BenchLeader

Claude Opus 5 vs Claude Opus 5.5

完整资料:Claude Opus 5(Anthropic)和 Claude Opus 5.5(Anthropic),包括全部基准测试、价格和排名。

更新于 · 数据来自 13 个来源

截至 2026年11月16日,Claude Opus 5 与 Claude Opus 5.5 的质量不相上下(BenchLeader Index 65.0 比 68.4,在 ±4.6 的误差范围内)。Claude Opus 5.5 更便宜,对方的价格是它的 1.3 倍(每百万 token 混合价格 $8.00 比 $10.00)。看重智能体与工具(64 比 61)选 Opus 5;看重编程(79 比 67)、知识(73 比 65)和推理(72 比 66)选 Opus 5.5。Opus 5 的首次回答更快(48.5 秒 比 380.2 秒)。Opus 5.5 的输出更快(约 1.5 倍)。

要点(截至 2026年11月16日)

  • Claude Opus 5 的 BenchLeader Index 为 65.0,Claude Opus 5.5 为 68.4(BenchLeader,2026年11月16日)。
  • Claude Opus 5 每百万 token 混合价格为 $10.00(标价,2026年11月16日)。
  • Claude Opus 5.5 每百万 token 混合价格为 $8.00(标价,2026年11月16日)。
  • Claude Opus 5.5 比 Claude Opus 5 输出更快(约 1.5 倍;Artificial Analysis,7 日中位数,2026年11月16日)。
  • 在两者都有结果的 74 项基准测试中,Claude Opus 5.5 领先 63 项(BenchLeader,2026年11月16日)。
  • 在 Arena WebDev 上,Claude Opus 5 的评分为 1691,Claude Opus 5.5 为 1815(LMArena,截至 2026年11月16日 的公布数据)。

按用途怎么选

推荐模型的数值列在前面。类别得分采用 BenchLeader 标尺(50 为模型平均水平,15 分为一个标准差)。领先半个标准差及以上为“高”置信度;相差不到 1 分则视为“均可”。

用途推荐理由置信度
编程Claude Opus 5.5类别得分 79 比 67;Arena WebDev 1815 比 1691高
智能体与工具调用Claude Opus 5类别得分 64 比 61;Terminal-Bench 52.1% 比 65.8%中
数学Claude Opus 5.5类别得分 73 比 70;FrontierMath Tiers 1–3 91.2% 比 85.6%中
推理Claude Opus 5.5类别得分 72 比 66;HLE-Diamond (AA) 67.9% 比 44.8%中
知识Claude Opus 5.5类别得分 73 比 65;SimpleQA Verified 72.2% 比 59.9%中
长文档Claude Opus 5.5类别得分 67 比 64;AA-LCR v1.1 84.7% 比 79.3%中
图像及其他媒体Claude Opus 5.5类别得分 70 比 67;MMMU-Pro 87.7% 比 84.7%中
对话质量(人类偏好)–只有 Claude Opus 5 有 Arena 评分(类别得分 68)无法比较
成本最低Claude Opus 5.5每百万 token 混合价格 $8.00 比 $10.00;智能体编程会话 $0.320 比 $0.400–
首次回答最快Claude Opus 5首个回答 token 48.5 秒(Claude Opus 5 (max))比 380.2 秒(Claude Opus 5.5 (max))–
低预算大批量两者都不选通常更小的模型更合适:便宜好用的大模型、最快的大模型–

主要差异

  • Claude Opus 5 (max) 与 Claude Opus 5.5 (max) 的质量不相上下(65.0 比 68.4,在 ±4.6 的误差范围内)。
  • Claude Opus 5 (max) 在智能体与工具方面更强。
  • Claude Opus 5.5 (max) 在编程、知识、长上下文、数学、多模态、推理方面更强。
  • Claude Opus 5.5 (max) 更便宜,对方的价格是它的 1.3 倍(每百万 token 混合价格 $8.00 比 $10.00)。
  • Claude Opus 5.5 (max) 的输出速度是对方的 1.4 倍(116 比 80 token/秒)。

概览

规格Claude Opus 5Claude Opus 5.5
提供商AnthropicAnthropic
发布日期2026年7月24日2026年9月22日
上下文窗口(token)1,000,0001,000,000
最大输出(token)–128,000 (up to 300K on the Message Batches API (beta))
输入类型–文本、图像
推理强度设置–low, medium, high, xhigh, max
对比时的配置Claude Opus 5 (max)Claude Opus 5.5 (max)
开放权重否否
每百万 token 价格(输入 / 输出 / 缓存输入)$5.00 / $25.00 / $0.500$4.00 / $20.00 / $0.200
API 模型 ID–claude-opus-5-5
使用渠道–Claude API, Amazon Bedrock, Google Cloud, Microsoft Foundry

