10月12日，claude.ai 上正在以 Opus 5.5 的标签测试一个未命名的新模型，部分账号已经命中，社区猜测它的名字是 “Opus 5.6” 或 Fable 5.5 的早期版本，而 Anthropic 没有官宣。 第三方观测的口径更直接：Anthropic 旗下 Opus 5.5 疑被静默路由至更强新模型，多角度实测输出显著变强。 这场没有发布会的性能前瞻，答案不在参数，而在节奏——下半年 AI 生产力工具的演进，正被三个已经发生的转向推着走：模型型号正在失去可信度，每任务成本正在取代单价，生产主战场正从对话窗口移向智能体长任务。哔哩哔哩知乎
灰测成了"第二次发布"，型号正在失去可信度
这不是偶发事件。8 月 19 日已有明确消息：Fable 5.1 开启灰度测试，部分 Claude 用户悄悄用上，参照 Fable 5 当时"先抽 5% 用户、当天全量推送"的节奏，业内判断全量发布临近。 9 月中旬，又有信息称 Anthropic 新一代模型 Claude Opus 5.2 悄然上线，在 Claude Code 中开启灰度测试。 到 10 月 12 日，"Fable 5.5 或 Opus 5.6 即将发布"已经是各家 AI 早报的固定条目。微博微博哔哩哔哩
与灰测并行的是编号体系的漂移。这一代 Opus 5.5 直接跳过了 5.1、5.2 的序列发布。 Anthropic 此前也有把原本调用旧模型的请求在后台定向至新版本的做法。 至于灰测版本为什么会"越来越强"，目前只有一种未证实的推测：谷歌工程师 Patrick 认为 Opus 5.5 可能由内部更强的 Model 2 通过知识蒸馏训练而成。知乎微博36氪
标签与能力的脱钩，连评测也未能幸免。Vals AI 复测 Terminal-Bench 4.0 时发现，Opus 5.5 名义 65.15% 的成绩里，198 次任务有 22 次实际由 Opus 5 或 Opus 4.8 代答；把这些供应商侧回退按失败计，成绩从 65.15% 掉到 58.08%，反而低于 Sonnet 5.5 和 GPT-6 Astra。 同一类质疑也砸向对手：OpenAI 被指将付费 GPT-6 用户静默降级至 5.4。 对企业用户，这意味着选型规则正在被改写：合同与评测应当锁定"任务和价格"，而不是一个可能随时换芯的型号。知乎知乎
价格战的下半场：每任务成本取代单价
Opus 5.5 的价目表确实破了连续四代停在 $5/$25 的锚点：输入 $4、输出 $20，对比 Opus 5 的 $5 / $25 降幅 20%，缓存读取从 $0.50 降到 $0.20、降幅 60%。 10 月 8 日发布的 Haiku 5.5，更进一步把 API 价格降到上一代的十分之一。 而在降价之前，市场已经先投过一票：9 月 18 日，API 聚合平台 OpenRouter 统计显示，用户花在 OpenAI 模型上的周支出 30 个月来首次超过 Anthropic。知乎知乎微博
但"降价"不等于"便宜"。OpenAI 强调 GPT-6 Sol/Luna 的整表对折是永久降价而非促销，两家同时放松订阅配额，意图都是把用量做大。 反直觉的地方在单价之外：有实测把 Sonnet 5.5 与 Opus 5.5 同开 max effort 跑同一批题，Sonnet 5.5 每题约 7.60 美元，反而比 Opus 5.5 的 5.98 美元贵了 27%。 单价减半的优势，被高档位多吐的 token 吃了回去。知乎知乎
真正把标价压住的是结构性力量。Silicon Data 的 LLM token 支出指数首次跌破 $1 / 百万 token，报 $0.97，而 5 月底还是 $2.04、8 月初 $1.16。 同期，OpenRouter 上美国实验室的工作量份额从约 70% 降到约 30%，2026 年 7 月按 token 量排名前五全部是中国模型；多家报道援引的 Juniper 口径更直接——中国模型的运行成本可比美国头部模型低至多 90%。价格战打到下半场，灰测里那句"代码感觉更犀利"才指向真正的胜负手：下半年的竞争力不在再砍一轮标价，而在用更少的 token、更高的一次通过率把任务做完。知乎
灰测现场就是生产力现场
注意这轮灰测发生的地点：不是实验室截图，而是 Claude Code、Chat 与 Cowork 这些天天被用来干活的产品里。工具形态随之变形：Claude Code Projects 已经化身智能体管理器，可以自动拆解任务并行跑。 Grok Bot 则用免费接入 Opus 5.5 冲第一 Personal Agent 的位置。 用户侧最热的新玩法是"模型不会画画，却用代码把视频画出来"——最近，用 Claude Opus 5.5 做视频的人越来越多，尤其是 MG 动画。知乎36氪知乎
长任务能力也在被重新定价。厂商口径称一次 68 万行代码迁移不到一天、一次 20 万行审计加修复不到 3 小时，同样的活 Opus 5 要 20 多小时——这是厂商对自选负载的估计，不是账单承诺，但与 Box、Kiro 等接入方报告的 token 用量下降方向一致。 追赶者同样没有停步：谷歌 Gemini 4 Carbon 曝光，被形容为"上一代还没发布，下一代已学会自我进化"。 月之暗面 Kimi K3.1 也已泄露，宣布十月发布、对标 Astra。 竞争的共同方向不是"更会聊天"，而是"更会把活干完"。知乎36氪知乎
传闻之外，能锁定的是机制
回到标题里的 “Opus 5.6”：这个名字目前只是社区猜测，"输出已经让常规的 Opus 5.5 显得原始"出自测试者的主观转述，“S-1 于六月提交、IPO 窗口十一月、目标约 2 万亿美元"整串都来自未核实的爆料——它们都不构成结论。能被多方信号共同印证的是机制本身：Anthropic 正在活用户身上测试新模型，却不公开名字。 对企业与开发者，下半年的观察清单其实很短：第一，用真实任务测自己的每题成本，而不是盯着发布会跑分；第二，假设你随时可能被灰度，给关键流程留下可随时复测的基线与回退方案；第三，把采购判断从"模型型号"转向"任务完成率加账单验证”。如果哪天 Claude 的回复明显更"犀利"而价格没变，不必惊讶——你多半已经在灰测里了。哔哩哔哩
