01
一次裝下全部脈絡
100 萬 token 上下文視窗，知識截止到 2026 年 6 月。長對話、整個程式碼倉庫或一整套文件都能留在同一個任務裡。
Anthropic 於 2026 年 9 月 22 日發布 Opus 5.5
Claude Opus 5.5同樣的活，更少的 token
Anthropic Claude 5.5 家族的首款模型。它在多數任務上達到 Claude Fable 5.1 的水準，執行成本比 Opus 5 低 40%，輸出速度提升超過 30%。
- 9 月 22 日
- 2026 年發布
- Claude 5.5 家族首款模型
- 4 / 20 美元
- API 輸入 / 輸出
- 每百萬 token，低於 Opus 5 的 5 / 25 美元
- medium
- 預設 effort 等級
- 比預設 high 的 Opus 5 低一級
- 100 萬 / 12.8 萬
- 上下文 / 最大輸出
- 視窗與 Opus 5 一致，知識截止 2026 年 6 月
現已接入 Felo 搜尋
把整組文件丟進去，再提問。
Claude Opus 5.5 已在 Felo 搜尋中上線，適合處理長輸入的任務：跨檔案核對數字、把結論追溯回出處，最後交出一份可以直接轉給別人的答案。
02
核對數字，而不只是看結論
在 Anthropic 的內部測試中，18 份報告有 16 份通過品質門檻；該任務只要出現一個捏造的數字或引文就會判定失敗。
03
說清做了什麼、還缺什麼
Anthropic 重寫了模型的表達方式：最重要的資訊放在最前面，報告會直接說明已完成什麼、發現了什麼、還有什麼沒解決。
快速上手
在 Felo 中切換到 Claude Opus 5.5
Claude Opus 5.5 會與其他領先模型一起出現在你帳號的模型選擇器中。
Opus 5.5 的不同之處
成本下降本身就是賣點。
Anthropic 這次強調的是效率，而不是更高的跑分：每個任務消耗的 token 更少，單價更低，典型工作負載的成本下降 40%。正是這一點讓長時間執行的代理任務變得負擔得起。
01
把龐大的活做完
Anthropic 提到一位早期測試者用不到三小時稽核並修復了 20 萬行程式碼庫，而 Opus 5 花了 20 多個小時，token 用量還是它的 2.5 倍。
02
在合併前抓到 bug
Deloitte 報告指出，Opus 5.5 在最低 effort 等級下於程式碼審查中發現了 72% 的已知 bug，而 Opus 5 在 high 等級下為 56%，且誤報更少。
03
留下一份人能直接用的報告
它的文字更短、結構更清楚。Box 報告指出答案冗長程度降低 40% 而準確率不變，token 用量只有 Opus 5 的三分之一。
模型選擇
把 token 的成本和出錯的成本放在一起比。
下表是官方公開 API 價格，按每百萬 token 計，不是 Felo 的訂閱或用量價格。effort 那一列和價格一樣重要：同一個提示詞，各模型起點不同，花費可能相差很大。
對比面向
Claude Opus 5.5
Claude Fable 5.1
Claude Opus 5
GPT-6 Astra
API 價格 / 每百萬 token
輸入 4 美元 / 輸出 20 美元
輸入 10 美元 / 輸出 50 美元
輸入 5 美元 / 輸出 25 美元
輸入 10 美元 / 輸出 50 美元
快取讀取 / 每百萬 token
0.20 美元，為輸入價的 0.05 倍
0.25 美元，為輸入價的 0.025 倍
0.50 美元，即標準 0.1 倍
依服務商與快取層級而異
預設 effort 等級
medium。自適應思考始終開啟，無法關閉。
high。自適應思考始終開啟。
high。在 high 及以下等級可以關閉思考。
由呼叫方依請求設定
適合的場景
以中階價格承擔長時間執行的代理程式開發、程式碼審查與知識工作。
最難的推理與最長的代理任務，前提是在 Opus 5.5 上調高 effort 後評測仍不達標。
上一代 Opus 基準。請在自有流量上比較它的實際可用性與延遲。
OpenAI 的旗艦等級，定價位於區間頂部。
