Anthropic 当前的 Claude 产品线使得简单的价格比较具有误导性。 本评测让 Claude Opus 5.5、Claude Opus 5 和 Claude Fable 5.1 处理相同的五个提示，并报告了任务结果、本地耗时、路线报告的令牌使用情况以及每次观察的限制条件。.
这种实际差异在任务卡上可见一斑。. 在测试数据集Fable 5.1中，Opus 5.5的处理速度最快且成本最低；Fable 5.1生成的输出令牌数量最少，且中文格式的响应最为简洁；Opus 5的处理耗时最长，而Opus 5.5生成的输出令牌数量最多。 编码卡指出了一个重要的前提：输出越短并不一定意味着输出质量越高。.
我们从之前的 Claude Opus 5.5 评测中复制了五个提示，并对每个模型分别运行了每条提示一次。请求设置完全相同：8,192 个令牌的上限、高投入度、一条用户消息，且不使用工具。该请求返回了 HTTP 200 状态码，并且 end_turn 针对所有 15 个请求。.
简答
- 在这套包含五项任务的练习中，速度最快的是： Claude Opus 5.5 在五个连续请求中耗时 47.725 秒（本地端到端时间）。Claude Fable 5.1 耗时 53.290 秒，而 Claude Opus 5 耗时 61.470 秒。.
- 最低建议零售价： 根据官方代币汇率计算，Opus 5.5 的五笔请求总计约为 $0.0818，其次是 Opus 5，为 $0.0962，以及 Fable 5.1，为 $0.1415。 这些是算术估算值，并非平台收费。.
- 优质结果： 这三者均返回了五发子弹的提取结果、可解析的JSON以及正确的数学答案。各代码的输出在边际情况处理方面存在差异，而Fable 5.1对那两段中文格式的指令遵循得最为准确。.
- API注意事项： Opus 5.5 并非适用于所有 Opus 5 集成的直接替换方案。其迁移指南指出，“思考”功能无法禁用，且某些旧版工具或思维模式需要进行调整。.
- 请不要过度解读排名： 这是针对某条路线上的每个任务进行的一次匹配运行。它衡量的是具体行为、耗时和报告的使用情况，而非通用模型评分。.
这三款机型的售价及亮点
在 Anthropic 当前的模型文档中，这三个 API 共享一个 1M 令牌的上下文窗口，且最大输出为 128K。 它们的计费单位和状态各不相同：Opus 5.5 是最新的 Opus 路径，Opus 5 被标记为旧版，而 Fable 5.1 具有最高的标准输入/输出速率。.
| 模型 | 官方地位 | API 模型 ID | 输入/输出 | 上下文 / 最大输出 | 默认努力 | 缓存读取 |
|---|---|---|---|---|---|---|
| Claude Opus 5.5（简体中文（大陆）） | 最新 | 克劳德-作品第5号-第5首 | $4 / $20 每 MTok | 1M / 128K | 中型 | $0.20 / MTok |
| Claude Opus 5 | 有效、过时 | 克劳德-作品第5号 | $5 / $25 每 MTok | 1M / 128K | 高 | $0.50 / MTok |
| Claude Fable 5.1 | 最新 | 克劳德寓言-5-1 | $10 / $50 每 MTok | 1M / 128K | 高 | $0.25 / MTok |
以一个简单的非缓存示例为例，在 Opus 5.5 上，100,000 个输入令牌加 20,000 个输出令牌的费用为 $0.80， 在 Opus 5 上为 $1.00，在 Fable 5.1 上为 $2.00（按列出的费率计算）。Fable 5.1 的缓存读取率低于 Opus 5，因此对缓存依赖度较高的代理工作负载需要单独计算。.
