榜单第二，价格却比自家上一代便宜将近一半。Arena 官方放出的新数据里，Claude Opus 5.5 (High) 在 Agent Arena 上拿到净改进分 +12.15%，坐稳第二，前面只剩 Fable 5.1 (Max)。真正有嚼头的不是名次，是名次旁边那行数字：中位价格每任务 $1.31，比 Opus 5 (High) 低 40%，比 Opus 5 (Max) 低 56%。分数往上走，账单往下走——这两件事同时发生，才值得拿出来说。
榜眼位置，和它旁边那张价签
12.15% 的净改进有多大分量
Agent Arena 的净改进分不是单一正确率，而是把任务完成度、过程质量、执行代价折进同一个口径之后的综合结果。在这个口径下拿到两位数的正增长，通常意味着换代级别的变化，而非一次参数微调。Opus 5.5 (High) 相对前代拉出 +12.15%，最关键的一点藏在后面：省下来的推理开销并没有换来能力倒退。便宜往往是有代价的，这一次代价似乎没出现在分数上。
第二名的位置也有讲究。它排在 Fable 5.1 (Max) 之后，而这份公布里没有给出两者的分差。Agent 类评测的方差本来就大，一步之差很可能落进噪声区间。把"第二"读成"差距明显"，是过度解读；读成"同一梯队里的先后手"，更接近实情。
1.31 美元，比排名更刺眼
中位数 1.31 美元的意思是：有一半的任务花得比这更少。单轮问答里这个数字毫无手感，可 agent 任务的成本结构完全是另一回事——一次任务可能包含几十次工具调用、好几轮自我纠错，以及若干段本可以避免的重复劳动。成本按次数乘上去，价格就成了能不能上线的开关。
顺手把另外两个价格反推出来：Opus 5 (High) 的中位成本约 $2.18，Opus 5 (Max) 约 $2.98。Opus 5.5 (High) 把这条线压到 $1.31。每任务省下八毛到一块六，看着不多，跑一万次够养一个人。所以盯着这行数字的通常不是研究员，是做预算的那位。
Steerability 拿了第一，比总分更有信息量
什么叫"可操控性"
它衡量的是指令的服从质量。你告诉模型别碰某个工具，它听不听；你要求换输出格式、换语气、换执行路径，它跟不跟得上；中途改需求，它会不会把前面半小时的工作整个推翻重来。这些在单轮任务里是锦上添花，在跑几十步的 agent 流程里却是主要故障源。模型并非不会做，而是做偏了还不回头，一路偏到底。
+14.50% 最后会落到谁的账上
产品团队的账本里，一个不可控的模型要配一堆护栏：输出校验、工具白名单、重试逻辑、人工兜底。这些开销不进 token 账单，进的是人力和延迟。可操控性往上抬一个台阶，等于把一部分工程防御变成模型的自觉，省下的是工程复杂度本身。对做长链路自动化的团队来说，这种提升的吸引力比多答对几道题大得多——毕竟答对一道题没人发奖金，少一次兜底能少加一个班。
同一个模型，High 和 Max 被切成两种商品
Opus 5.5 (High) 凭什么便宜四成
High 与 Max 的差别不在参数量，在推理预算：Max 会让模型想得更久、试更多路径、做更多自我检查，单位任务烧掉的 token 自然更多。Opus 5.5 (High) 比 Opus 5 的同档位便宜四成，说明省下来的是效率而不是能力——同样的活，用更少的思考完成。这个方向比"堆算力换分数"难得多，也值钱得多，因为它动的是分母。
推理预算正在变成定价档位
过去的定价逻辑看模型大小，现在看模型愿意想多久。这条线一旦确立，厂商就能把同一份权重拆成几个价位同时卖：高预算档去冲榜单，低预算档去抢采购。Opus 5.5 (High) 的处境正是如此——综合排名第二，成本端大幅让利，一套权重打出两套战绩。买家拿到的不是"降级版"，而是同一个脑子配上不同的思考时长。
Agent 榜单开始算钱了
成本进了指标，说明市场换了阶段
评测机构把价格塞进核心指标，理由通常只有一个：客户在问。榜单过去回答"谁最强"，现在要回答"谁用得划算"。这个转向和 agent 的落地节奏对得上——试点期看能力上限，铺开期看单位经济。当日调用量上到十万级，分数差一个百分点和成本差四成，哪个更影响决策，不用想。
便宜之后，比的会是什么
成本曲线压下来，瓶颈就换位置。接下来被追问的是可靠性：失败任务的分布长什么样，重试几次能收敛，尾部延迟有多长，出问题时能不能解释清楚。Steerability 排到第一，某种意义上就是这个方向的前哨——可控性直接决定故障能不能被定位、能不能被收敛。
还有一个榜单没回答的问题
$1.31 是中位数，而中位数天生掩盖尾部：最难的那批任务到底贵多少，失败重试的成本算不算进去，长任务的开销会不会指数级膨胀。对预算敏感的人来说，最坏情况比中位数重要得多。这块信息目前的榜单还没量化，可它恰恰决定了一套 agent 系统能不能真正跑在生产线而不是演示视频里。
