终开启，无法关闭。
high。自适应思考始终开启。
high。在 high 及以下档位可以关闭思考。
由调用方按请求设置
适合的场景
以中端价格承担长时间运行的智能体编程、代码审查与知识工作。
最难的推理与最长的智能体任务，前提是在 Opus 5.5 上加大 effort 后评测仍不达标。
上一代 Opus 基准。请在自有流量上比较它的实际可用性与延迟。
OpenAI 的旗舰档位，定价处于区间顶部。
以上公开 API 价格与默认档位于 2026 年 9 月 23 日核对自 Anthropic 的 Claude Opus 5.5 发布公告、Claude Platform 模型页以及 OpenAI 的 GPT-6 Astra 页面。token 单价只是任务总成本的一部分；Anthropic 自己的效率说法是典型工作负载成本下降 40%，这一数字同时包含单价下降与单任务 token 用量减少。
Anthropic 公布的成绩
Opus 5.5 领先在哪，又没领先在哪。
Anthropic 把自己的成绩与 Fable 5.1、Opus 5、GPT-6 Astra 和 GPT-5.6 Sol 并列公布。下面四张图中有两张画的是准确率与单任务成本的关系，而不是单纯的准确率，因为这才是 Anthropic 想做的对比。
完整的官方对比
涵盖智能体编程、知识工作、业务流程、跨学科推理、科研、计算机操作与图表识别，覆盖 Anthropic 测量的全部五款模型。
智能体编程
Terminal-Bench 4.0、FrontierCode v1.1 与 CursorBench 4.0，横轴为单任务成本，纵轴为准确率。
知识工作
覆盖 44 个职业的 GDPval-AA v2.1、AutomationBench，以及 Perplexity 的数据采集基准 WANDR。
计算机操作与推理
OSWorld 2.0、Humanity's Last Exam 与 Chartography，其中最后一项衡量的是从图表中读取数值的准确度。
准确率与单任务成本
Anthropic 的核心主张不是在任何成本下都拿到更高分，而是在成本降到零头的同时拿到持平或更好的成绩。
厂商公布数据。除另有说明外，Anthropic 在 max effort 下启用自适应思考运行 Opus 5.5，并在生产防护开启的情况下评测；当防护介入时，网络安全任务由 Opus 4.8 完成，生物学任务由 Opus 5 完成，这很可能压低了 Opus 5.5 在这些基准上的公布成绩。GPT-6 Astra 与 GPT-5.6 Sol 的数据来自 OpenAI 公布值。跨厂商的跑分差距只能作为现实差异的弱参考，这也是 Anthropic 自己对这组数字的说明。
如果你已经在跑 Opus 5
四处会直接让现有代码报错的变更。
Anthropic 列出了四项针对已在 Claude Opus 5 上运行的集成的破坏性变更，另外还有一项会改变响应结构但不会让请求失败。换模型 ID 之前值得先读一遍，因为其中三项会直接返回 400 错误，而不是悄悄降级。
01
思考无法再关闭
在 Opus 5 上，high 及以下档位可以关闭思考。Opus 5.5 始终开启，关闭写法与手动 token 预算都会返回 400 错误。effort 成了唯一的控制手段，默认档位也从 high 变成 medium。
thinking: {"type": "disabled"} -> 400 invalid_request_error
02
强制工具调用被拒绝
tool_choice 设为 "any" 或指定某个工具名都会返回 400 错误，token 计数接口同样如此。改用 auto 搭配严格工具调用或结构化输出，并在提示词里说明何时该用该工具。
tool_choice: {"type": "tool", "name": "..."} -> 400 invalid_request_error
03
思考块与产出它的模型绑定
每个思考块都会记录产出它的模型。Opus 5.5 可以读取 Opus 5 及更早的 Opus、Sonnet、Haiku 模型的思考块，但读不了 Fable 与 Mythos 的。如果路由把对话切到其他模型，后续轮次将不再带上此前的推理。
Opus 5.5 -> Fable 5.1 / Mythos 5.1 保留思考；其他模型会丢弃
04
