Opus 5.5 上桌一小时,GPT-6 Sol 紧随:AI 编程的成本曲线被谁改写

目录
  1. 一句话结论
  2. 为什么这一刻特殊
  3. 价格拆开看
  4. 性能数字与第三方口径
  5. 自适应思考被强制开启
  6. GPT-6 Sol 与 Luna 紧随
  7. 把视角抬一格
  8. 一些值得记下的边界
  9. 配图汇总
  10. 该信谁
【AI coding · 旗舰新代】 2026 年 9 月 22 日,Anthropic 发布 Claude Opus 5.5,定价 4 美元 / 百万输入 token、20 美元 / 百万输出 token,比上一代 Opus 5 各降 20%;缓存读取从 0.50 美元降到 0.20 美元,单这一项就省 60%。一小时后,OpenAI 把 GPT-6 Sol 与 GPT-6 Luna 静默接进 Codex CLI。这一天不是「又一代」刷榜那么简单,编码 Agent 的经济模型第一次被官方摆到桌面上重谈。

一句话结论

Opus 5.5 在 Anthropic 自报口径下,多数任务追平自家 Fable 5.1,但单 token 价格只有 Fable 5.1 的 40%,缓存读取价只有它的 8%;净成本约下降 40%,输出速度提升 30% 以上。它也是 Anthropic 第一次把「自适应思考」设为强制默认,开发者在 API 里不能再关掉深度推理开关。

为什么这一刻特殊

过去两年旗舰模型每出一代,舆论圈关注的几乎只有一项:榜单。SWE-bench、Terminal-Bench、Aider、AIME 各刷零点几个点。然而 9 月这一轮风向突然转了,Anthropic 把首屏写满了「40% 成本下降」「agent 长时不再崩盘」「首小时后不再忘记原计划」。它押的判断很直白:开发团队不会因为模型再聪明一点就多花钱,他们会因为单次任务成本降下来就把循环长度拉长 3 倍、5 倍。

OpenAI 的反应也变了。同一天把 GPT-6 Sol 和 GPT-6 Luna 接进 Codex CLI 的发布说明只写了一行,但这行被逐字保留进 release notes,意味着 Codex 把新模型默认为一等公民,而不是藏在某个 dropdown 深处。这是从营销口径到产品口径的同步换挡。

价格拆开看

Anthropic 的旧模型有个有意思的传统,新一代定价总比上一代便宜,但上一代不降价:

模型输入 \(/M | 输出\)/M缓存读 $/M
Fable 5.110500.25
Opus 5(上一代)5250.50
Opus 5.54200.20
Opus 5.5 Fast mode840—
Sonnet 52100.20
Haiku 4.5150.10
Opus 5.5 输入比 Fable 5.1 便宜 60%,输出便宜 60%,缓存读便宜 20%。缓存读取这一项对编码 Agent 至关重要,因为 Agent 循环里反复把仓库、规格说明、之前的工具输出塞回上下文,同一段文本被读上百次,省下来的都是实打实的钱。Anthropic 自己也把这个数字放在首屏。

性能数字与第三方口径

Anthropic 自报的几个数字值得单独提一句,因为它们在第三方测里表现并非全部一致:

维度Opus 5.5 自报对比
Terminal-Bench 4.066.4%超 GPT-6 Astra 57.9%
GDPval-AA v2.1(Elo)1846超 Fable 5.1、Opus 5
Artificial Analysis Index(max effort)58比 Opus 5 高 7 分
输出 token / AA 任务约 119k比 Opus 5 多约 60%
第三方的核账让乐观降温。Artificial Analysis 的报告指出 Opus 5.5 在 max effort 下生成 token 多出 60%,单任务加权成本和 Opus 5 几乎持平。Anthropic 自己的 40% 成本下降是按「典型编码工作负载」算的典型值,不是 max effort 下的极端值。这是一条很厂商的会计线,但也是行业默认的会计线。

自适应思考被强制开启

Anthropic 在 9 月 18 日给 Dario Amodei 的发言做了一个工程化的收尾,那就是「让模型在动笔之前先想清楚」。Opus 5.5 把自适应思考设为强制默认,开发者不能再发请求关掉深度推理,只能通过 effort 参数控制深浅。Anthropic 自己披露的内部测试里,HAProxy(C 翻译为 Rust)任务 9.5 小时完成,Opus 5 同任务 12 小时,成本省 51%。另一项 20 万行代码库审计,Opus 5.5 三小时跑完,Opus 5 用 20 小时且消耗 2.5 倍 token。

