跳到主要内容
返回时间线
Claude 产品博客来源发表:

Claude Opus 5.5 成为 Claude 付费套餐默认模型:内部研究测试中18份报告有16份通过逐项核对

核心概要

Anthropic 把 Claude Opus 5.5 设为 Claude 的 Pro、Max、Ultra 和 Team 套餐默认模型,并建议把它作为研究、分析和写作等知识工作的日常主力。公司给出的对照是:在一项内部研究测试中,模型只能依据一份保存的网页快照写公司季度业绩报告,自动评分器逐项核对每个数字和引文、只要有一处编造即判失败,Opus 5.5 在各档 effort 设置下18份报告有16份通过;另一项虚构并购分析任务中它用63分钟完成,Opus 5 用93分钟,成本为一半。

Source-provided article image: Using Claude Opus 5.5 as your daily driver for knowledge work
Claude 产品博客

深度剖析

Claude Opus 5.5 现在是 Claude 在 Pro、Max、Ultra 和 Team 套餐中的默认模型,Anthropic 建议把它留作研究、分析以及撰写备忘录、报告、表格和演示文稿时的常选模型。 此前不少用户和团队把 Sonnet 用于日常工作、把 Opus 留给重分析或复杂项目;Anthropic 认为更强的模型可以用更少的工作量完成任务,从而抵消其更高的每 token 价格。 公司给出的价格对照是:Sonnet 5.5 每百万 token 输入2美元、输出10美元,Opus 5.5 为输入4美元、输出20美元,Haiku 5.5 为输入0.10美元、输出0.50美元(该价格适用于10万 token 以内的提示,更长提示为0.50/2.50美元)。

Opus 5.5 被定位为需要审慎判断的复杂工作模型,覆盖研究、财务分析以及产出成品文档、演示文稿和表格。 Anthropic 把 Sonnet 5.5 描述为在任务边界清晰、简报明确时更快更便宜,但在更高 effort 设置下其单任务成本会接近 Opus 5.5。 公司建议,如果发现自己把 Sonnet 推到 Extra high 或 Max effort,就应考虑改用 Opus 5.5;在编码和知识工作评测中,Opus 5.5 在 Medium 档匹配或超过 Opus 5 在 High 档的表现。

在一项内部研究测试中,Opus 5.5 只能依据一份保存的网页快照撰写公司季度业绩报告,而该公司的财报发布在那份快照中很难找到。 自动评分器对照快照中的页面核对每一个数字和引文,条件是只要有一处数字或引文被编造,报告即判失败。 在各档 effort 设置下,Opus 5.5 的18份报告中有16份通过。

在另一项内部测试中,Opus 5.5 分析了两家虚构人力资源软件公司的拟议合并,先在 Excel 中搭建财务模型,再将其转化为判断该交易按此价格是否合理的执行层演示文稿。 同一任务上,Opus 5 用时93分钟,Opus 5.5 用时63分钟。 Opus 5.5 以一半的成本完成,模型更周全,演示文稿也更易读。

启示与展望

报道范围限于 Anthropic 对 Claude Opus 5.5 的发布说明:默认模型调整、各模型价格与相对速度对照、内部研究测试与虚构并购测试,以及面向知识工作的使用建议;这些测试由厂商自行设计,面向使用 Claude 做研究、分析和文档产出的读者。

内部研究测试的通过数是18份中的16份,并非全部通过;并购分析基于两家虚构公司;effort 档位更高会思考更久、花费更多,且不总是产出更好,公司建议在 Medium 档停滞时再上调。