旧版计算机操作工具已不可用
在 Claude API 与 Google Cloud 上，computer_20251124 工具会返回 400 错误。请改用 computer_toolset_20260801 工具集，去掉 beta 头，并让智能体循环适配成员 tool_use 块。在 Amazon Bedrock 上旧工具仍可使用。
computer_20251124 -> computer_toolset_20260801
effort 现在是唯一的思考控制项
既然思考无法关闭，可调的就是 effort。Opus 5.5 支持全部五档，默认 medium，比 Opus 5 低一档。Anthropic 的建议是在自己的评测集上重新跑一轮档位扫描，而不是沿用旧设置；同时在高档位下把 max_tokens 设得足够大，因为即使不返回思考文本，思考 token 也计入其中。
档位
是否默认
Anthropic 建议的用途
low
否
最省 token 的档位，能力会有所下降。Anthropic 建议用于较简单的任务和子智能体。
medium
是
Opus 5.5 的默认档位。Anthropic 称其在编程与知识工作评测上达到或超过 high 档位的 Opus 5。
high
否
多数其他 Claude 模型的默认档位。适合复杂推理与高难度编程问题。
xhigh
否
运行超过 30 分钟、token 预算达百万级的长周期智能体与编程任务。
max
否
可用的最深推理，不限制 token 消耗。留给已经实测出质量提升的任务。
effort 是行为信号，而不是硬性 token 预算：在较低档位下，模型面对真正困难的问题仍会思考，只是比高档位少。Anthropic 还指出，在同一档位下 Opus 5.5 每轮思考量普遍多于 Opus 5，在 xhigh 与 max 下尤其明显，因此沿用 Opus 5 的设置会让每轮更长、更贵。
适用场景
那些长到没法一直盯着的活。
当任务要跑几个小时、涉及的文件多到一个人装不下，或者产出需要第二个人复核时，Opus 5.5 才真正体现出价值。以下场景来自 Anthropic 及其早期测试者的描述，不是泛泛的聊天提示词。
全代码库迁移与审计
把一处改动贯穿整个大型仓库直到测试通过，而不是停在第一个看起来可行的补丁上。Anthropic 提到一位测试者用不到一天完成了 68 万行的迁移。
能揪出真问题的代码审查
Anthropic 的测试方 Column 报告称，它通过查阅外部文档，发现了一个在好几个提交之前就被建模错误的第三方集成 bug。
财务与文档分析
先建模型，再写一页纸的结论，并把前提和保留意见保留下来。Anthropic 报告称一起并购分析用时 63 分钟，Opus 5 为 93 分钟，成本只有一半。
长时间运行的智能体团队
它会把任务分派给子智能体，并依据时间预算安排节奏。Anthropic 的建议是给多智能体框架提供已耗时信号，让它并行推进而不是串行等待。
拿一个要跑很久的任务试试
01
把真实上下文带上
把代码仓库、文档和需求都放进去，这些是答案必须考虑到的内容。100 万 token 窗口正是为此存在。
02
说明完成条件
讲清楚什么条件满足才算做完。Anthropic 对无人值守运行的建议是：把任务的各个部分放进一份清单，让模型持续更新。
03
对比最终产物
在 Felo 里把同一个任务分别交给 Opus 5.5、Opus 5 和 Fable 5.1。比的不只是答案，还有测试、保留意见和 token 消耗。
当你的账号模型选择器中出现 Claude Opus 5.5 时选中它即可。
在 Felo 试用 Opus 5.5Claude Opus 5.5 常见问题
Claude Opus 5.5 是 Anthropic 面向长时间运行的智能体编程与知识工作的模型，于 2026 年 9 月 22 日发布，是 Claude 5.5 家族的首款模型。Anthropic 称它在多数任务上达到 Claude Fable 5.1 的水平，而运行成本比 Claude Opus 5 低 40%。
用更低的价格跑那个长任务。
在 Felo 里把 Claude Opus 5.5 和其他领先模型放在一起，然后拿那个因为要跑几个小时而一直拖着没做的任务来试。
在 Felo 试用 Opus 5.5从 Felo AI 搜索开始，在可用时选中该模型。