科技 · 2026-09-23 · AI 模型 · 阅读 0

Opus 5.5 降价，40%的任务成本降幅并非所有 token 都便宜四成

Anthropic 在Opus 5.5 发布页宣布，新模型输入和输出价格分别为每百万 token 4美元、20美元，较 Opus 5 低20%；缓存读取为0.20美元，下降60%。公司另称，默认设置下典型任务总成本下降约40%。

作者：林岚｜OC 开发者生态编辑

一句话结论：单价、缓存折扣与任务用量共同决定成本，厂商给出的总降幅不能直接套到每个应用。

三个降幅并不矛盾：输入、输出和缓存读取各有价格，一次任务又可能使用不同数量的 token。缓存占比较高的编码工作，与只有短提示的新会话，不会得到同样的节省。

发布页同时披露，部分生物与网络安全任务触发防护后会交给其他模型处理，基准脚注也说明了回退的存在。这意味着评测结果需要结合实际运行路径理解，不能一概视为单一模型在所有题目上的裸能力。

模型、回答、复核与成本的四项检查（AI 生成示意）

OC 认为，这次升级值得同时测试两件事：结果能否减少返工，回答是否更容易检查。文字更清楚有实际价值，但不能取代代码测试、事实来源与权限记录。把表达自然当成可靠性证明，容易让看起来合理的错误漏过审查。

团队若准备切换，宜保留同一批复杂任务的旧版结果，记录缓存命中、输出量、运行耗时和验收失败。测试也应覆盖模型拒绝或回退后的体验：用户是否知道任务状态，工作流是否能正确处理差异。

关键事实

价格：每百万输入4美元、输出20美元、缓存读取0.20美元。
40%口径：Anthropic 对默认设置下典型任务总成本的测算。
评测边界：发布方基准包含安全防护及部分模型回退，非独立复测。

OC 判断

降价最有意义的结果，是同一预算能够完成更多合格工作。厂商的平均数提供了测试理由，团队自己的任务分布才决定节省多少。采购时应把质量、延迟和失败处理放在同一张账上。

为什么重要

对开发者：分别记录缓存、输入、输出及重试开销。
对团队：核对任务中的安全回退行为，不把榜单分数当作所有工作流的保证。

参考来源

Anthropic：Claude Opus 5.5 发布与评测说明

发表评论

继续看看 OC 用户围绕这个话题说了什么、做了什么。

相关帖子

你们的Codex额度提前耗完了没？戒断反应如何？

<p>我在第三天就消耗了只剩1%，忍了一天，然后今天干脆用这最后的1%，开着5.6 Sol 极高强推我一个提示词笔记本应用的功能落地。最终用时3小时，居然还是跑完了。但是现在还是出现一些戒断反应，感觉啥也做不了，就无精打采的，困。</p> <p>我做了一个Prompt Notebook，专门用来收藏或者记录自己手搓的生图提示词。带Chrome一键收藏插件。支持AI优化提示词。支持提示词中提取常用字段作为提示词百科词汇。也自带生图功能用来测提示词。但是要搭配Cloudflare R2+Worker的图床。</p> <p>今天主要是做一个AI模特的资产库。将常用的AI模特固定下来，进行身份设定，以及模特的一些角色定妆图。之后生图可以直接调用AI模特自动作为垫图。</p> <p>这是AI模特资产库的界面： <img src="/upload/thread/202608/42b5f73e-938f-45de-b74e-da69da9d72a8.webp" alt="1bb0d28b-c7dd-4327-bafa-26b60323cbed" /> 这是主界面的提示词瀑布流，支持关键词或标签搜索： <img src="/upload/thread/202608/3e15b6e7-345f-48b4-aeff-1bbd89afe9d3.webp" alt="ab998e2f-9ccc-4173-832f-223aa6c6fa81" /> 这是提示词笔记的预览界面，可以复制提示词，分享提示词，点击分享还有分享短链：（https://prompt.jintao.co.uk/share/20260806LfsmY） <img src="/upload/thread/202608/bab31972-0468-4582-b873-6309233254a6.webp" alt="20260806-201213" /> 可惜现在没额度了，我又不想换模型折腾。现在还有些界面细节和小功能需要落地完善，可能还要虫子要抓。弄好了，打算放GitHub开源。</p> <p>有朋友想试试的么？</p>