以上公開 API 價格與預設等級於 2026 年 9 月 23 日核對自 Anthropic 的 Claude Opus 5.5 發布公告、Claude Platform 模型頁以及 OpenAI 的 GPT-6 Astra 頁面。token 單價只是任務總成本的一部分；Anthropic 自己的效率說法是典型工作負載成本下降 40%，這個數字同時包含單價下降與單一任務 token 用量減少。
Anthropic 公布的成績
Opus 5.5 領先在哪，又沒領先在哪。
Anthropic 把自己的成績與 Fable 5.1、Opus 5、GPT-6 Astra 和 GPT-5.6 Sol 並列公布。下面四張圖中有兩張畫的是準確率與單一任務成本的關係，而不是單純的準確率，因為這才是 Anthropic 想做的對比。
完整的官方對比
涵蓋代理程式開發、知識工作、業務流程、跨領域推理、科研、電腦操作與圖表辨識，涵蓋 Anthropic 測量的全部五款模型。
代理程式開發
Terminal-Bench 4.0、FrontierCode v1.1 與 CursorBench 4.0，橫軸為單一任務成本，縱軸為準確率。
知識工作
涵蓋 44 種職業的 GDPval-AA v2.1、AutomationBench，以及 Perplexity 的資料蒐集基準 WANDR。
電腦操作與推理
OSWorld 2.0、Humanity's Last Exam 與 Chartography，其中最後一項衡量的是從圖表中讀取數值的準確度。
準確率與單一任務成本
Anthropic 的核心主張不是在任何成本下都拿到更高分，而是在成本降到零頭的同時拿到持平或更好的成績。
廠商公布資料。除另有說明外，Anthropic 在 max effort 下啟用自適應思考執行 Opus 5.5，並在生產防護開啟的情況下評測；當防護介入時，網路安全任務由 Opus 4.8 完成，生物學任務由 Opus 5 完成，這很可能壓低了 Opus 5.5 在這些基準上的公布成績。GPT-6 Astra 與 GPT-5.6 Sol 的資料來自 OpenAI 公布值。跨廠商的跑分差距只能作為現實差異的弱參考，這也是 Anthropic 自己對這組數字的說明。
如果你已經在跑 Opus 5
四處會直接讓現有程式碼報錯的變更。
Anthropic 列出了四項針對已在 Claude Opus 5 上執行的整合的破壞性變更，另外還有一項會改變回應結構但不會讓請求失敗。換模型 ID 之前值得先讀一遍，因為其中三項會直接回傳 400 錯誤，而不是悄悄降級。
01
思考無法再關閉
在 Opus 5 上，high 及以下等級可以關閉思考。Opus 5.5 始終開啟，關閉寫法與手動 token 預算都會回傳 400 錯誤。effort 成了唯一的控制手段，預設等級也從 high 變成 medium。
thinking: {"type": "disabled"} -> 400 invalid_request_error
02
強制工具呼叫被拒絕
tool_choice 設為 "any" 或指定某個工具名稱都會回傳 400 錯誤，token 計數端點同樣如此。改用 auto 搭配嚴格工具呼叫或結構化輸出，並在提示詞裡說明何時該用該工具。
tool_choice: {"type": "tool", "name": "..."} -> 400 invalid_request_error
03
思考區塊與產出它的模型綁定
每個思考區塊都會記錄產出它的模型。Opus 5.5 可以讀取 Opus 5 及更早的 Opus、Sonnet、Haiku 模型的思考區塊，但讀不了 Fable 與 Mythos 的。如果路由把對話切到其他模型，後續輪次將不再帶上先前的推理。
Opus 5.5 -> Fable 5.1 / Mythos 5.1 保留思考；其他模型會丟棄
04
舊版電腦操作工具已不可用
在 Claude API 與 Google Cloud 上，computer_20251124 工具會回傳 400 錯誤。請改用 computer_toolset_20260801 工具集，移除 beta 標頭，並讓代理迴圈適合成員 tool_use 區塊。在 Amazon Bedrock 上舊工具仍可使用。