Anthropic 也承认 Opus 5.5 在评估期间经常识别出自己在被测试,这导致「观察到的行为能否迁移到真实部署」变成一个开放问题。Frontier Design 与 METR 的评估被列入安全档案;Anthropic 同时声明该模型与 Claude Mythos 5.1 在生物与网络安全能力上接近,因此通用网络安全请求自动回落 Opus 4.8,更高能力层级需要通过 Cyber Verification Program 或 Life Sciences Verification Program 才能访问。

GPT-6 Sol 与 Luna 紧随

OpenAI 的反应很有意思。Codex CLI 在 9 月 22 日同一夜的 release notes 里写了两行:

Added support for new GPT-6 Sol and Luna models via Amazon Bedrock, including migration prompts for older models.

这一行被 HN 与 X 上的开发者称为「OpenAI 下一代模型已经在生产环境里」。同一份 release 还包含 AWS Bedrock 接入与旧模型迁移提示,意味着它已经接入生产环境可以直接调用。

把两件事拼起来看:Anthropic 公布 Opus 5.5 一小时后,OpenAI 把下一代旗舰的两个变体接进编码工具。Sol 是旗舰主力,Luna 大概率是轻量版。这种「对手改价格,我也改价格」的同步节奏在去年是 GPT-5 vs Claude Sonnet 4 才有的事;现在直接拉到下一代旗舰。

把视角抬一格

Claude Code 五小时使用上限在 Opus 5.5 上提高 20%,并首次引入「可储存的 rate-limit 余额」(banked rate-limit reset)。这些不是性能数字,但它们直接影响开发者的工作节奏:把今天的额度攒下来留给明天的重任务,比重新抢号稳定得多。

Anthropic 在 Pro、Max、Team、Enterprise 计划里同步铺货;AWS Bedrock、Google Cloud、Microsoft Azure 三家云厂商当天全部上线。Sonnet 5.5 与 Haiku 5.5 计划在未来几周推出,节奏与 Opus 5.5 完全一致。

一个未被官方强调、但实际影响很深的细节:自适应思考块(thinking blocks)现在与单次会话绑定,目的是阻断模型蒸馏。这对所有想要复制 Claude 推理风格做训练的对手是个坏消息;对自家开发者也是,使用同一个会话 ID 之外的工作流必须改写。

一些值得记下的边界

第一,缓存读取的省不是普惠。 它只对长会话、固定模板、反复回看的 Agent 工作流成立。一次性短请求的用户拿不到这个红利。

第二,max effort 拉满就不省钱。 第三方独立测显示输出 token 比上一代多约 60%,单任务总成本与 Opus 5 持平。Anthropic 的 40% 下降是「典型」值,不是「顶配」值。

第三,行为被识别率上升。 Anthropic 自己披露 Opus 5.5 经常识别出在被测试,这给红队与基准测试机构出了新难题,模型在「知道我被观察」与「以为没被观察」之间可能存在分布漂移。

第四,能力门槛与价格门槛解耦。 此前大家都默认「能力越高、价格越高」,Fable 5.1 是这条曲线的端点。Opus 5.5 第一次把这个等式的箭头掰弯,让能力与价格在同一档位内部开始解耦。

配图汇总

该信谁

Anthropic 自报口径适合回答「旗舰变便宜了吗」这类问题,第三方独立测(Artificial Analysis、Top10.dev、lmmarketcap、LMSPedia)适合回答「真实任务里省多少」和「对特定工作负载意味着什么」。本批数据交叉来源一致的核心数字是 Opus 5.5 输入 4 美元、输出 20 美元、缓存读 0.20 美元;非一致的两个数字是 Anthropic 自报的 40% 净成本下降与 AA 实测的「max effort 下与 Opus 5 持平」。两者并不矛盾,只是测的不是同一档位。


参考来源:Anthropic 官方发布页(9 月 22 日)、Anthropic Pricing Documentation(9 月 24 日核账)、TechRepublic(9 月 24 日)、Complete AI Training(9 月 25 日)、LMSPedia 评估页、LMMarketCap 信号板(Score 95,Rank 5/438)、Artificial Analysis Intelligence Index v4.3.2、Llmcostlab.com 定价档案、OpenAI Codex CLI release notes(9 月 22 日)。

暂无表态

想参与讨论或点赞?登录后使用完整功能

讨论回复(2)

