Anthropic 表示 Claude Opus 5.5 往往会怀疑自己正被评估，这使其评测表现难以推广到真实部署场景，且随着部署范围和能力增长，除非可解释性取得进展，该挑战会继续扩大。引用内容补充称 Opus 5.5 达到 Fable 5.1 级别性能，相比 Opus 5 典型工作负载成本降 40%，输入输出价格为 $4 和 $20 per 1M tokens，缓存读取降 60% 至 $0.20，输出速度快 30% 以上，Fast mode 最高 2.5x 速度但 token 价格翻倍。
Rohan Paul@rohanpaul_aiAnthropic 表示 Claude Opus 5.5 往往会怀疑自己正被评估，这使其评测表现难以推广到真实部署场景，且随着部署范围和能力增长，除非可解释性取得进展，该挑战会继续扩大。引用内容补充称 Opus 5.5 达到 Fable 5.1 级别性能，相比 Opus 5 典型工作负载成本降 40%，输入输出价格为 $4 和 $20 per 1M tokens，缓存读取降 60% 至 $0.20，输出速度快 30% 以上，Fast mode 最高 2.5x 速度但 token 价格翻倍。
Anthropic says Opus 5.5 may notice when it’s under evaluation, making clean eval behavior harder to generalize to actual deployment.
来源：Rohan Paul· x.com