
Every 实测 Opus 5.5:把一批 Codex 用户拉回 Claude,编码接近 Fable,但截止任务仍会「做完别的却交不出作业」
一句话结论
Every 七天实测认为 Opus 5.5 修好了 Opus 5 的难相处:编码与设计让多人重回 Claude,相对 Fable 约便宜六成;但写作仍爱绕弯,限时交付物可能把时间花在附件上却交不出主文档。
背景与理念
上一代 Opus 5 被他们形容成「难爱」:会争辩、解释套解释、简单任务也跑太久。多数人不再日常使用。Opus 5.5 发布后,Kieran 很快用它替换 Fable 5.1 做日常驱动;曾转向 Codex 的 Mike 与 Tyler 也开始重新评估。
定价是切换的关键杠杆。官方输入/输出约 4/20 美元每百万 token,相对 Opus 5 约降 20%,相对 Fable 5.1 输入输出约便宜 60%;Anthropic 还称典型工作流成本相对 Opus 5 约降 40%,输出速度提升超过 30%。
具体做法
- 在 Claude Code 与桌面端做七天跨任务测试。覆盖编码、设计、写作与咨询类工作。
- 编码对照。同一 Ruby 任务上,Fable high 写 26 行,Opus extra-high 写 14 行且更像真实 Ruby;性能基准上 Opus 约 427 RPS、满足 20 项延迟预算中的 17 项,Astra 更快但预算达标更少。Kieran 估计编码能力约为 Fable 的 90%。
- 跑 Compound Engineering 的 LFG。Opus 5 会拆坏技能、忽略指令并卡死;5.5 能跟着技能往下走。
- 知识工作与截止任务。谈判任务可与模拟 Dan 多轮修订至同意;但 10 分钟「培训 run of show」里它先做数据生成与讲义,时钟结束时主日程仍未交。
- 长程自主。Tyler 一个高尔夫游戏提示跑了约 1 小时 52 分;团队多人在测试中撞到周限额。
关键数据/例子
文中可核对的数字包括:约 4/20 美元每百万 token;相对 Fable 输入输出约便宜 60%;写作可读性 Flesch-Kincaid 均分约 6.95、Reading Ease 约 68.4;一次语音表单原型约 30 分钟、约 590 万 token(按旧价粗算约 7.63 美元)却在核心页报错;MCP 上传补丁约 8 分钟、251 行跨 17 文件,自动化检查 5 项过 4 项。
分工结论也很清楚:视觉与协作写作多人回 Claude;截止交付与编辑仍常留 Astra/Sol;最大难题仍可能回 Fable。信息来源:Every《Vibe Check: Opus 5.5 Is Pulling Our Codex Converts Back to Claude》。
创新点
第一,把「还烦不烦人」写成切换模型的硬标准,而不只看榜单。第二,用真实 Compound Engineering 技能回归,检验模型会不会拆坏工作流。第三,单独暴露「限时任务优先级失败」这类榜单难看清的行为。第四,明确「更好的模型 + 较差 harness」有时仍胜过「更好 harness + 较差模型」。
可否复用
- 给长程任务先写清「完成」与「足够」的定义,并设预算与停止点。
- 限时交付物加检查点:到点必须先交主文档,附件后补。
- 编码任务坚持读 diff 并亲手点开应用,不要只看模型自测绿灯。
- 按任务类型做分工表:视觉/协作写作、截止交付、最大难题分别默认不同模型。
- 新模型发布后重跑一遍自己的技能与插件,确认不会再出现 Opus 5 那种拆坏指令的情况。