Anthropic 把 Claude Opus 5.5 放出来了，5.5 系列的第一个模型，不是 Opus 6，也不是一整套 5.5 全家桶，就一个 Opus 打头阵。官方说明里两句话最实在：多数任务上够到 Claude Fable 5.1 的水平，运行成本比 Opus 5 低 40%。一个讲能力，一个讲价格，剩下的解读空间全留给了用户。
便宜四成，账本却没变薄
单价下降和总支出之间隔着一层
40% 这个数字指的是推理价格，落到实际账单上未必等比例收缩。原因不复杂：模型便宜了，团队的第一反应往往是加大用量，而不是砍预算。上下文拉长一点，让模型自己多反思两轮，失败任务重试几次，或者干脆并行采样三个答案再挑最好的——这些在过去因为贵而被迫省掉的动作，现在都有理由加回来。
于是常见的一幕出现了：单价降了 40%，月度支出反而涨了。这不叫失控，这叫需求被释放。真正该盯的不是价格表，而是单位任务的完整成本——一次成功的智能体任务，包括失败的中间步骤、工具调用重试、上下文重复读入，总共花了多少。
51% 的那个数字更接近真实体感
Boris Cherny 的实测给出了另一个口径：比 Fable 5.1 更快，成本低 51%。两个数字不一样，40% 是相对 Opus 5 的官方定价差，51% 是相对竞品在真实工作负载下的实测差。前者是标价，后者是跑了活之后的账。
关注后者更有意义。因为在智能体场景里，成本和速度是绑在一起的——模型快，一次任务里的串行步骤就少，每个步骤的 token 消耗也少，省钱是从两个方向同时发生的。只盯单价，很容易漏掉这一层。
追平 Fable 5.1，是及格线不是终点
“多数任务”四个字留了多大的余地
官方说的是“多数任务达到 Fable 5.1 的水平”，不是“超过”，也不是“全面对标”。这种措辞在模型发布里很常见，它同时传达两件事：日常场景可以放心替换，边缘场景得自己验证。所谓边缘场景，通常是超长上下文里的信息检索、多轮工具调用后的状态一致性、以及需要严格格式输出的结构化任务。
如果你的业务跑的全是标准问答和文档摘要，这个差距基本感觉不到。如果你在跑几十步的工具链，模型在第七步理解错了工具返回值的格式，后面全盘崩掉，那“多数任务持平”对你来说就不是好消息。
编码智能体被单独点名，不是偶然
相关实测里，智能体编码是被反复拎出来讲的场景。这块是当下大模型竞争最密集的战场，也是最能体现综合能力的考场：要读懂大半个仓库的代码，要规划改动顺序，要执行命令、看报错、回头改，一环扣一环。
在这个场景里，模型的差距会被放大，而不是被平均掉。一次任务动辄几十次模型调用，每次调用省下的时间和钱都乘以几十。所以厂商愿意在这里做对比，用户也最该在这里做对比——把你的真实 CI 流程、真实的仓库和真实的报错日志丢进去跑一遍，比任何评测榜单都准。
OpenRouter 同步上架，说明什么
Claude Opus 5.5 上线 OpenRouter 这件事，容易被当成例行公事。它其实透露了 Anthropic 对分发渠道的态度：不指望所有人都从官方 API 进来。对中小团队来说，多一个入口意味着更低的迁移摩擦——不用改结算方式，不用重签合同，改一行模型名就能跑 A/B 测试。
反过来看，这也让“观望”变得更没道理。过去换模型要评估的事一大堆，现在切换成本低到几乎可以忽略，剩下的只是你愿不愿意花半天时间做对照实验。
迁移这件事，先分清自己的位置
三类负载可以马上动手
批量内容处理是第一个。分类、抽取、摘要、翻译这类任务，输入输出结构稳定，失败一眼就能看出来，Opus 5.5 的成本优势在这里能全部兑现。
第二类是内部工具和后台自动化。这类场景对延迟和稳定性要求不高，对价格敏感，换过去之后省下的钱是实打实的，出问题的影响面也可控。
第三类是高并发但低风险的对话场景，比如客服前置筛选、FAQ 分流。就算模型偶尔判断偏差，后面还有人工兜底，试错成本小。
两类场景反而该稳住
一类是把模型输出直接写进生产数据库或触发真实操作的工作流。这类场景里，模型的每一个动作都有不可逆的后果，能力“持平”远不足以支撑切换，需要的是逐条用例的回归验证，这个周期至少以周计。
另一类是对输出格式有严格契约的场景。如果你的下游解析器对 JSON 结构、字段顺序、枚举值容错极低，换模型之前先把契约测试跑满，否则省下来的钱不够修一次线上事故。
尾号 5.5 暴露的节奏问题
大版本号正在贬值
5.5 系列的第一个模型叫 Opus 5.5，而不是 Opus 6。这个命名方式说明 Anthropic 自己也认为，这次迭代的幅度够不上一个整数代。能力上追平一个更强的竞品，成本上砍掉四成，放在两年前足够撑起一次大版本发布，现在只配一个点号。
对整个行业来说，这是好事也是麻烦。好事在于改进的节奏更快、更细，用户能持续吃到红利。麻烦在于版本号的参考价值在下降——你没法再靠“这是新一代”来判断该不该升级，只能自己动手测。
等待的成本比过去更贵
过去观望一个季度，代价是错过了大概一代模型的提升。现在观望一个季度，可能错过两到三次迭代，每一次都在降成本、补短板。对于那些按 token 计费、月消耗量在千万级以上的团队，晚三个月切换，省下的钱就够养一个人。
当然，没人该为了追新而追新。判断标准很简单：把你最贵的那条工作流拿出来，用 Opus 5.5 跑一批真实样本，对比成功率、延迟和总花费。数字好看就换，数字不好看就等下一个。这比任何发布说明都可靠。