官方基准测试表显示了什么
Anthropic’s Claude Opus 5.5 公告 将这三款机型都列入了同一张供应商对比表中。Opus 5.5 在列表中名列前茅，但这些结果是由供应商根据特定基准测试的测试套件和工作负载设置报告的。公告本身也提醒道，在这个性能级别上，基准测试中微弱的差距并不能可靠地反映实际使用中的差异。.
| 服务提供商基准 | 作品第5.5号 | Fable 5.1 | 作品第5号 | 测量内容 |
|---|---|---|---|---|
| Terminal-Bench 4.0 | 66.4% | 55.8% | 52.3% | 基于Agentic的命令行编程 |
| FrontierCode v1.1 | 54.4% | 50.3% | 48.0% | 代理代码的更改是否会被合并 |
| CursorBench 4.0 | 57.8% | 51.8% | 46.6% | 模棱两可的多文件编码任务 |
| GDPval-AA v2.1 | 1846 | 1735 | 1708 | 涵盖44个职业的专业知识型工作 |
| AutomationBench | 40.0% | 31.4% | 26.9% | 端到端业务工作流 |
| 人类的最后一场考试 | 67.7% 使用工具 | 65.6%（含工具） | 63.6%（含工具） | 跨学科推理 |
| OSWorld 2.0 | 81.8% 部分 | 80.7% 部分 | 74.0% 部分 | 计算机使用任务 |
该表格有助于定位供应商声称的性能前沿。它不能替代下方的匹配卡片：我们的测试采用简短的单轮提示、高投入、不使用工具，并由第三方控制路线。.
相同的提示词，相同的请求设置
我们从之前的 Opus 5.5 测试包中复制了五个提示，并将每个提示各发送给每个模型一次。客户按任务轮换了模型的顺序，使用了 UTF-8 格式的 JSON，并从请求开始计时直至完整响应正文被读取完毕。全部 15 个请求均返回了 HTTP 200 状态码，并且 end_turn. 有关更全面的理论依据和可重复的工作流程，请参阅 GlobalGPT 如何测试 AI 模型.
时间与令牌的比较
| 路线 | 已过去5局 | 平均值 / 任务 | 输入标记 | 输出标记 | 路径导向型思维 | 建议零售价* |
|---|---|---|---|---|---|---|
| Claude Opus 5.5（简体中文（大陆）） | 47.725秒 | 9.545秒 | 700 | 3,952 | 2,214 | $0.0818 |
| Claude Opus 5 | 61.470秒 | 12.294秒 | 690 | 3,709 | 1,859 | $0.0962 |
| Claude Fable 5.1 | 53.290秒 | 10.658秒 | 700 | 2,690 | 1,122 | $0.1415 |
*该估算值基于路由报告的输入/输出令牌数量以及 Anthropic 列出的标准 API 费率得出。其中不包括缓存费用、平台积分、税费及加价。耗时指请求发送后当地的端到端实际时间，而非服务提供商的延迟或每秒令牌数。 “思考”是路由报告中的使用情况字段，并非独立测量的隐含推理过程。.
根据评估指标的不同，综合结果指向不同的方向。Opus 5.5 返回的总耗时最短且预估成本最低，Fable 5.1 返回的输出令牌数量最少，而 Opus 5 在这一组中总耗时最长。 答案越简短并不一定就越好：编码卡说明了为什么仍然需要仔细阅读输出内容和边界情况的处理。.
五张配对任务卡
这些模型能否修复混合型去重功能？
任务设置： 该提示要求提供一个经过修正的函数以及两个简洁的测试用例，字符串比较不区分大小写，保留原始拼写，且在处理非字符串值时不会导致程序崩溃。.
| 模型 | 时间 / 使用情况 | 观测结果 |
|---|---|---|
| Claude Opus 5.5（简体中文（大陆）） | 15.844秒（本地时间）· 145进 / 1478出 · 700思考 · 回合结束 | 使用大写小写不分，并采用列表作为备用方案；其文档字符串中提到“身份”，而代码中却使用了“相等”操作。. |
| Claude Opus 5 | 16.845秒（本地时间）· 143进 / 1109出 · 312思考 · 回合结束 | 添加了带类型标记的键和等值回退机制，并指出了无效的单行 Python 语法。. |
| Claude Fable 5.1 | 12.778秒（本地时间）· 145进 / 783出 · 0思考 · 回合结束 | 对于不可哈希的值，使用 repr(item)；该方法虽然能通过示例测试，但在不同类型之间可能发生冲突。. |
比较结果： “边界情况”是一种任务层面的观察结果，并非针对所有编码工作负载的论断。.
