Claude 又出新模型了。

但这次真正值得看的，

不是：

Benchmark 又高多少。

而是：

同一件 AI 工作，到底能不能少花一点钱做完。

Anthropic 9 月 22 日正式推出：

Claude Opus 5.5。

它是新的 Claude 5.5 Family 第一个成员。

Anthropic 对它的定位很直接：

多数工作能力接近更高级的：

Claude Fable 5.1。

但是运行成本，

比上一代：

Claude Opus 5

低很多。

Opus 5.5 到底改了什么？

先看最直接的 API 价格。

Claude Opus 5：

Input：

5 美元／100 万 Tokens

Output：

25 美元／100 万 Tokens

到了 Claude Opus 5.5：

Input：

4 美元／100 万 Tokens

Output：

20 美元／100 万 Tokens

两边都是：

便宜 20%。

如果只看这里，

你可能会想：

那不就是打八折？

但真正变化最大的，

其实还不是这两个价格。

Cache Read 从 0.50 美元降到 0.20 美元

对：

Claude Code。

Coding Agent。

长时间 Agent。

反复读同一个 Project Context

的人来说，

更重要的是：

Cache Read。

Opus 5 原本每百万 Cached Tokens：

约：

0.50 美元。

Opus 5.5：

0.20 美元。

也就是：

下降 60%。

这个差别，

对一句话问答可能没有那么巨大。

但如果 AI 正在：

读 Repository。

修 Code。

跑 Tests。

再读结果。

再修改。

再跑一次。

成本结构就完全不同。

为什么 Agent 特别吃 Cache？

假设你让 Claude Code 修改一个功能。

第一轮，

它先读：

CLAUDE.md。

项目规则。

API。

Controller。

Tests。

相关 Components。

这些内容可能已经累积：

10 万 Tokens。

下一轮它跑 Test。

再思考。

它并不是只读：

最新 Test Result。

整段 Conversation Context

还要一起带进去。

第三轮又一样。

所以一个 Session：

画面上可能永远没有超过 12 万 Tokens。

但整场工作加总起来，

实际处理的 Input：

可能是几百万 Tokens。

因为同样 Context 被：

反复读取。

Prompt Cache 的作用，

就是让已经看过的那一大段内容，

不要每次都按 Fresh Input 的价格重新计费。

Anthropic 自己的例子很直观

Anthropic 用一个假设的 Claude Code Task 说明：

Session 最后 Context 成长到：

12 万 Tokens。

如果总共跑：

40 Turns，

整个工作实际可能处理约：

280 万 Input Tokens。

如果其中：

90%

可以从 Cache 读，

Input Cost 约：

1.62 美元。

如果同样工作只需要：

25 Turns，

成本又可以降到约：

1.02 美元。

这里真正重要的不是这两个金额。

而是：

AI 多绕一次路，也要钱。

所以「Token 便宜」只是第一层

Anthropic 对 Opus 5.5 的说法是：

在 Default Settings 下，

典型工作负载相较 Opus 5：

约便宜 40%。

为什么不是只有 20%？

因为它认为新模型除了：

Token Price 比较低，

还可能：

用更少 Turns。

少一些错误方向。

少一些重做。

少一些 Output Tokens

完成相同工作。

但这个：

40%

是 Anthropic 自己根据 Typical Workloads 得出的估计。

不是保证你的工作一定少 40%。

真正要算的是 Cost per Task

这是 Opus 5.5 最值得学的一个概念。

一般人很容易比较：

模型 A：

Input 4 美元。

模型 B：

Input 2 美元。

所以模型 B：

一定比较便宜。

不一定。

假设模型 B：

先改错一次。

再查另一个文件。

重新修改。

再跑 Test。

又漏掉一个 Caller。

总共跑：

20 Turns。

模型 A：

一次先找到全部相依性，

10 Turns 完成。

最后：

单价高的模型

反而可能：

总成本比较低。

所以真正要看的是：

Cost per Completed Task。

不是：

Cost per Million Tokens。

Anthropic 甚至直接提醒：Retry 也有成本

如果你为了省 Token，

把 Effort 降太低，

结果 AI：

没想完整。

漏掉文件。

第一次修失败。

接着再跑一次，

你原本省下的 Thinking Tokens，

可能一下就被：

Retry

吃回去。

所以使用 Opus 5.5，

不是永远：

Effort 越低越好。

而是：

简单工作少想。

困难工作多想一点。

避免整个任务重新来一次。

Opus 5.5 有不同 Effort Levels

在 Claude Code 里，

Opus 5.5 可以调整：

Low。

Medium。

High。

XHigh。

另外还有一次 Session 可使用的：

Max。

Anthropic 自己的建议是：

一般范围清楚的日常工作，

可以先从：

Medium

开始。

例如：

改一个 Feature。

Debug 几个相关文件。

Code Review。

如果发现：

只修到一层。

没有追完整相依关系。

再往：

High

提高。