上限、可用性和已公布的价格均来自厂商官方页面: platform.claude.com (2026年10月20日 核实)。其余内容均来自当日数据。

逐类别对比

类别得分采用 BenchLeader 标尺:50 为参评模型的平均水平,15 分为一个标准差。差距不到 1 分视为持平。

类别Claude Opus 5 (max)Claude Opus 5.5 (max)领先者
推理66.172.1Claude Opus 5.5
编程67.078.8Claude Opus 5.5
智能体与工具63.861.3Claude Opus 5
数学69.873.2Claude Opus 5.5
知识65.272.5Claude Opus 5.5
人类偏好68.1–无法比较
多模态67.270.2Claude Opus 5.5
长上下文64.367.1Claude Opus 5.5
综合–70.2无法比较

同一图表对比

各领域采用与 Index 相同的标尺,平均模型为 50 分。单击某个领域可查看构成它的基准测试。 可从列表中最多选择 5 个模型。

2550 avg75推理编程智能体与工具数学知识长上下文多模态Claude Opus 5, 推理: 66.1Claude Opus 5, 编程: 67.0Claude Opus 5, 智能体与工具: 63.8Claude Opus 5, 数学: 69.8Claude Opus 5, 知识: 65.2Claude Opus 5, 长上下文: 64.3Claude Opus 5, 多模态: 67.2Claude Opus 5.5, 推理: 72.1Claude Opus 5.5, 编程: 78.8Claude Opus 5.5, 智能体与工具: 61.3Claude Opus 5.5, 数学: 73.2Claude Opus 5.5, 知识: 72.5Claude Opus 5.5, 长上下文: 67.1Claude Opus 5.5, 多模态: 70.2

未绘制(测得的模型少于两个):指令遵循, 人类偏好。

模型(单击添加或移除)Index

各来源的分歧

在两者都有结果的 74 项基准测试中,Claude Opus 5 领先 9 项,Claude Opus 5.5 领先 63 项,2 项持平。所有同时评测两者的综合评分都认为 Claude Opus 5.5 更强。

综合 IndexClaude Opus 5 (max)Claude Opus 5.5 (max)领先者
BenchLeader Index65.068.4不相上下
AA Intelligence Index v5.0.144.259.1Claude Opus 5.5
Arena Text14891507†Claude Opus 5.5

各发布方使用各自的任务、评测框架和推理强度设置,因此总体结论可能不同;BenchLeader 将它们统一到同一标尺上。† 表示同一模型在另一推理强度设置下的测量值(发布方未测试本页对比的设置)。

价格、速度与延迟

标价按每 1 个输出 token 对应 3 个输入 token 混合计算。每项任务的价格采用方法论页面中的 token 数量。每项基准测试任务的成本、token 数和耗时均为实测值,取自 Artificial Analysis 整个 Intelligence Index 测试的平均值。

指标Claude Opus 5 (max)Claude Opus 5.5 (max)
每百万 token 混合价格$10.00$8.00
每百万 token 输入 / 输出$5.00 / $25.00$4.00 / $20.00
每百万 token 缓存输入$0.500$0.200
每项任务价格:聊天回复$0.0095$0.0076
每项任务价格:总结一份 30 页的报告$0.075$0.060
每项任务价格:代码编辑$0.068$0.054
每项任务价格:智能体编程会话$0.400$0.320
每项任务价格:结构化信息提取$0.015$0.012
智能体编程会话(输入大多命中缓存)$0.198$0.149
每项基准测试任务成本(AA Index)$11.82$10.04
每项任务输出 token(AA Index)118k173k
其中推理部分73k120k
每项任务耗时(AA Index)25 min25 min
输出速度80 tok/s116 tok/s
首次回答时间48.5 秒380.2 秒
完整回答耗时(最近一次测量 2026年11月13日)191.6 秒711.4 秒

按 token 计价不等于按任务计价:在 Artificial Analysis 的 Intelligence Index 中,一项平均任务在 Claude Opus 5 (max) 上花费 $11.82,在 Claude Opus 5.5 (max) 上花费 $10.04;完成同样的工作,Claude Opus 5.5 (max) 输出的 token 是对方的 1.5 倍,这是只看 token 单价看不出来的。