这些模型能否在不添加任何断言的情况下保留所给的五个事实？
任务设置： 该输入是一则关于对三款写作助手进行为期两周测试的简短笔记。这是一项简短的文本提取任务，而非基于大语境的基准测试。.
| 模型 | 时间 / 使用情况 | 观测结果 |
|---|---|---|
| Claude Opus 5.5（简体中文（大陆）） | 4.374秒（本地）· 210 进 / 312 出 · 101 思考 · 结束回合 | 归还了五发编号子弹，并严格遵循了提供的信息；标签和顺序略有不同。. |
| Claude Opus 5 | 4.661秒（本地）· 208 进 / 265 出 · 27 思考 · 回合结束 | 归还了五发编号子弹，并严格遵循了提供的信息；标签和顺序略有不同。. |
| Claude Fable 5.1 | 6.305秒（本地时间）· 210 进 / 223 出 · 0 思考 · 回合结束 | 归还了五发编号子弹，并严格遵循了提供的信息；标签和顺序略有不同。. |
比较结果： 源文本很短；这仅用于验证基于上下文的提取和格式化，而非处理数百万令牌的上下文。.
这些模型能否返回与请求完全一致的结构？
任务设置： 该提示仅要求提供有效的 JSON 格式，包含五个完全匹配的键、两项优点、两项缺点以及简短的字符串。虚构的评论内容并不构成关于任何模型的证据。.
| 模型 | 时间 / 使用情况 | 观测结果 |
|---|---|---|
| Claude Opus 5.5（简体中文（大陆）） | 8.276秒（本地）· 128进 / 622出 · 390思考 · 结束回合 | 返回了包含请求键值以及两项优点和两项缺点的可解析 JSON；生成的评论声明仅为测试文本，并非产品事实。. |
| Claude Opus 5 | 6.344秒（本地时间）· 126进 / 238出 · 0思考 · 结束回合 | 返回了包含请求键值以及两项优点和两项缺点的可解析 JSON；生成的评论声明仅为测试文本，并非产品事实。. |
| Claude Fable 5.1 | 6.626秒（本地）· 128进 / 203出 · 0思考 · 结束回合 | 返回了包含请求键值以及两项优点和两项缺点的可解析 JSON；生成的评论声明仅为测试文本，并非产品事实。. |
比较结果： 这些 JSON 字符串描述了一个虚构的评论设置，不得作为产品信息发布。.
这些模型能否将圆整后的批处理序列一直延续到最终答案？
任务设置： 该序列先是12，随后是25%，采用向下取整，共分四批次。.
| 模型 | 时间 / 使用情况 | 观测结果 |
|---|---|---|
| Claude Opus 5.5（简体中文（大陆）） | 3.830秒（本地时间）· 89进 / 257出 · 74思考 · 结束回合 | 计算结果分别为12、15、18、22，总和为67；这三组结果均以要求的独立数字67收尾。. |
| Claude Opus 5 | 5.079s 本地 · 87 进 / 277 出 · 90 思考 · end_turn | 计算结果分别为12、15、18、22，总和为67；这三组结果均以要求的独立数字67收尾。. |
| Claude Fable 5.1 | 5.347秒（本地时间）· 89进 / 127出 · 0思考 · 结束回合 | 计算结果分别为12、15、18、22，总和为67；这三组结果均以要求的独立数字67收尾。. |
比较结果： 这三个人都通过了这项算术测试；仅凭一项测试无法评估一般推理的可靠性。.