Low 适合什么？

例如：

把同一个名称改到多个文件。

按照既有 Pattern 做 Mechanical Edit。

查 Log。

找某个 Function 在哪里定义。

这些工作不一定需要：

大量 Thinking。

如果每一个 Rename

都开最高 Effort，

你是在花钱让 AI：

想一件根本不用想那么久的事。

High 又什么时候值得？

例如：

API Field 已经改名。

Backend 改好了。

但还有：

Frontend。

Mobile。

Tests。

旧 Client。

Documentation

可能依赖它。

这种工作如果 AI 只看到：

眼前 File，

很容易：

局部成功。

整体失败。

提高 Effort 的目的，

不是让答案看起来比较长。

而是让 AI 愿意先：

找更多相依关系。

还有一个更省钱的方法：让 AI 自己验证

Anthropic 给了一个很实际的建议：

不要只叫 AI：

「改完。」

最好让它有：

可以自己确认结果的方法。

例如：

Unit Test。

Build。

Lint。

API Test。

Validation Script。

原因很简单。

如果模型改错，

但自己可以立即跑 Test 发现，

它可能：

同一个 Session 直接修掉。

如果没有验证方法，

它可能很有自信地告诉你：

Done。

你隔天才发现：

坏了。

然后：

重开 Context。

重新解释。

重新读 Code。

重新修。

那才真正贵。

Opus 5.5 和 Fable 5.1 怎么选？

这可能是现在 Claude 用户最实际的问题。

Anthropic 自己在 Claude Code Cost Guide 里，

把两者分工讲得很清楚。

Opus 5.5：

比较适合：

你会持续看着它工作的任务。

Feature Development。

Debugging。

Code Review。

几个 Files 之间的修改。

Interactive Work。

因为：

速度较快。

价格较低。

你也可以在它偏掉时：

立即介入。

Fable 5.1 留给真正最难的工作

Anthropic 建议，

如果：

任务结果比 Token Price 更重要。

你不会一直监督。

问题没有既有 Pattern。

需要多个 Subagents 协调。

是非常大型的改动。

或者：

Opus 5.5 High 已经在同一个问题：

卡两次。

这时再换：

Fable 5.1。

Fable 5.1 的 API List Price：

Input：

10 美元。

Output：

50 美元。

相当于 Opus 5.5 的：

2.5 倍。

所以最简单不是：

「Fable 最强，所以全部用 Fable。」

而是：

一般复杂工作先 Opus 5.5。

真的撞墙：

再升 Fable。

问题解完：

再切回来。

小任务甚至不一定需要 Opus

反过来也是一样。

如果只是：

Search。

读 Logs。

找文件。

整理 Test Output。

简单 Lookup。

Anthropic 建议可以让：

Sonnet

或：

Haiku

负责。

尤其 Multi-agent Workflow 里，

每个 Subagent

如果全部继承昂贵模型，

最后帐单很容易放大。

比较合理的是：

便宜模型找数据。

Opus 5.5 做主要工作。

Fable 5.1 解真正困难问题。

这才叫：

Model Routing。

Cache 很便宜，但也不是永远存在

Opus 5.5 的 Cache Read：

每百万 Tokens：

0.20 美元。

只有 Fresh Input 的：

5%。

听起来非常便宜。

但 Cache 并不是：

建一次永久免费读。

Claude Code 不同付款方式下，

Cache Lifetime 也可能不同。

如果 Session 长时间停住，

下一次回来：

Cache 可能需要重新写入。

而：

Cache Write

本身反而比 Fresh Input 更贵。

所以一个很实际的技巧是：

同一件工作尽量集中完成。

不要：

跑两轮。

去喝咖啡很久。

回来重新热 Cache。

再跑两轮。

切换 Model／Effort 也可能让 Cache 重建

另一个很容易忽略的地方是：

Changing Effort。

Thinking Settings。

甚至切换 Model，

都有可能让：

原来的 Cache

无法继续直接使用。

所以不要每两分钟：

Medium。

High。

Low。

再 High。

每次切换，

都可能带来新的 Context Cost。

比较好的方法是：

做到一个：

Natural Break

再换。

例如：

Planning 完成。

准备进 Implementation。

或者：

现在这个问题确认 Opus 解不掉，

才升级。

Opus 5.5 还添加一个很实际的 Prompt Audit 概念

Anthropic 甚至提醒：

旧模型留下来的 Prompt，

可能让新模型：

做很多不必要的事。

例如你以前为了让模型可靠，

写了：

一定要跑六个步骤。

每次都 Verify Twice。

每一轮都重新读完整规则。

一定要输出 Scratchpad。

到了新版模型，

这些 Ritual Instructions

反而可能造成：

更多 Output。

更多 Tool Calls。

更多重复工作。

Claude Code 现在可以利用：

Prompt Audit

检查这类：

过时。

重复。

互相冲突

的 Instruction。

Anthropic 自己测了一个 44 Ticket Workflow

Anthropic 用一组：

