Anthropic 发布 Claude Opus 5.5，宣称性能达到 Fable 5.1 水平，成本比前代 Opus 5 低 40%：输入每百万 token 4 美元、输出 20 美元（前代为 5 和 25）。基准测试基本压过 Fable 5.1 和 GPT6 Astra，但官方没放 SWE 分数。模型卡显示百万 token 上下文、最大输出 128K，默认推理档位是 medium，其他模型多为 high。争议点是涉及前沿 LLM 开发的任务（比如某些 ML 加速器的 kernel 开发）会回退到更弱的模型。还新增 banked reset，接近限额时可重置用量。
实测部分：browser OS 做出 Basalt OS，UI 精致、带日历、能开第二台机器并拖拽窗口，是同类里最好的。Grand Theft Polygon 极像 GTA。C++ 无依赖的纽约滑板游戏跑了一个半小时，有水效、鱼眼机位、翻转和磨杆，强过 Astra 和 Fable 的版本。Medium 档的手表网站不错，爆炸视图可旋转，但字体难读、特别版腕表一开始出错。Blender + GODOT 的摔跤游戏动画完整还有终结技。机械臂抓 Hot Wheels 车没成功，但会先做模拟再执行。地铁 FPS 的音效和列车加速手感是同类最佳。自创的吉他店格斗游戏在 extra 档跑了两小时，生成 340 个独立吉他模型，卡顿严重但内容惊人。
整期视频几乎没消耗多少用量限额。结论：这是个造游戏怪兽。
title: Claude Opus 5.5 Is INSANE – Hands-On With the BEST Model Yet!
url: https://www.youtube.com/watch?v=ux6Lafw7en0
uploader: Bijan Bowen
publish_timestamp: 2026-09-23 06:42:33 UTC+8
duration: 37:40
原视频描述(中文翻译):
时间戳：
00:00 - 开场介绍
01:05 - 初次上手
02:00 - 技术细节
04:16 - 测试设置信息
05:04 - 浏览器 OS 测试
11:33 - C++ 滑板游戏测试
18:01 - 手表网站测试
21:32 - Blender 与 Godot 测试
26:04 - Subway FPS 测试
30:39 - 原创基准测试
36:34 - 结语
在本视频中，我们上手体验 Claude Opus 5.5，在一系列高难度编程和创意任务中测试 Anthropic 的最新模型。
我们让它经历基于浏览器的工作流、C++ 游戏开发、前端设计、Blender 和 Godot 测试、FPS 生成，以及一个旨在推动模型超越简单演示的原创基准测试。
