Claude Opus 5.5 上线：编码与长任务更强，写作终于不绕弯，价格还降了

你是不是也遇到过这种情况：让模型改一段代码，它先给你铺垫三段背景，结论藏在最后；你请它改两个句子，它花一整段解释自己为什么原来那么写；长任务跑到一半，它开始反复问你要不要继续，你不得不盯着屏幕当 babysitter。

这些不是你的提示词写得不好，是上一代模型的沟通习惯就是这样。Anthropic 发布 Claude Opus 5.5，重点正好打在这几个痛点上：复杂编程、视觉与交互、知识工作，以及一直被吐槽的写作体验。更关键的是，这代的价格是往下走的。

先看它到底强了多少

判断一个模型是不是真进步，不看形容词，看它在什么任务上超过了谁。

• Terminal-Bench：Opus 5.5 得分 66.4%，高于 Fable 5.1 的 55.8%。这个测试考的是在真实终端环境里连续解决问题，接近工程师日常。
• CursorBench：57.8% 对 51.8%。注意一个细节——Opus 5.5 的默认 medium 档，就已经超过了 Fable 5.1 的最高档。这意味着你不用为了效果去手动拉高档位。
• 专业工作测试：1846 Elo，高于 Fable 5.1 的 1735。财报查证、并购建模、跨应用操作这类任务都属于这个范围。

数字之外，更值得关注的是它变强的方向：不是单点问答更聪明，而是能连续推进一整件事。跨文件修改、长工程任务、多步骤执行，这三类才是真实工作的主要形态。

价格变了，选型的账要重算

Opus 5.5 的 API 单价是每百万 Token 输入 4 美元、输出 20 美元。对比 Fable 5.1 的 10 美元和 50 美元，两边都低了 60%。

跟自家上一代比：Anthropic 称典型任务费用比 Opus 5 低约 40%，输出速度快 30% 以上。

这件事的实际意义是：以前很多人不敢把 Opus 用在批量任务上，因为贵。现在同样的预算，你能让它跑更多轮、覆盖更多文件、做更完整的验证。成本约束放松之后，用法也要跟着变——这一点后面会展开。

写作体验：先把结论给你

Opus 5 最被诟病的是「AI 味」：先铺背景、堆术语、关键结论埋在后面，你请它改，它还要先争辩两句。Every 的试用者形容旧版的解释常常「还需要再解释一遍」。

5.5 改的就是这个。官方给了一个很直观的对照：两个版本都找到了同一个账单 Bug——代码把月末截止时间设成最后一天的零点，漏算了那一整天的用量。

• Opus 5 的顺序：先指出是哪次提交引入问题，再展示代码、解释时间区间，最后说明漏计影响。
• Opus 5.5 的顺序：开头就告诉你，账单下降中 1.50 美元来自免费层调整，另外 9.92 美元来自这个 Bug，后者导致月末最后一天没有计费。

同样的结论，后者让你在前两句就知道「这件事影响多大」，再决定要不要往下读代码细节。

为什么这个变化重要：写文档、做汇报、解释故障时，读者的注意力是最稀缺的资源。先给影响再给原因，是专业沟通的基本规范，现在模型默认这么做了。

视觉与交互：从「做个页面」到「做个作品」

官方展示的几组案例有个共同点——它们不是静态页面，而是把画面、操作和反馈连起来的完整体验：

• 一个可探索的水下场景游戏
• 一段手绘风格的动画
• 一个参数可调的投石机
• 一个积木搭建工具

这类产物以前也能做，但往往需要你来回改很多轮才能把交互调顺。现在一次性交付的完成度明显更高。

对你的意义：如果你是做演示、教学、产品原型、运营活动页的，这类「能玩起来的东西」比截图和 PPT 有说服力得多。建议先拿一个真实的小需求试，别一上来就做大项目。

知识工作：检索、整理、交付

除了编程，官方强调的另一个方向是复杂资料的处理：财报查证、并购建模、跨应用操作。

这类任务的共同难点不是「读不懂」，而是「容易编」。模型会在缺失数据的时候自己补一个看起来合理的数字。所以用法上有一条硬规矩：凡是涉及数字和事实的交付物，必须让它给出可核对的来源，或者你自己核一遍。

怎么迁移，给你一个顺序

不要一次性把整个工作流切过去。按下面的顺序，风险最小：

1. 先拿 2-3 个你已经做过的旧任务重跑一遍，对比结果和耗时。这一步是建立你对新版本的手感。

2. 把长任务交给它：选一个跨文件、需要多步骤的真实任务，一次讲清目标和完成标准。

3. 把写作类任务切过去：文档、说明、汇报材料，直接体会「先给结论」的差异。

4. 最后才是批量场景：确认单条效果稳定后，再放大用量。

三个常见误区

• 继续手动催思考：旧习惯是在提示词里加「仔细思考」。5.5 在每次回复前已经自行决定思考量，再加这类词只会增加噪声。直接删掉。
• 照搬旧档位设置：如果你在 API 里把 effort 设成了 high，现在默认 medium 已经达到甚至超过上一代 high 的表现。照搬只会更慢更贵。
• 把它当全能：写作体验改善了，不代表长文质量没问题。实测发现长文仍然会把最好的观点埋在中间，重要材料建议自己控结构，让它填内容。

现在就可以做的一件事

挑一个你上周刚做完、花了两三个小时的任务，用 Opus 5.5 重跑一次。对比三件事：完成度、你干预的次数、最终耗时。

如果这三件事里有两项变好了，那就值得把这类任务正式迁过去。用真实任务做判断，不要靠跑分和评测做判断——跑分是厂商的语言，你的任务才是你的语言。