终于，Anthropic 把 Opus 5.5 端上来了。
废话不多说，直接看Benchmark。
光看Benchmark的话，实在是太残暴了。
几乎全面领先GPT-6 Astra，全方位的爆锤自家的Fable 5.1。
比较让我觉得意外的是Terminal-Bench 4.0 已经冲到66.4%了，而上一个SOTA 正是半个多月前才发布的GPT-6 Astra 。
国内模型最好的成绩是GLM-5.3,成绩在41%。
可问题是Terminal-Bench 4.0这个Benchmark 的发布时间也不过是8月下旬，那个时候的SOTA模型的成绩还在40%左右。
AI圈的各领风骚数十天 真不是瞎说说的。
还有个非常值得注意的点是Token效率。
这个是我认为国内模型当前最大的问题，也是OpenAI 和 Anthropic做的比较好的。如何能够使用尽可能少的Token消耗来达到优秀的完成效果。
以Terminal-Bench 4.0为例，这次Opus 5.5 在这方面相比于 Opus 5 有了很大的提升，甚至已经包圆了我认为的Token效率之王，GPT-6 Astra 。
再来看Frontier Code 。
按照Anthropic 的跑分，思考强度只需要开到medium 的时候，就已经拿到了最佳结果，而且成本消耗比GPT-6 Astra小不少。
但是这个图其实本身还蛮有趣的。
可以看到当思考强度开到high、甚至xhigh的时候，表现竟然都出现了下滑。
还有一个这次很重要的更新，是语言表达能力。
从Opus 4.6 之后，那个语言表达良好，沟通交流有思想深度的Claude 已经一去不复返了。但是这次Anthropic 自己说他们听取了社区的反馈，特意改善了这方面的表现。
它会把最重要的信息放到最前面，更少使用专业术语或者一些独特的表达方式，也会更好地遵循用户给它设定的写作规定。
可以看看Anthropic 官方给的例子。
比如总结slack上的内容，汇报给经理。
很明显Opus 5.5的回复结构更清楚，信息组织的更加明白。
还有一个例子，更加明显我觉得。
Opus 5的起手式就是甩一堆技术黑话，而用户只是想知道做了哪些改动。
最后是这次Opus 5.5 的价格，相比于Opus 5 还要便宜。
每百万输入Tokens价格在$4,每百万输出Tokens输出在$20,都比Opus 5 要低。果然，能干掉我自己的还是只有我自己。
然后，来几个我自己迅速实测的case吧。
叠甲：不代表Opus 5.5 能力的强弱，只是觉得这些case有点意思。
比如常见的svg。画一个xbox 控制器
还有一个给定参考图，通过svg 还原。
我给了一个小米su7海湾蓝的参考图，下面是Opus 5.5 的效果。
但我实测，这个case是做的没有GPT-6 Astra 好的。 下面这个是GPT-6 Astra 做的。
画SVG这块，还得是GPT-6 Astra！
当然，还有一些好玩的。 比如下面这两个。 一个是复刻梵高的星空，没有给参考图；还有一个是复刻Claude 官方X发布的那个视频。
这两个case都是纯代码做出来的，没有用任何的图像生成或者视频生成模型。
星空复刻：
太变态了这个。Opus 5.5 还是一如既往的有着很好的品味，跑了大概20分钟，纯靠代码做出了这个效果。
然后是视频复刻。
视频 · 01
Opus 5.5 纯用JS复刻的，包括配乐这些都是它自己去配的。为了对比，它甚至还帮我把原视频和它做的拼在一起。
视频 · 02
左边是原视频，右边是它用JS 复刻的。
我觉得能做到这个程度还是有点子厉害的。
好啦，今天的分享就先到这儿了。
OpenAI 还发了gpt-6-sol 和 gpt-6-luna，
赶紧打起来，打起来才是对用户最好的。
