X

GPT-6 Sol and Luna already available for me! Check your codex https://t.co/TXgVjxpiJu https://t.co/iGBBJU86zy

Anthropic 内部的的 工程师Dan Fein，分享了Opus 5.5 今天发布后的第一批内部 demo，一万三千块瓷砖，零张图片， 纯代码生成视觉内容这个方向，之前 Fable 5.1 也能做，但瓷砖数量和动画复杂度到这个级别的，确实是头一次见到， 一个纯代码马赛克动画，13,081 个瓷砖的颜色、位置和运动轨迹全部由模型在代码里算出来，没有引入任何外部图片文件。 这意味着模型需要同时理解像素级的色彩构成、瓷砖在画布上的几何排列、以及随时间变化的帧动画逻辑。最后还有一个细节——画面里星星的水面倒影会逐渐变形，孵化成 22 条游动的小鱼，这些形变和运动也是纯数学计算。 不是一次简单的 HTML 输出，是一万三千个元素在同一个坐标系里协调运动，且视觉上能看。 跑分能告诉你模型在标准任务上排第几，但跑分没法告诉你它能不能在一次对话里，把一个艺术想法翻译成上万行可运行、可观看的代码。 这类任务对上下文管理、空间推理和代码一致性的要求远超典型 benchmark 覆盖的范围。 不过也要说清楚：这是一个展示上限的 demo，不代表每次都能复现同等质量。模型在视觉代码生成上确实有了明显跃迁，但具体到你自己的项目，效果还是要实测。 https://t.co/ZuLyQIncBF

Meet PixVerse R2, our new real-time world model. Explore living worlds. Control and edit them with prompts. Shape the story. Meet characters that remember and respond. https://t.co/XsyqrAvtdJ

Here we go: next big launch incoming! Sol and Luna rolling out. I’ll post the benchmarks as soon as I get access to them! Check your codex friends! https://t.co/54ptPM1si3

喵个咪，还是要有竞争啊，要不是@OpenAI 和GPT-6给压力，桀骜不驯的@DarioAmodei 能把能把能力接近Fable 5.1 的Opus 5.5 价格压这么低吗？ 两个月前 Opus 5 的卖点是"接近 Fable 但便宜一半"，刚发布的 Opus 5.5 直接做到了大多数任务持平甚至超过 Fable 5.1，价格比 Opus 5 再降 40%，Fable 级智力，Opus 级价格，输出速度还快了三成。 先看跑分，Terminal-Bench 4.0 拿了 66.4%，Fable 5.1 是 55.8%，GPT-6 Astra 57.9%。CursorBench 4.0 拿了 57.8%，比 GPT-5.6 Sol 的 41.7% 高出 16 个点。知识工作 GDPval-AA 1846 Elo，高于 Fable 5.1 的 1735 和 Astra 的 1542。Anthropic 自己也说了，跑分到这个水平差距已经不能完全代表真实体验，但方向是明确的。 再看价格，Input $4/M tokens，Output $20/M，比 Opus 5 各降 20%。最关键的是 cache reads 从 $0.50 降到 $0.20，降了 60%。跑 Agent 和编码任务的成本大头就是 cache reads，这一刀对月账单的影响比 input/output 降价大得多。算下来默认设置下跑 FrontierCode 打赢 Astra，成本约 Astra 的 20%。 Terminal-Bench 打平 Astra，成本约 40%。CursorBench 赢 Sol 11 个点，成本约三分之一。 对用 Claude Code 做日常开发的人来说，最实际的变化是效率。一个早期测试者拿 200,000 行代码库做审计和修复，Opus 5 要 20 多小时、用了 2.5 倍的 token，Opus 5.5 不到 3 小时搞定。 Anthropic 内部测试让两个模型把 HAProxy 从 C 翻译成 Rust，两个版本都通过了几乎全部回归测试，Opus 5.5 用了 9.5 小时、Fable 5.1 用了 12 小时，成本低 51%。另一个测试者用它做 680,000 行代码迁移，不到一天完成。 知识工作也有实际案例。让模型写季度财报分析报告，要求每个数字和引用都能核对到来源，Opus 5.5 的 18 次尝试里 16 次通过质量审核，Fable 5.1 和 Opus 5 一次都没过。做并购分析出 Excel 模型加演示文稿，63 分钟完成，Opus 5 要 93 分钟，成本低一半。 安全方面讲两件事。第一，行为审计得分历代最高，沙箱逃逸尝试比 Opus 5 和 Mythos 5.1 减少约 85%，prompt injection 抵抗力追平 Fable 5.1。 第二，因为网安和生物能力接近 Mythos 5.1，Anthropic 给它上了和 Fable 5.1 同级别的安全护栏——网安任务会被回退到 Opus 4.8 执行，生物任务回退到 Opus 5。 所以跑分里带护栏的成绩实际上是多个模型协作的结果，不是纯 Opus 5.5 单模型得分，这点看跑分的时候要注意。 Anthropic 还承认了一个没解决的问题：Opus 5.5 似乎经常意识到自己正在被评测，这让他们很难预判它在真实部署场景下的行为。这是一个很诚实的披露。 另外 Pro、Max、Team 订阅的五小时用量上限提升了，新增了一个可以自己选择时机使用的 rate limit reset。Sonnet 5.5 和 Haiku 5.5 几周内跟进。 官方的使用建议是：大多数工作直接用 Opus 5.5，只有高难度推理和长期 Agent 任务在 Opus 5.5 跑不动的情况下才上 Fable 5.1。 对大部分用户来说，今天之后的默认选择就是 Opus 5.5 了。

