Claude Opus 5.5发布：成本降40%速度升30%,OpenAI GPT-6紧随其后

九月二十四日, 也就是9月24日的时候, Opus 5.5这一款产品正式上线, 它一出来就引发了广泛的关注, 它的成本比上代产品降低了四成, 速度又提升了三成, 在进行编程跑分测试的时候, 它的表现碾压了众多竞品, 不过在工作流Agent这个方面来看, 它依旧比不上GPT-6 Astra这款产品的势头。

成本降四成速度提三成

关于Opus 5.5的收费标准, 它是按照每百万个输入Token来计算费用的, 具体数额是收取4美元。同时, 对于输出部分的收费, 它针对每百万个输出Token收取20美元。这个价格水平相较于之前版本的 Opus 5下降了百分之二十。

此外, 缓存读取服务的价格也出现了大幅下调, 降幅达到了百分之六十。在运行速度方面, 如果选择快速模式, 其运算速率可以达到普通模式下的两点五倍。不过需要注意的是, 这种快速模式对应的收费标准也较高, 其中输入部分每百万 Token收费8美元, 而输出部分每百万 Token则收费40美元。

多家平台实现了同步接入。这些平台包括亚马逊云科技、谷歌云、微软Azure, 并且均可以进行调用。开发者只需要使用标识-opus-5-5这一方式, 即可发起请求操作。零数据保留这一选项仍然在继续提供。

九项测试拿下七项第一

根据官方所公布的九项基准测试结果, 我们发现Opus 5.5这一模型版本在其中有七个项目上的表现得分超越了另外三个竞争者, 它们分别是Fable 5.1、Opus 5以及GPT-6 Astra。

另外, 在对三项编程相关测试进行的评估当中, Opus 5.5分别取得了66.4%的分数、54.4%的分数, 以及57.8%的分数, 上述这三个数值无一例外全部位列最高分位。

在第三方发布的那个榜单上面, Opus 5.5这个产品拿到了五十八分, 排在第一名的位置, 比Fable 5.1与GPT-6 Astra得到的五十三分要高出三分，但是在业务流程这一块领域以及科研Agent这一块领域的表现方面, 仍然不如GPT-6 Astra那样好。

九点五小时改写六十八万行代码

长任务能力已经成为5.5版本的主要卖点。在内部开展测试的过程中, 把负载均衡软件从C语言改写成了Rust语言, Opus 5.5版本耗时9.5个小时完成工作。它的成本比Fable 5.1版本低了51%, 而且通过了近全部的回归测试内容。

还有一项任务是对20万行代码库的审查和修复, Opus 5.5模型不到3个小时就能完成, 而Opus 5模型需要花费超过20个小时, 并且它消耗的Token数量是前者的2.5倍。

财报研究零编造测试碾压前代

在这项针对财报研究的测试环节里, 要求模型必须把功夫下在那些比较难找的网页副本上面去提取信息, 并在此基础上撰写季度报告的内容, 至于最终的自动评分步骤呢, 则会逐条地对所有的数字以及引语进行核对与检查, 最后的结果显示, 由Opus 5.5所生成的18份报告其中有16份是达标了的, 而Fable 5.1和Opus 5则是没有能够通过这次考核。

在知识工作领域的测试环节里, 版本号是Opus 5.5的模型在AA v2.1这一项任务上拿到了1846分的成绩, 这个成绩高于同时进行考核的Fable 5.1模型所取得的1735分。

此外, 在涉及到写作的内容方面, 相关调整被设定为优先把最关键的信息呈现出来, 这样一来, 最终给出的回答就会变得更加简洁明了。

安全突破频率降85%

安全评估的情况显示了一点, Opus 5.5尝试突破隔离边界的频率, 相比起Opus 5和Fable 5.1来说, 降低了大约百分之八十五。在进行Gray Swan提示词注入测试的时候, 它的攻击成功率是和Fable 5.1并列在最低的那一个位置上的。

然而, 绝大多数专业级别的网络安全工作事项, 依然会被委派给Opus 4.8进行后续处理, 这一现象充分说明, 版本为5.5的系统在该细分领域之内, 依旧维持着相对保守的操作策略态度, 并没有做到毫无顾忌地将自身的能力扩展界限彻底放开。

全平台上线订阅额度同步提高

在发布大约两个小时之后, GPT-6 Sol与GPT-6 Luna这两位同伴实现了同时推出, 这样一来, 属于GPT-6的宇宙版图当中就再度增添了新的两位成员。

至于大家所熟知的Opus 5.5, 目前已经全面覆盖到了主流的各大云平台之上, 而计划中的Haiku 5.5, 也预计在随后的数周之内紧密跟进其步伐。

订阅用户的五个小时的使用额度, 现在被提高了。并且, 新增了一次可以自选时间的额度重置机会。这样做的目的是为了降低高频开发者的月度成本压力。

你是否认为, 仅仅因为编程跑分排名第一, 就足以满足需求了? 又或者是因为工作流Agent存在的一些短板, 会导致企业继续处于观望的状态? 欢迎你在评论区发表自己的观点。如果觉得有道理, 不妨点个赞并转发给还在挑选模型的那位同事看一看。