shynloc 2 4

一个体会，Codex 这种现代 Agent，每天一个变，几天不用就有新惊喜

<p>当然我说的也包括 Claude Code，新功能日新月异，还有就是 AI 能力提升以后，可以做的东西日新月异。还有各种工作流方法日新月异。</p> <p>更好玩的是，我最近经历过很多次，你跟人介绍现在 Codex 可以做到什么样子，他们都觉得很厉害。但是你现场一演示，他们的震撼就更加完全不同了。所以，这种东西，需要大量的 Workshop 去沟通交流，光看文字很难讲清楚，直播、视频也越来越重要了。</p>

tinyfool 1 89

做 AI 语音产品时，授权、撤回和审计日志应该怎么落地？

<p>最近看到越来越多关于声音授权的讨论。对开发者来说，真正麻烦的往往不是“模型能不能模仿”，而是授权如何进入系统、生成结果如何追溯，以及授权撤回后该怎么办。</p> <p>我们在做 FlowSpeech 时也碰到过类似问题。我的体会是，不要把“用户勾选过同意”当成一个布尔字段，而应该把它做成一组可以审计的业务对象。</p> <h2>1. 把声音资产和授权分开</h2> <p>声音文件只描述技术属性，例如哈希、上传者、存储位置和创建时间。授权记录则至少要包含授权主体、用途范围、地域、有效期、来源证据和当前状态。这样同一份声音用于个人试听、商业广告、公开播客时，可以绑定不同的授权，而不是共用一个模糊的 consent=true。</p> <h2>2. 每次生成都保存授权快照</h2> <p>生成任务不要只引用当前授权 ID。授权内容以后可能变更，如果任务只查最新状态，历史结果就无法解释。更稳妥的做法是在任务创建时保存授权版本、文本哈希、声音版本、模型版本和操作者。生成出的音频再记录 artifact_id，并反向关联任务。</p> <p>我会把最小链路设计成：</p> <ol> <li>voice_asset：原始声音及版本；</li> <li>consent_grant：授权范围与证据；</li> <li>generation_job：请求参数和授权快照；</li> <li>audio_artifact：输出文件、校验值和公开状态；</li> <li>audit_event：谁在什么时候创建、下载、公开或撤回了内容。</li> </ol> <h2>3. 撤回不是简单删除一行</h2> <p>授权撤回后，系统至少要阻止新任务，并把相关公开音频进入下架队列。已经交付给客户的文件是否能删除，要按照合同和产品能力区分，不能在界面上承诺技术上做不到的“全球删除”。更现实的状态机是 active、suspended、revoked、expired，并明确每个状态允许哪些动作。</p> <h2>4. 对外展示也要可验证</h2> <p>除了后台日志，公开音频最好带上来源标记或可查询的生成记录。水印不是万能方案，但“可识别的音频 + 可验证的元数据 + 清晰的举报入口”组合起来，比一句“AI 生成”更有用。</p> <p>我们现在做的 <a href="https://flowspeech.io/zh">FlowSpeech</a> 主要解决上下文感知、情绪和停顿控制。越往产品化走，越觉得声音效果只是前半程，权限边界和可追溯性才决定这类工具能不能长期使用。</p> <p>大家在实际项目里会把授权证据放在业务数据库、对象存储，还是单独的审计系统？如果授权撤回，你们通常怎么处理已经生成并交付的音频？</p>

FlowSpeech 0 1

你在用 Codex 的什么套餐，我是100美金的，已经想升级了

<p>你们呢？</p> <p>我最近主要是做了很多 Blender mcp 的事情，感觉效果很好，当然同时也很耗费 Token</p>

tinyfool 6 235

Opus 5.5 降价，40%的任务成本降幅并非所有 token 都便宜四成