claude-opus-5-5Claude Opus 5.5 适合长流程编程与专业知识工作,能围绕大量材料持续分析、调用工具,并逐步形成可审阅的成果。
比較同一模型在不同供應商的價格與服務表現。
| 供應商 | Discount | 輸入/M | 輸出/M | 緩存讀取/M | 緩存寫入 (5m)/M | 緩存寫入 (1h)/M | ||
|---|---|---|---|---|---|---|---|---|
Anthropic Anthropic 官方 | 省10% | $3.6 | $18 | $0.18 | $4.5 | $7.2 | ||
Cclaude特供 适合生产环境,AWS Bedrock组成 | 省40% | $2.4 | $12 | $0.12 | $3 | $4.8 | ||
CCMax 使用自用 vibe coding,纯血 ccmax号池 | 省70% | $1.2 | $6 | $0.06 | $1.5 | $2.4 | ||
Claude kiro 使用自用 vibe coding,kiro号池 | 省90% | $0.4 | $2 | $0.02 | $0.5 | $0.8 | ||
CCMax-ZL CCmax微注-可蒸 | 省70% | $1.2 | $6 | $0.06 | $1.5 | $2.4 | ||
AmazonBedrock AWS 官方 | 省40% | $2.4 | $12 | $0.12 | $3 | $4.8 |
左右滑動表格,查看完整價格與效能。
標準化評測得分。百分比越高越好,並展示排名百分位。
指標來源:Artificial Analysis 2026-09-30·Claude Opus 5.5
Intelligence Index
Claude Opus 5.5
57.6
基準圖表保留來源中的模型選擇和推理設定。缺少模型或測量值不代表零分,基準成本或速度也不是本站的服務承諾。
Claude Opus 5.5 面向长时间、多步骤的编程和知识工作。它适合阅读一个项目的实现与约定后完成改造,也适合综合多份业务材料、比较方案、整理证据并撰写专业文档。任务不必在一轮回答里结束,可以围绕中间结果继续修正方向。
模型接受文本与图片,能够结合代码、需求文档、界面截图和图表进行分析。它适合处理材料间相互依赖的工作,例如把新需求映射到现有模块,找出多个方案中的共同约束,或检查一份报告的结论是否与原始资料一致。给出任务边界、已有决策和交付要求,有助于保持工作方向。
Opus 5.5 始终启用自适应思考,通过 effort 调整思考深度。简单改动可以采用较轻设置,跨模块设计和复杂判断则可以增加思考投入。接入工具后,应用应保留完整的对话与工具结果,让模型继续依据实际信息工作,而不是在每一步重新丢失上下文。
它适合把‘分析、执行、检查、修正’连成一个流程。代码任务应明确验证方法,文档任务应要求区分事实与推断;工作较长时,可以在阶段末保存已完成内容、未解决问题和下一步,方便接续。
“阅读现有通知服务、重试队列和管理后台需求。目标是让失败通知可查询并重试,保留当前发送接口。先列出涉及模块与状态变化,再分步实现,每一步说明修改范围和验证结果。遇到历史数据兼容问题先提出方案,不要擅自重写旧记录。”
把已有决策、允许修改的范围和阶段验收条件放在清楚的位置,并保留工具返回结果。阶段结束时记录成果与剩余问题。
Opus 5.5 的自适应思考始终开启,应通过 effort 调整强度。
该版本不接受强制工具使用的设置。接入时需调整工具选择方式,并保留模型正常选择工具的空间。
/v1/messages| 參數 | 類型 | 預設值 / 範圍 | 說明資訊 |
|---|---|---|---|
temperature | number | = 10 ~ 2 | 採樣溫度;越低越穩定 |
top_p | number | = 10 ~ 1 | 核採樣累積概率 |
max_tokens | integer | >= 1 | 回應中最大 token 數 |
frequency_penalty | number | = 0-2 ~ 2 | 懲罰高頻 token 的重複出現 |
presence_penalty | number | = 0-2 ~ 2 | 鼓勵引入新話題 |
stop | array | — | 最多 4 個停止生成的字串 |
seed | integer | — | 盡量保證可復現的採樣種子 |
n | integer | = 1>= 1 | 生成的候選條數 |
stream | boolean | = false | 透過 SSE 串流返回 token |
response_format | object | — | 強制輸出 JSON 物件或符合 Schema 的結果 |
tools | array | — | 模型可呼叫的工具 / 函數聲明 |
tool_choice | string | autononerequired | 工具選擇策略或具體工具名 |
logprobs | boolean | = false | 返回每個 token 的對數概率 |
top_logprobs | integer | 0 ~ 20 | 每個 token 返回的 top 概率數量 |
logit_bias | object | — | 按 token 的 logit 偏置映射 |
user | string | — | 用於風險審計的終端用戶標識 |
替換 <YOUR_API_KEY> 替換為 API 金鑰頁面中的金鑰。
所有請求必須攜帶 Authorization: Bearer <TOKEN> 請求頭。Anthropic 格式的端點也接受 x-api-key 請求頭。
在「令牌」頁面生成 API Key,可以按模型、分組、IP、速率等維度精細化授權。
| 參數 | 類型 | 預設值 / 範圍 | 說明資訊 |
|---|---|---|---|
temperature | number | = 10 ~ 2 | 採樣溫度;越低越穩定 |
top_p | number | = 10 ~ 1 | 核採樣累積概率 |
max_tokens | integer | >= 1 | 回應中最大 token 數 |
frequency_penalty | number | = 0-2 ~ 2 | 懲罰高頻 token 的重複出現 |
presence_penalty | number | = 0-2 ~ 2 | 鼓勵引入新話題 |
stop | array | — | 最多 4 個停止生成的字串 |
seed | integer | — | 盡量保證可復現的採樣種子 |
n | integer | = 1>= 1 | 生成的候選條數 |
stream | boolean | = false | 透過 SSE 串流返回 token |
response_format | object | — | 強制輸出 JSON 物件或符合 Schema 的結果 |
tools | array | — | 模型可呼叫的工具 / 函數聲明 |
tool_choice | string | autononerequired | 工具選擇策略或具體工具名 |
logprobs | boolean | = false | 返回每個 token 的對數概率 |
top_logprobs | integer | 0 ~ 20 | 每個 token 返回的 top 概率數量 |
logit_bias | object | — | 按 token 的 logit 偏置映射 |
user | string | — | 用於風險審計的終端用戶標識 |
| 供應商 | RPM | TPM | RPD |
|---|---|---|---|
| CCMax-ZL | 無限制 | 無限制 | 無限制 |
| Claude kiro | 無限制 | 無限制 | 無限制 |
| claude特供 | 無限制 | 無限制 | 無限制 |
| AmazonBedrock | 無限制 | 無限制 | 無限制 |
| AmazonBedrock-ZL | 無限制 | 無限制 | 無限制 |
| Anthropic | 無限制 | 無限制 | 無限制 |
| CCMax | 無限制 | 無限制 | 無限制 |
無限制
Claude Opus 5.5 适合长流程编程与专业知识工作,能围绕大量材料持续分析、调用工具,并逐步形成可审阅的成果。
Create an API key with access to claude-opus-5-5, then use the exact model ID and a supported endpoint from the API access section. Request fields depend on the selected endpoint.
Pricing depends on the selected provider group and the model billing unit. The current input, output, request, or media prices are shown on this page before sign-up.
The model catalog lists a context window of 1000000 tokens. Check the selected endpoint for request limits.
The model catalog lists a maximum output of 128000 tokens. Your request settings may set a lower limit.
Start with the use cases and prompting guidance on this page, then evaluate the model with representative inputs from your project.