该路线能否保持要求的两段式结构？
任务设置： 提示要求提供两段中文内容，每段80至120个汉字：先是关于价值的回答，然后是测试计划。.
| 模型 | 时间 / 使用情况 | 观测结果 |
|---|---|---|
| Claude Opus 5.5（简体中文（大陆）） | 15.401秒（本地时间）· 128 输入 / 1283 输出 · 949 思考 · end_turn | 已按要求还原了那两段内容，然后添加了 Markdown 标记和一条英文注释。. |
| Claude Opus 5 | 28.541秒（本地时间）· 126次输入 / 1820次输出 · 1430次思考 · 结束回合 | 还原了所要求的两段内容，然后在分隔符后添加了一段英文注释。. |
| Claude Fable 5.1 | 22.234秒（本地时间） · 128 输入 / 1354 输出 · 1122 思考 · end_turn | 返回了两段格式规范的中文段落，没有多余的注释或 Markdown 标记。. |
比较结果： 此记录旨在展示按照已测试路线执行操作的步骤；它并非中文质量基准。.
API 和迁移注意事项
Opus 5.5 并非适用于所有 Opus 5 集成的直接替换方案。Anthropic 的 迁移指南 指出在 Opus 5.5 中无法禁用“思考”功能；尝试禁用或手动启用旧版“思考”模式的请求将返回 400 错误。此次迁移还更改了强制工具使用机制，将“思考”模块与模型和对话关联起来，并替换了 Claude API 和 Google Cloud 路径中旧版的计算机使用工具。.
所使用的共享测试 output_config.effort: high 针对这三种模型均进行了测试，以便更方便地比较提示生成的结果。 这意味着这些测试并未还原各模型的默认努力程度设置。据文档记载，Fable 5.1 始终开启自适应思维且默认努力程度为高；Opus 5.5 始终开启自适应思维且默认努力程度为中；Opus 5 则在开启自适应思维的同时采用高默认努力程度。.
这项测试实际上支持什么
任务层面的裁决
作品第5.5号： 在这个包含五个任务的包中，其运行速度最快，预估标价最低，同时生成的输出令牌数量也最多。. Fable 5.1： 总体输出最短，且最严格地符合中国的“两段”约束，但其较高的令牌价格导致五次运行的估计值最高，且其编码回退方案存在一个具体的交叉类型边界情况。. 作品第5号： 在数据提取、JSON 和数学运算任务中表现正确，但在该路由示例中速度最慢，且在官方文档中被标记为过时。.
这足以证明在该测试路径上实际更倾向于使用 Opus 5.5，但还不足以断言它在所有工作负载下都表现最佳。在将测试结果作为生产环境基准之前，请使用各种工具、更长的输入数据并进行多次运行来重复该测试。.
如果你想在不开设三个独立账户的情况下重现这一比较，, 在 GlobalGPT 中试用模型比较工作流. 在做出任何生产决策之前，仍应分别验证直接模型路径和上游提供商的映射关系。.
常见问题
在对比测试中，哪款车型速度最快？
Claude Opus 5.5 的本地总耗时最低：五次连续请求共计 47.725 秒。这是路由观察结果，而非提供商侧的延迟。.
哪个模型使用的输出令牌最少？
Claude Fable 5.1 在五项任务中共使用了 2,690 个路由报告的输出令牌，而 Opus 5 和 Opus 5.5 分别使用了 3,709 个和 3,952 个。.
在此次测试中，哪款机型最便宜？
基于官方标准API费率及返回的输入/输出令牌数量，Opus 5.5给出的五次运行成本预估最低，为$0.0818。该数值不包含缓存、积分、税费及平台加价。.
这三个模型都通过了相同的任务吗？
这三者均返回了基于地面数据的五发子弹提取结果、包含请求键值的可解析JSON数据，以及正确的总数67。编码和中文格式的卡片显示了有意义的输出差异。.
这是一项长上下文基准测试吗？
不。该重复使用的提取提示包含一段简短的文本。它旨在测试知识锚定和精确格式化能力，因此不应被视为百万令牌上下文处理能力的证据。.
Claude Opus 5 是否仍然适用？
Anthropic 的模型文档将 Opus 5 标记为“活跃但已过时”，并建议考虑使用 Opus 5.5 以获得更佳性能。现有 API 集成应在切换前查阅迁移指南。.
官方规格： Opus 5.5 文档, Opus 5 文档, 和 Fable 5.1 文档. 服务提供商的基准值来自 Anthropic；实际操作数据则来自上文所述的匹配测试包。.
