2026 年 9 月 23 日凌晨（北京时间），第三方基准机构 Artificial Analysis 更新评测报告：Anthropic 的 Claude Opus 5.5 在最高推理强度下跑出 58 分，登顶其智能指数（Intelligence Index）榜首。之前的榜首 GPT-6 Astra 和 Claude Fable 5.1 都是 53 分，Opus 5.5 一次拉开 5 分差距，是该榜单上少见的大幅领先。报告同时确认，Anthropic 已把 Opus 系列定价从每百万 token 输入 $5、输出 $25 下调到 $4、$20，缓存读取从 $0.50 降到 $0.20。
58 分是怎么拿到的
智能指数由 10 项评测综合而成，Opus 5.5 在其中 6 项拿到第一：Humanity's Last Exam 61.4%（前纪录 59.1%，由 Fable 5.1 保持）、SciCode 66.9%（前 63.1%）、GDPval-AA v2.1、AA-Briefcase v1.1、AA-Omniscience 和 AutomationBench-AA。在 Terminal-Bench 4.0 上它拿到 59.6%，与 GPT-6 Astra 并列榜首，比 Opus 5 高出 11 个百分点。
落后的 3 项也要看到：CritPt、AA-LCR 和 GDP.pdf 上 Opus 5.5 仍不是第一，说明领先是综合分上的领先，不是全方位碾压。值得单独一提的是 AA-Briefcase——这是测智能体知识工作的私有评测，Opus 5.5 跑出 1822 的 Elo，比 Fable 5.1 高 143，也是 Anthropic 第一次在呈现质量上超过 GPT-5.6 Sol。
便宜了，但它很吃 token
名义降价 20% 的另一面是 token 消耗：Opus 5.5 完成一项指数任务平均要用约 119k 输出 token，而 GPT-6 Astra 只要约 27k，Opus 5 约 73k，Fable 5.1 约 78k。Artificial Analysis 的测算显示，Opus 5.5 的 max、xhigh、high、medium 四个推理强度档全部落在“智能 vs 单任务成本”的前沿线上——也就是说按任务实际成本算，它依然划算，但前提是你别只看单价。
对开发者的实际意义：复杂任务的账单要按自己的工作负载重算一次；中等强度档（medium/high）落在前沿线上，可能是多数场景的性价比甜点，没必要一上来就开 max。
下一步值得看什么
一是 OpenAI 会不会跟进：它刚把 GPT-6 Sol 和 Luna 的价格腰斩，榜单被反超后是否再出招，决定下一轮价格战的走向。二是真实负载验证，Anthropic 自己在发布时提醒过“榜单差距不等于真实差距”，选型前最好用自己的代表性任务实测。三是智能体编码场景的持续对比，Opus 5.5 在 AA-Briefcase 上的领先如果能在生产环境复现，对知识工作类智能体的选型影响会比榜单分本身更大。
FAQ
Q：58 分领先 5 分，实际用起来会强很多吗？
A：不一定。这是 10 项评测的综合分，Opus 5.5 在其中 3 项仍落后。Anthropic 在发布时自己也提醒过榜单分和真实差距不完全对应，做选型最好用自己的代表性任务实测后再定。
Q：Opus 5.5 现在到底降价到多少？
A：按 Artificial Analysis 报告引用的 Anthropic 官方定价，输入 $4、输出 $20 每百万 token（Opus 5 是 $5/$25），缓存读取从 $0.50 降到 $0.20。不过它输出 token 消耗大，实际按任务成本要结合你的工作负载算。
