Opus 5.5 登顶编码智能体指数，但单任务 token 消耗与成本双升

Artificial Analysis 推出 Coding Agent 基准榜单，Claude Opus 5.5 以 66 分登顶，是他们测过的最高分，但单任务 token 消耗与实际成本反而双双上升。

已确认

Artificial Analysis 上线 Coding Agent Index，基准包含 DeepSWE v1.1（113 个软件工程任务）、Terminal-Bench 4.0（66 个终端智能体任务）、SWE-Atlas-QnA（124 个任务）等。
Claude Opus 5.5 在 Claude Code 最大努力档位下得 66 分，位列第一，比 Opus 5 的 60 分更高，是该机构测过的最高分。
Opus 5.5 每任务消耗 1560 万 token，比 Opus 5 的 1140 万多 37%；其中缓存输入从 1090 万升至 1460 万，输出 token 从约 13.7 万翻倍至约 33 万。
尽管 Anthropic 同步下调了 token 单价，Opus 5.5 单任务成本仍为 13.04 美元，比 Opus 5 贵 21%。

@ivanbezdomny 转述用户实测反馈称，新 Opus 5.5 唯一的明显缺点是极其费 token，在 Intelligence Index 每个任务上的 token 消耗是所有受测模型中最高的；这或许也解释了 Anthropic 降价的逻辑——按单价便宜了，但用量大增后总账未必更省。
对重度使用编码智能体的团队而言，「按任务算总成本」比「按 token 算单价」更能反映真实开销，这一榜单为模型选型提供了直接参照。

2026-09-23 ~ 2026-09-24 · 5 条相关

第 1 集:Claude Opus 5.5 疑似现身 Claude Code，发布在即(2026-09-23,8 条)
第 2 集:Claude Opus 5.5 发布：更强更便宜，登顶 AA 智能指数(2026-09-23,195 条)
第 3 集:Perplexity 全量接入 Opus 5.5，称单任务成本省 67.6%(2026-09-23,2 条)
第 4 集:Anthropic 预告 Sonnet 5.5 与 Haiku 5.5 数周内发布(2026-09-23,2 条)
第 5 集:Claude Code 2.1.280 发布：Opus 5.5 成默认模型(2026-09-23,3 条)
第 6 集:传 Claude Opus 5.5 将对前沿开发任务自动降级到弱模型(2026-09-23,4 条)
第 7 集:Opus 5.5 登顶编码智能体指数，但单任务 token 消耗与成本双升(2026-09-23,5 条)
第 8 集:Opus 5 的 FrontierCode 得分从 53.4% 缩水至 48% 引争议(2026-09-23,3 条)
第 9 集:Opus 5.5 生成纳维-斯托克斯视频获赞品味出众(2026-09-23,2 条)
第 10 集:开发者称 Opus 5.5 成日常主力：更快更便宜(2026-09-23,2 条)
第 11 集:Claude Opus 5.5 获开发者一致好评，口碑压过 GPT-6 Sol(2026-09-23,17 条)
第 12 集:开发者赶在 Opus 5.5 或被削弱前压测数十任务(2026-09-23,2 条)