每个模型都按其排名最高的推理强度设置进行对比。Claude Opus 5 (max) 得分 65.0,首个回答 token 需 49 秒;Claude Opus 5 (high) 为 64.4(17 秒),Claude Opus 5 为 63.2(2 秒)。Claude Opus 5.5 (max) 得分 68.4,首个回答 token 需 380 秒;Claude Opus 5.5 (high) 为 66.0(26 秒),Claude Opus 5.5 (xhigh) 为 65.4(78 秒)。推理强度越高,回答前思考越久:得分更高,但等待更长、计费 token 也更多。 推理强度如何影响得分和成本

全部基准测试

共 192 项基准测试,按类别分组;点击名称可查看该排行榜及领先模型。† 表示同一模型在另一推理强度设置下的测量值,仅供参考,不计入胜场。

指标发布方Claude Opus 5 (max)Claude Opus 5.5 (max)
BenchLeader IndexBenchLeader65.068.4
智能体与工具得分BenchLeader63.861.3
编程得分BenchLeader67.078.8
人类偏好得分BenchLeader68.1–
知识得分BenchLeader65.272.5
长上下文得分BenchLeader64.367.1
数学得分BenchLeader69.873.2
多模态得分BenchLeader67.270.2
推理得分BenchLeader66.172.1
综合得分BenchLeader–70.2
混合价格(美元/百万 token)BenchLeader$10.00$8.00
输出速度BenchLeader80 tok/s116 tok/s
首次回答时间BenchLeader48.5 秒380.2 秒
上下文窗口BenchLeader1,000,000 token1,000,000 token
推理
GPQA DiamondEpoch AI Benchmarking Hub93.9%90.6%
SimpleBenchSimpleBench80.6%†88.4%†
Arena Hard PromptsArena (LMArena)15131530†
LiveBench 2.0 ReasoningLiveBench–92.2%
LiveBench 1.0 ReasoningLiveBench91.2%92.2%
GPQA Diamond (AA)Artificial Analysis93.2%–
Humanity's Last Exam (AA)Artificial Analysis54.9%61.4%
HLE-Diamond (AA)Artificial Analysis44.8%67.9%
GPQA Diamond (Vals)Vals AI93.4%†–
ARC-AGI-1ARC Prize97.5%97.5%
ARC-AGI-2ARC Prize90.4%91.7%
ARC-AGI-3ARC Prize30.2%†–
CritPtArtificial Analysis29.1%31.7%
CritPt v2 hard subset (AA)Artificial Analysis50.0%68.0%
MysteryMechanismVals AI37.4%49.5%
HLE-Diamond (Scale)Scale AI SEAL38.6%†55.0%†
Arena ExpertArena (LMArena)15301545†
Chess PuzzlesEpoch AI Benchmarking Hub43.0%67.0%
Mystery Game PuzzlesEpoch AI Benchmarking Hub59.0%71.0%
LMCAEpoch AI Benchmarking Hub63.3%68.2%
DTBenchEpoch AI Benchmarking Hub97.6%98.9%
ForecastBenchForecastBench66.6%–
BTF-3Epoch AI Benchmarking Hub12.0%†–
编程
SciCodeSciCode56.4%66.9%
WeirdMLWeirdML91.8%–
显示全部 192 项基准测试
指标发布方Claude Opus 5 (max)Claude Opus 5.5 (max)
编程
FrontierCodeCognition53.4%54.6%†
Arena CodingArena (LMArena)15281548†
Arena WebDevArena (LMArena)16911815
LiveBench 2.0 CodingLiveBench–87.1%
LiveBench 1.0 CodingLiveBench81.5%89.3%
LiveCodeBenchVals AI89.0%–
IOIVals AI84.3%95.1%
SWE-bench (Vals)Vals AI97.0%†–
Code MigrationVals AI57.5%66.7%
Code Migration v1.1Vals AI–81.0%
ProgramBenchVals AI3.0%18.5%
SWE-bench MultimodalVals AI–70.2%
Vibe Code Bench 1-100Vals AI28.5%30.4%†
Vibe Code Bench v1.1Vals AI88.4%†90.3%
Vibe Code Bench 1-100 v1.1Vals AI–30.9%
SWE Atlas v1.0: Codebase QnAScale AI SEAL63.2%†–
SWE Atlas v1.0: Test WritingScale AI SEAL62.2%†–
SWE Atlas v1.1Scale AI SEAL–77.4%†
SWE Atlas v1.1: Codebase QnAScale AI SEAL–77.4%†
SWE Atlas v1.1: Test WritingScale AI SEAL–77.8%†
SWE Atlas v1.1: RefactoringScale AI SEAL–77.1%†
SWE-Bench Pro V2Scale AI SEAL99.4%†–
SWE-Bench Pro V2 HARDScale AI SEAL98.0%†–
MirrorCodeEpoch AI Benchmarking Hub87.8%95.6%
