Anthropic 于 2026 年 9 月 22 日推出 Claude Opus 5.5，这是 Claude 5.5 家族的首个模型。官方称它在大部分工作上达到 Claude Fable 5.1 的水平，运行成本则比 Opus 5 低 40%。Anthropic 同时表示，模型在发布前接受了 Frontier Design 和 METR 等外部评估者测试。
这次发布把焦点放在长时间、跨文件和需要多个工具步骤的工作，而不只是单次问答。Anthropic 的内部和早期用户测试涵盖 agentic coding、computer use、知识工作和商业流程；不过，页面上的大部分结果仍然是 Anthropic、合作伙伴或早期测试者提供的数据，不能直接当作所有真实环境的独立基准。
编程方面，Anthropic 形容 Opus 5.5 特别适合大型代码库迁移与审查。一名早期测试者称模型在一天内完成 680,000 行代码的迁移；另一项测试则是替网页应用改善加载速度，Opus 5.5 在 40 次尝试中成功 39 次。这些例子显示模型可以处理较长的任务链，但仍需要工程师检查变更、测试结果和回滚路径。
官方列出的成本结构也与代理工作有关：每百万输入 token 为 4 美元、输出 token 为 20 美元，cache read 为 0.20 美元；Anthropic 称默认设置下典型工作负载总成本比 Opus 5 低 40%，输出速度则快逾 30%。对长时间代理而言，cache 和步骤数是否真的下降，往往比单一 token 价格更影响总成本。
安全部分，Anthropic 称 Opus 5.5 在其自动化行为审查中取得目前最好的结果，并在长任务、不可能完成的任务及仿真真实事故的情境中扩大测试。官方亦表示模型对 prompt injection 的抵抗力优于 Opus 5，并通过每次行动前的分类器、可审查的 sandbox 和合并前代码审查来支持代理部署。这些都是产品方的安全声称，完整判断仍要看 system card、测试设置和外部重现。
Opus 5.5 的基准表包括 Terminal-Bench、FrontierCode、CursorBench、GDPval 和 OSWorld 等项目。Anthropic 亦提醒，在这个能力水平，基准分数差距未必能可靠预测真实工作差异；不同 effort 设置、工具、护栏介入和测试环境都会影响结果。因此，企业评估模型时，应把任务成功率、工具调用数、人工返工和错误后果一起记录。
目前 Opus 5.5 已按不同方案提供，Anthropic 亦宣布提高部分订阅方案的五小时使用上限，并计划在未来数周推出 Sonnet 5.5 和 Haiku 5.5。生命科学和网络安全方面则采取验证计划，先让符合条件的组织使用相关能力。这反映出模型能力提高后，访问权限、用户身份和高风险领域的审查会一起成为产品设计的一部分。
这次发布的实际信号，是 AI 编程代理正在由短任务助手走向可以长时间运行的工作单元。当模型能够连续读取上下文、修改多个文件和自行验证，评估重点就不应只看一次回答是否正确，而要看权限边界、每一步是否可追踪、何时需要人批准，以及失败后能否安全恢复。Opus 5.5 的数据值得留意，但仍应以受控试点和可验证的工程指标决定是否采用。
