宇宙纪事文章 · 2026.09.23
【王者归来】Opus 5.5 上手第一天：智能指数登顶，跑去 Codex 的人开始往回走
Kocher周 · 2026.09.23 · 原载微信公众号「可荐」
▸ 智能指数 58 登顶／官方九项全线高于 Fable 5.1／单价只有 Fable 5.1 的四成／同日 GPT-6 Sol 48 分
美国时间 9 月 22 日，Anthropic 发布 Claude Opus 5.5。上线一天，各路测评的综合观感几乎一边倒：这是眼下综合智能指数最高的模型，也是几个月来 Claude 第一次把跑去别家的用户拉回来。
一、纵向：自家三代
先看官方的纵向表。拿 Opus 5.5 和自家两位前任比：一位是两个月前发布的上一代 Opus 5，一位是原本坐头把交椅的 Fable 5.1。九项测评，Opus 5.5 全部高于 Fable 5.1，智能体终端编程一项领先十个点以上。
测评项 | Opus 5.5／Fable 5.1／Opus 5 |
终端编程 Terminal-Bench 4.0 | 66.4%／55.8%／52.3% |
代码可合并率 FrontierCode | 54.4%／50.3%／48.0% |
真实编程会话 CursorBench | 57.8%／51.8%／46.6% |
44 种职业知识工作 GDPval-AA（Elo） | 1846／1735／1708 |
跨应用业务流程 AutomationBench | 40.0%／31.4%／26.9% |
人类最后的考试（带工具） | 67.7%／65.6%／63.6% |
科研终端任务 Terminal-Bench-Science | 58.7%／52.6%／29.0% |
电脑操作 OSWorld 2.0 | 81.8%／80.7%／74.0% |
读图表 Chartography（带工具） | 89.0%／88.4%／83.4% |
表注：Anthropic 官方发布页数据。Opus 5.5 除终端编程取次高推理档外，均为最高推理档；安全护栏开启状态下测得。
更狠的是价钱。Opus 5.5 每百万 token 输入 4 美元、输出 20 美元，比 Opus 5 降两成，只有 Fable 5.1 的四成；智能体干活最烧钱的缓存读取降到 0.2 美元，比 Opus 5 低六成。官方的说法是，默认设置下，典型负载比 Opus 5 省四成，出字快三成以上。
两个实测场景更直观。把流量调度软件 HAProxy 从 C 改写成 Rust，Opus 5.5 与 Fable 5.1 都几乎通过了全部回归测试，前者用了 9.5 小时，后者用了 12 小时，成本低 51%。写一份公司季度业绩报告，Opus 5.5 交出的十八份报告里，有十六份做到数字和引语零编造；Fable 5.1 和 Opus 5 一份也没做到。
二、同日：对面的 Sol
同一天，OpenAI 前后脚发布 GPT-6 Sol 与 Luna，主打降价：Sol 每百万 token 输入 2 美元、输出 10 美元，比上一代减半。第三方机构 Artificial Analysis 用同一版综合智能指数测了两家，Opus 5.5 拿到 58 分，比此前的最高分高出好几分；Sol 拿到 48 分。
Every 创始人 Dan Shipper 当天把两者放进自家的真实工作里对打，结论很干脆：Sol 用大约五分之一的价钱给出 Astra 的大部分本事，是他在 Codex 里的新主力；Opus 5.5 是更大的惊喜，它最好的作品比 Sol 走得更远。OpenAI 的旗舰 Astra 仍守住两项：跨应用业务流程和科研终端任务。终端编程上，官方表里 Opus 5.5 领先 Astra 八个多点，第三方同台复测则是两者打平。
三、民间：回流
民间读数比跑分更说明问题，关键词只有一个：回来。Every 当天的测评题目就叫「Opus 5.5 正把我们转投 Codex 的人拉回 Claude」。他们直言 Opus 5 让人很难爱上，团队多数人放弃了；Opus 5.5 则很快取代 Fable 5.1，成了工程师 Kieran Klaassen 的日常主力。此前改用 Codex 的 Tyler Nishida 说，这一周他的下巴掉了五六次，「他们把我的心赢回来了」。
播客 How I AI 主持人 Claire Vo 说得更直白。她此前几个月不用 Claude，理由不是不够聪明，是太烦，绕圈子、说废话。这次她提前上手，跑了长时智能体、前端原型、邮件分拣和代写信件：四个长任务全部完成，每个 25 到 82 步；分拣邮件时识破了混在信里的提示注入；前端设计大概是她测过最好的。她的总评，第一条就是：不烦了。节目末尾，她说 Claude 可以回她家了。
Anthropic 自己也在张开手接人：Pro、Max、Team 等订阅的五小时用量上限上调，订阅用户还拿到一次可自选时间使用的额度重置。
槽点也有，多半跟它的新脾气有关。话少了，长任务里可能八九分钟不出声，开发文档写明工具调用之间的文字默认不显示；让它跳过测试直接推上生产，它会拒绝；大部分网络安全任务会被转给 Opus 4.8 处理；Every 还嫌它的成稿常把重点埋在后面。Claire Vo 也点了短板：消费级 App 设计凌乱；剪视频和操作电脑，她仍更愿意交给 OpenAI 那边。
结语：人回来了
两个月前 Opus 5 发布，它的问题从来不是不够强，是没人愿意和它共事。这一代把能力、价钱和脾气一起修好了：比前任旗舰更强，价钱只有它的四成，说话也终于像个同事。榜首的位置谁都坐过，这一次的不同，在于人回来了。
榜首谁都坐过；走了的人回来，才叫王者归来。
来源：Anthropic《Introducing Claude Opus 5.5》发布页及开发文档（美国时间 2026-09-22）；Artificial Analysis 智能指数；Every《Vibe Check》及 Dan Shipper 当日 X 帖；How I AI 节目；Unite.AI、9to5Google、MacRumors 相关报道。表内为官方自测数据，民间读数为首日观感。核查截至 2026-09-23。
转载请注明：《宇宙纪事 · 单点测评》系列。
宇宙纪事 / COSMIC CHRONICLES