DeepSWE v1.1Epoch AI Benchmarking Hub73.7%–
CursorBenchCursor46.6%57.8%
ALE-BenchEpoch AI Benchmarking Hub2164.6†2147.4†
FrontierSWEEpoch AI Benchmarking Hub52.0%62.3%
WeirdML v3WeirdML19.0%†31.2%†
Terminal-Bench 4.0 (AA)Artificial Analysis49.0%59.6%
Terminal-Bench 2.1 (AA)Artificial Analysis89.1%–
Startrise FrontendStartrise82.3%†80.2%†
GameBench 2 OverallDuelLab GameBench 276.5†87.6†
GameBench 2 by reasoning settingDuelLab GameBench 284.8†94.8†
Design Arena WebsiteDesign Arena1304†1326†
FrontierCode 1.1 (AA)Artificial Analysis–52.2%
FrontierCode 2.0 (AA)Artificial Analysis31.1%46.4%
智能体与工具
Terminal-BenchTerminal-Bench52.1%65.8%
OSWorld-Verified 2.0OSWorld31.4%–
Remote Labor IndexScale AI / CAIS–21.3%†
APEX-AgentsMercor65.8%73.5%
Arena AgentArena (LMArena)7.219.5
LiveBench Long AgenticLiveBench–72.8%
LiveBench BrowserLiveBench–88.4%
LiveBench Agentic CodingLiveBench65.2%71.7%
Terminal-Bench 2.1 (Vals)Vals AI84.6%†87.6%†
MCP AtlasScale AI SEAL85.8%†85.4%†
HiL-BenchScale AI SEAL57.0%†59.0%†
τ³-bench Bankingτ²-bench48.7%–
GDPval-AA v2.1, normalised scoreArtificial Analysis–68.3%
GDPval-AA v2.1Artificial Analysis17291866
τ³-Banking (AA)Artificial Analysis42.1%–
ITBench SRE (AA)Artificial Analysis–38.2%
Analyst Agent (AA)Artificial Analysis53.8%56.3%
CUA-benchVals AI9.0%14.0%
CyberBenchVals AI65.4%55.4%
Finance Agent v2Vals AI58.6%58.6%
Finance Agent v2.1Vals AI–67.8%
Harvey's Legal Agent Benchmark v1.1Vals AI–9.2%
Harvey's Legal Agent Benchmark v1Vals AI6.7%3.8%
Legal Research BenchVals AI55.3%50.5%
Robo-benchVals AI–14.6%
SkillsBenchVals AI60.4%–
SREBenchVals AI12.2%33.6%
Tax Agent BenchVals AI47.1%44.5%
Terminal-Bench 4.0 (Vals)Vals AI53.5%65.2%
Terminal-Bench ScienceVals AI27.1%47.1%
Time Horizon Index: KSPVals AI18.8%91.3%
Web Search IndexVals AI–53.8%
Arena SearchArena (LMArena)1213†1213†
Arena Agent Task CompletionArena (LMArena)10.220.7
BALROGBALROG63.4%–
PostTrainBenchEpoch AI Benchmarking Hub35.7%†43.8%
GBAEvalEpoch AI Benchmarking Hub79.6%†–
Vending-Bench 2Andon Labs11181.9†9235.3†
SpireClimbEpoch AI Benchmarking Hub–5.8%
AutomationBenchArtificial Analysis56.6%69.5%
GDP.pdf (AA)Artificial Analysis21.6%26.2%
Harvey LAB-AA v1.1Harvey–4.2%
EnterpriseOps-GymArtificial Analysis47.5%–
AA-Briefcase v1.1Artificial Analysis16541801
GDPxGDPx by SemiAnalysis–12.0%
Design Arena AgenticDesign Arena1270†1339†
Terminal-Bench-Science 0.1 (AA)Artificial Analysis28.6%59.0%
CWE-Bench (AA)Artificial Analysis–58.3%
DeepSec-Bench (AA)Artificial Analysis25.9%26.9%
CyberGym end-to-end (AA)Artificial Analysis–0.8%
MKA (AA)Artificial Analysis–53.0%
FACTS SearchGoogle–88.4%†
数学
FrontierMath Tiers 1–3Epoch AI Benchmarking Hub85.6%91.2%
FrontierMath Tier 4Epoch AI Benchmarking Hub73.2%95.0%
OTIS Mock AIMEEpoch AI Benchmarking Hub98.9%100.0%
ProofBenchVals AI99.0%100.0%
LiveBench MathematicsLiveBench95.7%97.1%