44 个 Customer Support Tickets

做内部测试。

从 Opus 4.8 换到：

Opus 5.5 Low Effort，

成本约下降：

18%。

再清理 Prompt 中不必要的：

六步固定流程。

Scratchpad Rule。

Verify-twice Rule。

互相冲突的 Instructions

之后，

又多下降约：

9%。

最后相较原本：

约降低 25%。

这只是：

Anthropic 自己的一个 Benchmark Example。

不是说：

清 Prompt 就保证省 25%。

但它提醒一件很重要的事：

模型升级，Prompt 也要跟着整理。

最重要的工具反而可能是 /usage

如果你真的在 Claude Code 里工作，

不要猜：

「感觉这版比较省。」

Anthropic 建议直接在 Session 结束后：

看：

/usage

或：

/cost。

你可以看到：

Input。

Output。

Cache。

Estimated Cost。

再拿：

同一种真实工作

分别跑：

Opus 5。

Opus 5.5。

比较：

用了几个 Turns？

Output Tokens 多少？

Cache Hit 多高？

总成本多少？

不要拿一个玩具 Prompt 比模型

如果你的真实工作是：

修改 Laravel Project。

分析 20 份文档。

跑一个长 Agent Workflow。

那就拿：

真的工作

比较。

不要只问：

「写一首关于猫的诗。」

然后根据一次 Token Count

决定公司往后模型策略。

真正应该做的是：

挑：

3～5 个每天会重复发生的 Task。

记录：

Completion Rate。

Turns。

Review Time。

Tokens。

Cost。

最后才知道：

哪个 Model 真正比较划算。

安全方面也有一个明显变化

Opus 5.5 是 Anthropic 公开谈：

Pacing the Frontier

之后的重要新模型。

所以这次发布前，

Anthropic 找了：

METR。

Frontier Design

等外部团队进行测试。

公司自己的 Containment Evaluation 显示，

Opus 5.5 尝试绕过既定 System Boundary 的情况，

比：

Opus 5

与：

Mythos 5.1

约少：

85%。

但一定要注意：

这不是：

「Claude 安全性提高 85%。」

它只是：

某一类特定安全评测结果。

高风险工作仍然不是因为模型新版就能全部放手

即使：

Benchmark 提升。

Safety Evaluation 变好。

也不代表：

Production Deploy。

付款。

删除数据。

安全设置。

客户承诺。

医疗。

法律。

金融决策

就可以：

完全不看。

模型越能自己跑完整任务，

反而越需要清楚知道：

哪个 Step：

可以自己做。

哪个 Step：

一定停。

Opus 5.5 的成本降低，

最合理的用途是：

让更多适合交给 AI 的工作变得经济可行。

不是：

把所有决策都交给 AI。

哪些人最值得试 Opus 5.5？

第一类：

Claude Code 重度用户。

尤其是：

Session 很长。

Repository Context 很大。

Cache Read 很多。

60% Cache Read 降价最容易感受到。

第二类：

原本觉得 Fable 太贵的人。

如果你的工作不需要每次都用最高级模型，

Opus 5.5 可能提供：

更合理的能力／成本位置。

第三类：

企业 Agent Workflow。

每个 Task 一天跑：

几十次。

几百次。

甚至几千次

时，

每 Task 少：

几毛钱。

累积起来就会变成：

真正的预算差。

哪些人其实不用特别在意？

如果你只是：

每天偶尔问几个问题。

摘要一段文字。

写一封 Email。

做简单 Brainstorm。

你真正的 Bottleneck

可能根本不是：

Opus 5.5 比 Opus 5

一百万 Token 便宜几美元。

这种工作，

甚至未必需要：

Opus。

不要因为：

「最新」

就永远选最强模型。

AI 工具真正成熟的使用方式，

不是：

所有任务都上最高级。

而是：

每一种工作用刚好够用的能力。

最后只记一个判断方式

不要问：

「Opus 5.5 每个 Token 有没有比较便宜？」

答案很简单：

有。

真正应该问：

「我的这件工作，最后做完花多少？」

所以测试 Opus 5.5 时，

看四个东西就够：

Turns

跑了几轮？

Output

想了、写了多少？

Cache

多少旧 Context 被便宜重用？

Retry

有没有因为第一次失败又重新做？

最后比较：

Cost per Completed Task。

这才是 Opus 5.5 真正值得看的地方。

AI 模型开始进入一个更成熟的竞争阶段：

不是只问：

谁最聪明。

而是：

谁能用更少资源，把真正的工作可靠地做完。

今天，和 AI 一起进步一点。

每天学会一个 AI 技巧。

每天节省一点时间。

每天提升一点能力。

SasaDaily，陪你一起成长。

推荐阅读

今日 AI 工具｜2026/07/25：Claude Opus 5，适合处理长时间研究、复杂文档与需要反复检查的工作

今日 AI 工具｜2026/09/02：Claude Fable 5.1 上线，长时间 Coding／研究更强，重复读取项目 Context 成本降 75%

AI 一分钟教学｜2026/09/02：用 Claude Fable 5.1 前，先把 Prompt 拆成「固定背景＋今天添加」，别每次整包重读