9 月 22 日Anthropic 發(fā)布了 Claude Opus 5.5。官方的定位是 Claude 5.5 家族的第一個模型。大多數(shù)任務(wù)做到自家旗艦 Fable 5.1 的水平運行成本比上一代 Opus 5 低 40%。價格同步在降。每百萬 token 輸入 4 美元輸出 20 美元比 Opus 5 便宜兩成。緩存讀取從 0.5 美元砍到 0.2 美元。單看這些這就是一次正常的旗艦迭代。降價提速分數(shù)上漲每一家都這么發(fā)。不正常的是時間點。十天前9 月 12 日Anthropic 的 CEO Dario Amodei 剛發(fā)了一篇文章。標題叫 We Must Pace the Frontier呼吁全行業(yè)放慢前沿模型能力的提升速度。他在里面寫必須放慢改進 AI 模型能力的步伐否則這種加速可能超出人類理解和控制系統(tǒng)的能力。那他在擔心什么兩件事。一件是 AI 越來越多地參與建造下一代 AI也就是遞歸自我改進。另一件是此前 OpenAI 與 Hugging Face 的事故一群智能體對從未被指派的目標發(fā)起了網(wǎng)絡(luò)攻擊。照這個速度他判斷六到十二個月內(nèi)類似的一群模型能把整個互聯(lián)網(wǎng)變成持久僵尸網(wǎng)絡(luò)。文章發(fā)出時Sam Altman 和馬斯克都公開表示了支持。十天后Anthropic 交出了自己的答案。一個官方口徑下迄今最強的模型剛喊完剎車就發(fā)了。不過就此得出「嘴上踩剎車、手上踩油門」的結(jié)論并不公允。Amodei 在文章里說得很清楚pacing 不是停止訓(xùn)練也不是停止發(fā)布。它的本意是給對齊、評估和安全防護留出足夠的時間并讓外部機構(gòu)驗證這些防護真的在起作用。這次發(fā)布確實帶著配套動作。模型上線前METR 和 Frontier Design 兩家外部機構(gòu)做了發(fā)布前評估。官方的安全報告里寫Opus 5.5 在近 2000 個模擬場景的行為審計里拿到他們測過的最高分。同一份報告給出的數(shù)字是越界嘗試的頻率比 Opus 5 和 Mythos 5.1 低大約 85%。維度指標對比/說明模型定位Claude 5.5 家族首個模型多數(shù)任務(wù)達到旗艦 Fable 5.1 水平運行成本比 Opus 5 低 40%單價降 20% 同時 token 消耗降低輸入價格每百萬 token 4 美元比 Opus 5 便宜兩成輸出價格每百萬 token 20 美元比 Opus 5 便宜兩成緩存讀取0.2 美元原為 0.5 美元行為審計近 2000 個模擬場景最高分越界嘗試比 Opus 5 / Mythos 5.1 低約 85%分數(shù)之外的實話Artificial Analysis 發(fā)布當天給出獨立測試智能指數(shù) 58是它們測過的最高分領(lǐng)先第二名幾分。十項評估里六項領(lǐng)先。具體到編程Terminal-Bench 4.0 拿下 66.4%比 Opus 5 高出 14 分。智能體知識工作的 GDPval-AA 拿到 1846 Elo比 Fable 5.1 高 111。OpenRouter 上線當天就接入了模型附圖口徑是九項測試七項領(lǐng)先上下文 100 萬 token。評測項目Claude Opus 5.5對比對象與成績結(jié)果Artificial Analysis 智能指數(shù)58此前最高分十項評估六項領(lǐng)先Terminal-Bench 4.066.4%Opus 5 低 14 分領(lǐng)先GDPval-AA1846 EloFable 5.1 低 111領(lǐng)先AutomationBench40.0%GPT-6 Astra 41.4%落后 1.4 個百分點Terminal-Bench-Science未公布GPT-6 Astra 64.6%落后不過不是全面領(lǐng)先。AutomationBench 上 GPT-6 Astra 拿 41.4%比 Opus 5.5 的 40.0% 高?？茖W(xué)研究類的 Terminal-Bench-Science也是 Astra 的 64.6% 更靠前。官方自己在頁面里還加了一句備注。官方在頁面里承認到了這個能力水平基準分數(shù)的差距已經(jīng)不太能可靠反映現(xiàn)實。他們自己用下來Opus 5.5 和 Fable 5.1 的差距比分數(shù)顯示的更窄。廠商主動給自家新旗艦潑冷水這種話在發(fā)布說明里不常見。40% 怎么算官方口徑的 40%來自兩樣?xùn)|西疊加單價降 20%外加同樣的任務(wù)用更少的 token。這 40% 你都能拿到嗎不一定先看客戶怎么說。按 Optiver 的說法同樣的編程任務(wù)輪次、時間和輸出 token 都砍了約一半成本降了四到五成。Deloitte 那邊最低思考檔的代碼審查抓住了 72% 的已知 bug。同一家對比的 Opus 5開到最高檔也只抓到 56%。廠商和客戶的賬都擺完了還差獨立第三方的一本。但第三方的賬本上有一行不太一樣。Artificial Analysis 測到的數(shù)字是Opus 5.5 平均每個任務(wù)輸出約 11.9 萬 token。這個量是 Opus 5 的 1.6 倍。想得更深字就吐得更多。價格降的兩成被多用的六成 token 吃掉這部分任務(wù)的實際花費和 Opus 5 打平。降價降了個寂寞嗎不過沒那么嚴重兩種口徑量的是不同的東西。你跑的是短平快的代碼審查和文檔總結(jié)token 省得下來40% 是拿得到的。你跑的是深度推理的長任務(wù)多花的 token 會抵消一部分降價。省多少取決于你的任務(wù)長什么樣這個數(shù)我給不出一個適用于所有人的答案。容易忽略的細節(jié)Opus 5.5 帶著同類里最嚴的一套安全防護上線。網(wǎng)絡(luò)安全相關(guān)的任務(wù)會被轉(zhuǎn)給 Opus 4.8 處理。生物學(xué)和前沿 LLM 開發(fā)任務(wù)轉(zhuǎn)給 Opus 5。對調(diào)用方來說這條防護有個直接的后果。你發(fā)給 Opus 5.5 的某一次調(diào)用實際回答它的可能是舊模型。日常寫代碼和修 bug 不受影響官方明確說了這一點。放進多輪的智能體工作流里問題就來了同一個會話里的不同請求可能由能力不同的模型完成。架構(gòu)里要為此留出余量。順手記下另外兩個變化thinking 模式不能再關(guān)掉。8 月 31 日之后注冊的 API 賬戶反蒸餾的 preserved thinking 會自動開啟。它攔截的是對 Claude 歷史上下文的編輯。訂閱用戶這邊Pro、Max 和 Team 的五小時用量上限上調(diào) 20%。又因為單價更低官方說同樣的額度能多跑約 25% 的量。兩項簡單相加能跑的量大約多出五成。還有一項盼了很久的限流重置額度可以存起來想用的時候再用。輸出生成速度比 Opus 5 快 30% 以上AWS、谷歌云、Azure 也全都上了。Sonnet 5.5 和 Haiku 5.5 會在未來幾周內(nèi)發(fā)布。40% 的降本、85% 的越界下降能不能從旗艦下放到整個家族這兩批后續(xù)模型的發(fā)布才是對這套數(shù)字的真正檢驗。十天從呼吁全行業(yè)放慢到自己交出新旗艦。速度沒變變的是隨模型一起交出來的東西。外部評估行為審計還有給自家分數(shù)潑的冷水。剎車踩沒踩得住這個值得盯。