ArXivMathMathArena–82.6%†
BrokenArXivMathArena–77.3%†
Arena MathsArena (LMArena)15151514†
FrontierMath ErdősEpoch AI Benchmarking Hub0.0%2.9%
知识
SimpleQA VerifiedEpoch AI Benchmarking Hub59.9%72.2%
LiveBench 2.0 Data AnalysisLiveBench–80.3%
LiveBench ResearchLiveBench–88.9%
LiveBench 1.0 Data AnalysisLiveBench74.5%80.3%
AA-Omniscience v1.1Artificial Analysis37.648.1
MMLU-ProVals AI91.6%–
LegalBenchVals AI87.0%–
CorpFinVals AI73.2%†–
TaxEvalVals AI75.1%†–
PRBench LegalScale AI SEAL–47.6%†
BioMysteryBenchVals AI79.3%79.3%
ClaimBenchVals AI–100.0%
Excel Modeling BenchmarkVals AI73.6%75.9%
Excel Modeling Benchmark v1.1Vals AI–75.8%
MedCodeVals AI63.6%49.8%
MedScribeVals AI91.0%91.4%
Public Benefits Bench v1.1Vals AI76.9%70.6%
Access to Justice BenchmarkVals AI–73.8%
Financial Coaching BenchVals AI–76.2%
Immigration BenchVals AI–72.1%
DrugDiscoveryBenchScale AI SEAL53.7%–
EBR-benchEpoch AI Benchmarking Hub45.7%71.4%
GDP.pdfEpoch AI Benchmarking Hub24.0%30.6%
AA-Omniscience v1.1: accuracyArtificial Analysis60.9%65.5%
AA-Omniscience v1.1: non-hallucinationArtificial Analysis40.6%49.7%
HealthBench Professional (AA)OpenAI–59.9%
FACTS ParametricGoogle48.8%†58.7%†
指令遵循
LiveBench LanguageLiveBench88.7%86.3%
LiveBench Instruction FollowingLiveBench63.8%65.7%
Arena Instruction FollowingArena (LMArena)14941518†
人类偏好
Arena TextArena (LMArena)14891507†
EQ-Bench 4EQ-Bench1365†1340†
EQ-Bench Creative Writing v3EQ-Bench2135†2051†
Arena Creative WritingArena (LMArena)14731517†
Arena Multi-turnArena (LMArena)14861502†
Arena Longer QueriesArena (LMArena)15021520†
多模态
Arena VisionArena (LMArena)1318†1324†
LiveBench DesignLiveBench–83.3%
MMMU-ProArtificial Analysis84.7%87.7%
MMMU-Pro (Vals)Vals AI89.9%–
MortgageTaxVals AI72.1%†–
SAGEVals AI–91.3%
Humanity's Sixth SenseScale AI SEAL30.5%44.6%†
Blueprint-Bench 2Epoch AI Benchmarking Hub30.4%†51.2%†
Furniture AssemblyEpoch AI Benchmarking Hub60.8%83.3%
VIALS-AAHandshake AI–61.5%
Code2Video-AAArtificial Analysis–1536
AA-3DArtificial Analysis–1202
FACTS MultimodalGoogle–56.4%†
长上下文
AA-LCR v1.1Artificial Analysis79.3%84.7%
Arena DocumentArena (LMArena)1486†–
MLCRArtificial Analysis11.1%27.8%
FACTS GroundingGoogle–62.5%†
综合
Epoch Capabilities IndexEpoch AI Benchmarking Hub164.7†168.5†
LiveBench 2.0LiveBench–83.4%
LiveBench 1.0LiveBench80.1%83.2%
AA Intelligence Index v5.0.1Artificial Analysis44.259.1
AA Intelligence Index v4.3.2Artificial Analysis50.857.6
AA Progress Index v1Artificial Analysis333.7350
Vals IndexVals AI–70.1
Vals Finance IndexVals AI–65.3%
Vals RSI IndexVals AI33.0%37.3%
Vals Science IndexVals AI47.9%58.6%
Vals Multimodal IndexVals AI73.9%†–
Vals Router IndexVals AI–64.2%†
Vals Legal IndexVals AI–72.4%
AA Cyber IndexArtificial Analysis–28.7
安全与诚实
FORTRESSScale AI SEAL16.8%†5.8%
DistressBenchScale AI SEAL70.2%†75.6%†