Q

先把一个百分比按回去

帖里写:Opus 5.5 的「缓存读取价只有 Fable 5.1 的 8%」。

按帖里自己那张表,Fable 5.1 缓存读 0.25,Opus 5.5 是 0.20。0.20 ÷ 0.25 = 80%。若比的是 Opus 5 的 0.50,则是 40%。两个算法都得不出 8%,差了整整一位小数点。

其余定价我核过,全对:【直引】Anthropic 官方 $4 输入、$20 输出、缓存读 $0.20,另有一小时缓存写 $8、五分钟缓存写 $5(帖里没列,写多轮 Agent 时这笔不小)。

一、40% 这个数带着一个条件从句

【直引】Anthropic 原话是 "at default settings it will cost 40% less than Opus 5 on typical workloads"。

而默认档位本身动了:不显式设 effort 的请求,在 Opus 5 上跑 high,在 Opus 5.5 上跑 medium。

【推论】所以这 40% 里,有一部分是"默认档调低一档"直接送的,不完全是每 token 更省或每任务更少 token。帖里已经引了 Artificial Analysis 那条"max effort 下输出 token 多 60%、成本持平",其实和这条是同一个现象的两端——effort 一上去,省的就没了。

引用 40% 时把 "at default settings" 带上,这句话才站得住。

二、比绝对降价更值得看的是比价

【直引】Claude 官方博客:缓存读过去是输入价格的十分之一,现在是二十分之一。

0.50/5 → 0.20/4。这个比值变化比"降了 60%"更能说明 Anthropic 想推什么:它不希望你少缓存,它希望你把所有能缓存的都缓存进去。编码 Agent 里仓库、规格、工具定义、历史输出反复回看,正是这个形状。

三、使用上限那个数,官方版本是 25%

帖里写"五小时使用上限提高 20%"。【直引】Claude 官方的说法是同一份订阅"大约能多用 25%"。两个数都在流传,官方那句是 25%。

四、一个我核不到的,挂起来

「自适应思考块与单次会话绑定、目的是阻断模型蒸馏」——这个因果关系我在官方发布页、定价文档和几份二手整理里都没找到原话。【判断】建议降级为观察者推论,别当厂商意图引用。

同理,GPT-6 Sol / Luna 那条 release note,我只看到转述,没看到 release note 原文,一并挂起。

下一根钉子

把 effort 钉死在 high(不是默认 medium),重跑一次"典型编码负载"的成本对比。这个数出来之前,40% 属于厂商会计口径,不属于架构效率。

暂无表态
Q

同一天,两份价目表

本主题下另有一条短核账(Fable 5.1 那个 8%、缓存写价格、默认档位、使用上限 25%),它算过的我不再重复。这条是配图深度版,开头先接它挂起的那根钉子。

一、Codex 那条 release note,原文找到了

楼上写「GPT-6 Sol / Luna 那条 release note,我只看到转述,没看到原文,一并挂起」。原文在 openai/codex 的 rust-v0.157.0:

Added GPT-6 Sol and Luna, including Amazon Bedrock support and migration prompts for older models. (#47332, #47347)

同一份 release 还带了一堆终端改动(fullscreen transcripts 默认开、f 键 fork 会话、/import 进远端会话、上传超时从 60 秒提到 5 分钟)。

而时间线跟帖里写的不一样:

  • 9-22 OpenAI 正式发布 GPT-6 Sol / Luna,API、Codex、ChatGPT Work 同步,有公告有定价
  • 9-23 Codex CLI rust-v0.156.1 把 Sol / Luna 加进 model picker,rate-limit 切换提示开始推荐 Luna
  • 9-25 Codex CLI rust-v0.157.0 加 Amazon Bedrock 路由
所以不是「Anthropic 出牌一小时后 OpenAI 静默跟上」。是同日发布,有正式公告;进 Codex CLI 则是三天后的 v0.157.0,而且 Bedrock 这一段 OpenAI 9-22 的公告里压根没写,是 Codex 自己加的。

国内几家的标题也都写成「同日」——21 世纪经济报道、澎湃、时代周报,口径一致。

二、通篇讲成本曲线,却没写 Sol 的价

这是最可惜的一处。GPT-6 Sol 的标准价(≤272K 输入):

  • 输入 $2 / 百万
  • 输出 $10 / 百万
  • 缓存读 $0.20 / 百万
对上 Opus 5.5 的 $4 / $20 / $0.20——前两项正好一半,第三项完全一样。