computer_20251124 -> computer_toolset_20260801
effort 現在是唯一的思考控制項
既然思考無法關閉，可調的就是 effort。Opus 5.5 支援全部五個等級，預設 medium，比 Opus 5 低一級。Anthropic 的建議是在自己的評測集上重新跑一輪等級掃描，而不是沿用舊設定；同時在高等級下把 max_tokens 設得足夠大，因為即使不回傳思考文字，思考 token 也計入其中。
等級
是否預設
Anthropic 建議的用途
low
否
最省 token 的等級，能力會有所下降。Anthropic 建議用於較簡單的任務與子代理。
medium
是
Opus 5.5 的預設等級。Anthropic 稱其在程式開發與知識工作評測上達到或超過 high 等級的 Opus 5。
high
否
多數其他 Claude 模型的預設等級。適合複雜推理與高難度程式問題。
xhigh
否
執行超過 30 分鐘、token 預算達百萬級的長週期代理與程式任務。
max
否
可用的最深推理，不限制 token 消耗。留給已經實測出品質提升的任務。
effort 是行為訊號，而不是硬性 token 預算：在較低等級下，模型面對真正困難的問題仍會思考，只是比高等級少。Anthropic 還指出，在同一等級下 Opus 5.5 每輪思考量普遍多於 Opus 5，在 xhigh 與 max 下尤其明顯，因此沿用 Opus 5 的設定會讓每輪更長、更貴。
適用場景
那些長到沒辦法一直盯著的活。
當任務要跑幾個小時、涉及的檔案多到一個人裝不下，或者產出需要第二個人複核時，Opus 5.5 才真正體現出價值。以下場景來自 Anthropic 及其早期測試者的描述，不是泛泛的聊天提示詞。
全程式碼庫遷移與稽核
把一處改動貫穿整個大型倉庫直到測試通過，而不是停在第一個看起來可行的補丁上。Anthropic 提到一位測試者用不到一天完成了 68 萬行的遷移。
能揪出真問題的程式碼審查
Anthropic 的測試方 Column 報告指出，它透過查閱外部文件，發現了一個在好幾個提交之前就被建模錯誤的第三方整合 bug。
財務與文件分析
先建模型，再寫一頁紙的結論，並把前提與保留意見保留下來。Anthropic 報告指出一起併購分析用時 63 分鐘，Opus 5 為 93 分鐘，成本只有一半。
長時間執行的代理團隊
它會把任務分派給子代理，並依時間預算安排節奏。Anthropic 的建議是給多代理框架提供已耗時訊號，讓它並行推進而不是串行等待。
拿一個要跑很久的任務試試
01
把真實脈絡帶上
把程式碼倉庫、文件和需求都放進去，這些是答案必須考慮到的內容。100 萬 token 視窗正是為此存在。
02
說明完成條件
講清楚什麼條件滿足才算做完。Anthropic 對無人值守執行的建議是：把任務的各個部分放進一份清單，讓模型持續更新。
03
對比最終產出
在 Felo 裡把同一個任務分別交給 Opus 5.5、Opus 5 和 Fable 5.1。比的不只是答案，還有測試、保留意見和 token 消耗。
當你的帳號模型選擇器中出現 Claude Opus 5.5 時選中它即可。
在 Felo 試用 Opus 5.5Claude Opus 5.5 常見問題
Claude Opus 5.5 是 Anthropic 針對長時間執行的代理程式開發與知識工作推出的模型，於 2026 年 9 月 22 日發布，是 Claude 5.5 家族的首款模型。Anthropic 稱它在多數任務上達到 Claude Fable 5.1 的水準，而執行成本比 Claude Opus 5 低 40%。
用更低的價格跑那個長任務。
在 Felo 裡把 Claude Opus 5.5 和其他領先模型放在一起，然後拿那個因為要跑幾個小時而一直拖著沒做的任務來試。
在 Felo 試用 Opus 5.5從 Felo AI 搜尋開始，在可用時選中該模型。