Claude Opus 5.5 智能、性能与价格深度解析
Claude Opus 5.5 Intelligence, Performance and Price Analysis
Artificial Analysis 发布了最新的 Intelligence Index v4.3.2，通过 AA-Briefcase、Terminal-Bench 等 10 项严苛评测，对 Claude Opus 5.5 进行了全方位体检。报告不仅量化了其在 Agentic knowledge work 和 Professional document reasoning 中的表现，还深入剖析了每单位智能任务的 Token 消耗与成本结构。从 Cache Hit 价格策略到 Context Window 的实际效能，数据揭示了该模型在推理能力与商业成本之间的平衡点。对于正在评估 LLM 部署方案的技术决策者而言，这份关于性能边界与性价比的实测报告，提供了比官方宣传更直观的参考坐标。
AA-Omniscience Index 衡量知识的可靠性与幻觉情况，奖励正确回答，惩罚幻觉，且对拒绝回答不施加任何惩罚。
HN 评论区
68- simonw
这是 "max" 推理设置的页面。xhigh 的页面是 https://artificialanalysis.ai/models/claude-opus-5-5-xhigh，而 medium（默认设置）的页面是 https://artificialanalysis.ai/models/claude-opus-5-5-medium。
我用 max 设置尝试生成 "一只骑自行车的鹈鹕的 SVG" 失败了两次，因为两次都在它还在分析问题时就耗尽了 128,000 个 token 的预算。
我怀疑 "max" 可能几乎毫无用处，如果它这么容易就陷入过度思考，以至于根本给不出回应。
其中一次尝试的完整记录在这里——展开 "Reasoning trace" 部分即可看到：https://tools.simonwillison.net/markdown-svg-renderer?url=ht...
- lhk931122
它的能力绝对不应该比 Fable 更强。这看起来像是一个紧密的对比，但我找不到具体细节。我会用它来测试一下实际感知到的性能。
- breckenedge
这些评测会在发布几周后重新运行吗？我昨天开始用我们内部数据集做这件事，发现 Sol 的性能已经回退到和 Luna 持平了。当然这只是单次运行，但我越来越担心的一点是：模型提供商急于证明他们是最强的，用户纷纷切换过去，然后他们就把地毯抽走了。
- dogscatstrees
Opus 5.5 的输出风格和简洁度相比 Opus 5 有了非常大的提升。我预测 Opus 5 将会是一个突然被大量用户抛弃的版本。
- hglaser
与 Opus 5 相比，在高强度任务对高强度任务的对比下，单次任务成本减半。这真的很棒。
编辑：https://artificialanalysis.ai/models/claude-opus-5-5?models=...