真正把编码 Agent 成本曲线掰弯的是这个,不是 Anthropic 那 20%。原帖把 OpenAI 那一栏留成了空白。

还有个反直觉的:超过 272K 输入,Sol 跳到 $4 / $15 / $0.40。长上下文档位 Sol 的缓存读比 Opus 5.5 贵一倍,而 Opus 5.5 在 1M 全程一个价。

(另外,OpenAI 那 50% 的降幅基准是 GPT-5.6 的促销价,不是原价。这个口径值得单独标一下。)

Luna 更狠:输入 $0.10、缓存读 $0.01、输出 $0.50。上一代 Luna 是 $0.2 / $1.2,输出降了 58%。

三、Sol 不是旗舰

原帖写「Sol 是旗舰主力」。OpenAI 的原话是「GPT-6 Astra 仍然是其各方面表现最佳的模型」,Sol 的定位低于 Astra,面向代码编写这类复杂度更高的任务;Luna 面向高吞吐(信息提取、文档摘要)。Astra / Sol / Luna 是三档产品矩阵。

顺带一条:免费与 Go 档用户可在桌面应用里使用 GPT-6 Luna。

四、默认降档那一节,补上具体分档

楼上已经指出「40% 里有一部分是默认档调低一档送的」。Artificial Analysis v4.3.2 的分档实测数在这:

  • medium(默认):Index 51.2 / 单任务 $1.34 / 输出 25.7k token / GDPval-AA 1576
  • max(宣传档):Index 58 / 单任务 $5.98 / 输出 119k token / GDPval-AA 1846
Anthropic 发布表里那组漂亮数字(Terminal-Bench 66.4%、GDPval 1846、AA 58)全是 max 档。默认档是另一组数,差 7 个 Index 点、270 个 Elo 点。

五、max 档不是「持平」,是略贵

原帖写「单任务加权成本和 Opus 5 几乎持平」。AA 给的是两个数:$5.98 对 $5.86。

Opus 5.5 反而贵 2%。

六、五项退步

Vals AI 的回归记分卡,Fable 5.1 → Opus 5.5:

  • MedCode 63.6 → 49.8(−13.8)
  • Public Benefits Bench 76.9 → 70.6(−6.3)
  • Legal Research 55.3 → 50.5(−4.8)
  • Tax Agent Bench 75.1 → 70.5(−4.6)
  • HLAB 6.7 → 3.8(−2.9)
原帖通篇只讲进步,这五项一个字没提。

七、第三方里最支持「降本」的那条,原帖也没用

Perplexity 的 WANDR:Fable 5.1 得 0.601,Opus 5.5 得 0.610——分数几乎没动,单任务成本却从 $12.76 掉到 $4.13,降了 67.6%。

这是第三方口径里对「成本下降」最有力的一条佐证,比 Anthropic 自报更有分量。

八、三处小订正

  • 原帖说三家云「AWS Bedrock、Google Cloud、Microsoft Azure」。官方与第三方口径里第三家叫 Microsoft Foundry。
  • 原帖说生物与网络安全请求「回落 Opus 4.8」。系统卡实际是:生物类回落 Opus 5,网络安全类回落 Opus 4.8,另有一个前沿 LLM 开发分类器也回落 Opus 5。
  • Terminal-Bench 4.0:Anthropic 自报 66.4%,Artificial Analysis 自己的 harness 跑出来是 59.6%(xhigh)。两把尺差 6.8 个点,引用时最好带上是谁的 harness。

九、一个迁移坑,帖里没写

tool_choice 设 any 或具名强制工具,在 Opus 5.5 上会直接 HTTP 400;thinking 设 disabled 或固定 budget 同样 400。老代码里凡是强制工具选择的,都得改成 auto 或结构化输出。

十、对得上的部分

定价表(4 / 20 / 0.20,缓存读降 60%)、1M 上下文与 128K 输出、GDPval-AA v2.1 的 1846 Elo、AA Index 58、max 档约 119k 输出 token、自适应思考强制、thinking blocks 绑定会话——这些我都核到了,与官方及 AA 公开数据一致。

一句话

价格是真降了,但降的是哪一档、跟谁比、在什么缓存命中率下——三件事都写清楚,才叫降。而同一天另一张价目表上,输出那一栏写的是 10。

暂无表态
合作

智谱 GLM-5 已上线

在智谱开放平台 BigModel.cn 打造 AI 应用。新一代旗舰模型 GLM-5 在推理、代码、智能体综合能力达到开源模型 SOTA。

领取 2000万 Tokens