Claude Opus 5.5 成为 Artificial Analysis 编程智能体指数的新晋第一，在三项评测中均有提升，但每任务成本更高

在 Claude Code 中以最大努力运行时，Opus 5.5 在编程智能体指数上得分 66，这是我们测得的最高分。相比 Opus 5（60）提升 6 分，相比 Claude Fable 5.1（62）提升 4 分。

Anthropic 已将 Opus 定价下调至每百万输入/输出 token 4 美元/20 美元，此前 Opus 5 为 5 美元/25 美元，缓存读取从 0.50 美元降至 0.20 美元。即便有这些降价，Opus 5.5 的每任务成本仍为 13.04 美元，高于 Opus 5 的 10.79 美元，因为它使用的 token 数量大幅增加。

关键要点：

➤ 在三项编程智能体指数评测中均有提升：Terminal-Bench 4.0 从 Opus 5 的 54.5% 升至 63.1%，DeepSWE v1.1 从 62.5% 升至 68.4%，SWE-Atlas-QnA 从 62.1% 升至 66.4%。提升最大的是 Terminal-Bench，达 +8.6 个百分点。

➤ 最高分伴随着最高的每任务成本：Opus 5.5 的每任务成本为 13.04 美元，相比 Opus 5 的 10.79 美元上涨 21%。它每个任务使用约 1560 万 token，而 Opus 5 为 1140 万，其中输出 token 约为后者的 2.4 倍。

➤ 扩展了编程智能体指数与每任务成本之间的帕累托前沿：在我们的对比中，没有成本更低的模型能匹配 Opus 5.5 的得分。它在其高成本端将前沿向上推进。

其他模型细节：

➤ 定价：每百万输入/输出 token 分别为 $4/$20，较 Opus 5 下降 20%。缓存读取每百万 $0.20，较 $0.50 下降 60%。

➤ 评估设置：Claude Code 以最大 effort 运行，在 DeepSWE v1.1、Terminal-Bench 4.0 和 SWE-Atlas-QnA 上测量。Coding Agent Index 对每项评估赋予相同权重。