Claude Opus 5.5 在 Artificial Analysis Intelligence Index 得分居首
Claude Opus 5.5 takes the top spot on the Artificial Analysis Intelligence Index
Artificial Analysis 評測顯示,Claude Opus 5.5 以 max effort 在 Artificial Analysis Intelligence Index 得分 58,為其測得的最高分。
報告將多項基準表現、Agent 知識工作成績與每項任務成本並列,呈現模型在不同 effort 設定下的表現與成本取捨。
Claude Opus 5.5 登上 Artificial Analysis Intelligence Index 榜首,價格下調 20%,快取命中折扣亦增加
Claude Opus 5.5 在 Terminal-Bench 4.0 和 AutomationBench-AA 等評測中,令 Anthropic 追上 GPT-6 Astra,同時進一步擴大 Anthropic 在智能體知識工作方面的領先優勢。
在 max 推理力度下,它於 Artificial Analysis Intelligence Index 得分 58,比我們量度過的其他模型高出數分,創下最高分。Anthropic 將 Opus 價格下調至每 1M 輸入/輸出 token $4/$20(Opus 5:$5/$25),快取讀取價格亦由 $0.50 降至 $0.20。
重點摘要:
➤ 表現穩定強勁,在 Intelligence Index 的十項評測中有六項得分領先:Humanity's Last Exam 得分 61.4%(此前最佳為 59.1%,由 Claude Fable 5.1 創下);SciCode 得分 66.9%(此前為 63.1%,由 Fable 5.1 創下);GDPval-AA v2.1、AA-Briefcase v1.1、AA-Omniscience 和 AutomationBench-AA。在 Terminal-Bench 4.0 得分 59.6%,與領先的 GPT-6 Astra(xhigh)持平,並比 Opus 5 高 11 分。在 CritPt、AA-LCR 和 GDP.pdf 上仍然落後。
➤ 智能體知識工作領先:在我們私有的前沿知識工作評測 AA-Briefcase 中,它取得 Elo 1822 分,比 Fable 5.1 高 143 分;分析品質和呈現方式兩方面都領先。這是 Anthropic 首次在呈現品質上超越 GPT-5.6 Sol。這項評測使用我們的開源參考智能體 harness Stirrup,測試模型能否產出準確、呈現出色的專業成果。
➤ 每項任務成本與 Opus 5 相若,輸出 token 卻多 1.6x:Opus 5.5(max)在每項 Intelligence Index 任務中使用約 119k 個輸出 token;相較之下,Opus 5(max)約用 73k 個、Fable 5.1(max)約用 78k 個,而 GPT-6 Astra(max)約用 27k 個。
➤ 五個推理力度等級中有四個位於 Intelligence vs Cost per Task 前沿:Opus 5.5 的 max、xhigh、high 和 medium 都位於 Pareto 前沿;與得分 50+ 的其他模型(GPT-6 Astra、Claude Fable 5.1 和 Claude Opus 5)相比,成本更低或表現更佳。
其他模型詳情:
➤ 上下文視窗:1 million token 上下文,支援圖像和文字輸入,與 Opus 5 相同。
➤ 定價:每 1M 輸入/輸出 token $4/$20,較 Opus 5 的 $5/$25 下調 20%。快取寫入每 1M token 收費 $5,5 分鐘 TTL 價格由 $6.25 下調。快取讀取價格進一步降至每 1M token $0.20,較 Opus 5 的 $0.50 下調 60%。相較未使用快取的輸入價格,這代表 95% 折扣;此前 Opus 模型的折扣為 90%。
➤ 推理力度設定:共有五種設定(low、medium、high、xhigh 和 max)。Intelligence Index 評測在全部五種設定下進行,並啟用了 Anthropic 的預設後備機制。

Claude Opus 5.5 的五個推理力度等級中有四個位於 Intelligence vs Cost per Task 前沿:Opus 5.5 的 max、xhigh、high 和 medium 都位於 Pareto 前沿;與得分 50+ 的其他模型相比,成本更低或表現更佳。

Claude Opus 5.5(max)在智能體知識工作方面表現出色。它在 AA-Briefcase v1.1 領先,取得 1,822 Elo 分(比 Fable 5.1 高 143 分);在 GDPval-AA v2.1 則取得 1,846 Elo 分(比 Claude Fable 5.1 高 111 分,比 Claude Opus 5 高 138 分)。它在 AA-Briefcase 的分析品質和呈現子分數均領先,基於評分準則的評分則僅稍遜於 Fable 5.1。

如需 Claude Opus 5.5 的更多詳情和基準測試結果,請參閲 https://artificialanalysis.ai/models/claude-opus-5-5
來源:Artificial Analysis 完整文章 · artificialanalysis.ai