数据截至 2026年11月16日。对比的是每个模型的最佳配置;每项分数的来源链接都在模型页面上。

DuelLab GameBench 2, release gb2-20261111-7b598bb13de4 (https://benchmarks.duellab.org/releases/gb2-20261111-7b598bb13de4/), CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Scores mapped to BenchLeader model names; not endorsed by DuelLab.

变化

  • Claude Opus 5 (max):25 项新结果(LiveCodeBench, MMLU-Pro, IOI…)。
  • Claude Opus 5.5 (max):38 项新结果(LiveBench 2.0, LiveBench Long Agentic, LiveBench 2.0 Reasoning…)。
  • Claude Opus 5 (max):1 项新结果(GDPval-AA v2.1)。
  • Claude Opus 5.5 (max):1 项新结果(PostTrainBench);1 项分数修订。
  • Claude Opus 5 (max):1 项新结果(MirrorCode)。
  • Claude Opus 5.5 (max):1 项新结果(MirrorCode);1 项分数修订。
  • Claude Opus 5 (max):BenchLeader Index 65.5 → 65.0。
  • Claude Opus 5.5 (max):BenchLeader Index 69.3 → 68.8。
  • Claude Opus 5.5 (max):2 项分数修订。
  • Claude Opus 5.5 (max):1 项分数修订。

排行榜: 综合最佳大模型 · 最适合编程的大模型 · 最适合智能体的大模型 · 便宜好用的大模型

Claude Opus 5 vs Claude Opus 5.5:常见问题

Claude Opus 5 比 Claude Opus 5.5 更好吗?
Claude Opus 5 (max) 与 Claude Opus 5.5 (max) 的质量不相上下(65.0 比 68.4,在 ±4.6 的误差范围内)。BenchLeader Index 综合了所有第三方质量基准测试;截至 2026年11月16日,两者差距在误差范围内,请结合你的用途查看各类别得分。
Claude Opus 5 和 Claude Opus 5.5 哪个更便宜?价格会变吗?
目前 Claude Opus 5.5 更便宜:每百万 token $8.00 比 $10.00(按每 1 个输出 token 对应 3 个输入 token 混合计算)。两者均未公布价格调整。
编程用 Claude Opus 5 还是 Claude Opus 5.5 更好?
Claude Opus 5.5 在编程方面得分更高(类别得分 79 比 67,50 为平均水平)。在两者共同的最主要编程基准测试 Arena WebDev 上,Claude Opus 5 为 1691,Claude Opus 5.5 为 1815。
Claude Opus 5 和 Claude Opus 5.5 哪个更快?
Claude Opus 5.5 输出更快(约 1.5 倍;输出 116 比 80 token/秒,Artificial Analysis 7 日中位数)。
智能体和工具调用用 Claude Opus 5 还是 Claude Opus 5.5 更好?
Claude Opus 5 在智能体任务方面得分更高(类别得分 64 比 61,50 为平均水平)。在两者共同的最主要智能体与工具基准测试 Terminal-Bench 上,Claude Opus 5 为 52.1%,Claude Opus 5.5 为 65.8%。
更多问题(4)
处理长文档哪个更好?
Claude Opus 5.5 在长上下文基准测试上得分更高(67 比 64)。两者都支持 1,000,000 token 的上下文。
哪个延迟更低?
Claude Opus 5 先开始回答:据 Artificial Analysis 测量,首个回答 token 的等待时间为 48.5 秒比 380.2 秒。这主要取决于推理强度:设置越高,回答前思考得越久。
第三方基准测试对 Claude Opus 5 和 Claude Opus 5.5 的看法一致吗?
在两者都有结果的 74 项基准测试中,Claude Opus 5 领先 9 项,Claude Opus 5.5 领先 63 项,2 项持平。所有同时评测两者的综合评分都认为 Claude Opus 5.5 更强。
Claude Opus 5.5 是什么时候发布的?
Claude Opus 5.5 于 2026年9月22日 发布。