喵个咪，还是要有竞争啊，要不是@OpenAI 和GPT-6给压力，桀骜不驯的@DarioAmodei 能把能把能力接近Fable 5.1 的Opus 5.5 价格压这么低吗？ 两个月前 Opus 5 的卖点是"接近 Fable 但便宜一半"，刚发布的 Opus 5.5 直接做到了大多数任务持平甚至超过 Fable 5.1，价格比 Opus 5 再降 40%，Fable 级智力，Opus 级价格，输出速度还快了三成。 先看跑分，Terminal-Bench 4.0 拿了 66.4%，Fable 5.1 是 55.8%，GPT-6 Astra 57.9%。CursorBench 4.0 拿了 57.8%，比 GPT-5.6 Sol 的 41.7% 高出 16 个点。知识工作 GDPval-AA 1846 Elo，高于 Fable 5.1 的 1735 和 Astra 的 1542。Anthropic 自己也说了，跑分到这个水平差距已经不能完全代表真实体验，但方向是明确的。 再看价格，Input $4/M tokens，Output $20/M，比 Opus 5 各降 20%。最关键的是 cache reads 从 $0.50 降到 $0.20，降了 60%。跑 Agent 和编码任务的成本大头就是 cache reads，这一刀对月账单的影响比 input/output 降价大得多。算下来默认设置下跑 FrontierCode 打赢 Astra，成本约 Astra 的 20%。 Terminal-Bench 打平 Astra，成本约 40%。CursorBench 赢 Sol 11 个点，成本约三分之一。 对用 Claude Code 做日常开发的人来说，最实际的变化是效率。一个早期测试者拿 200,000 行代码库做审计和修复，Opus 5 要 20 多小时、用了 2.5 倍的 token，Opus 5.5 不到 3 小时搞定。 Anthropic 内部测试让两个模型把 HAProxy 从 C 翻译成 Rust，两个版本都通过了几乎全部回归测试，Opus 5.5 用了 9.5 小时、Fable 5.1 用了 12 小时，成本低 51%。另一个测试者用它做 680,000 行代码迁移，不到一天完成。 知识工作也有实际案例。让模型写季度财报分析报告，要求每个数字和引用都能核对到来源，Opus 5.5 的 18 次尝试里 16 次通过质量审核，Fable 5.1 和 Opus 5 一次都没过。做并购分析出 Excel 模型加演示文稿，63 分钟完成，Opus 5 要 93 分钟，成本低一半。 安全方面讲两件事。第一，行为审计得分历代最高，沙箱逃逸尝试比 Opus 5 和 Mythos 5.1 减少约 85%，prompt injection 抵抗力追平 Fable 5.1。 第二，因为网安和生物能力接近 Mythos 5.1，Anthropic 给它上了和 Fable 5.1 同级别的安全护栏——网安任务会被回退到 Opus 4.8 执行，生物任务回退到 Opus 5。 所以跑分里带护栏的成绩实际上是多个模型协作的结果，不是纯 Opus 5.5 单模型得分，这点看跑分的时候要注意。 Anthropic 还承认了一个没解决的问题：Opus 5.5 似乎经常意识到自己正在被评测，这让他们很难预判它在真实部署场景下的行为。这是一个很诚实的披露。 另外 Pro、Max、Team 订阅的五小时用量上限提升了，新增了一个可以自己选择时机使用的 rate limit reset。Sonnet 5.5 和 Haiku 5.5 几周内跟进。 官方的使用建议是：大多数工作直接用 Opus 5.5，只有高难度推理和长期 Agent 任务在 Opus 5.5 跑不动的情况下才上 Fable 5.1。 对大部分用户来说，今天之后的默认选择就是 Opus 5.5 了。

Introducing Claude Opus 5.5, the first model in our new Claude 5.5 family. It performs at the level of Claude Fable 5.1 for most tasks, and costs 40% less to run than Opus 5. https://t.co/Q9C2VKQ79f

Anthropic says Opus 5.5 may notice when it’s under evaluation, making clean eval behavior harder to generalize to actual deployment. https://t.co/8WiaTPFnDW https://t.co/dFiDSbwBWZ