7.2
深览指数
科技虎嗅·数字生命卡兹克©··AI 生成
一夜三连发，Claude Opus5.5、GPT-6 Sol和Luna全部都来了。
Anthropic和OpenAI在同一天发布中端性价比模型Claude Opus 5.5与GPT-6 Sol/Luna，意图将旗舰级能力下放到更低价格区间。作者认为这是两巨头从高端市场向下兼容的「苹果化」打法，模型供应链已成熟到可以全域通吃。Opus 5.5在沟通感和审美上表现突出，但Agent任务成本和复杂长推理仍是短板；GPT-6 Sol识别力大幅降本但细节能力有压缩，Luna则瞄准批量化自动任务。文章适合高频使用模型做Coding或Agent的开发者与技术决策者阅读。原文 ↗
核心观点
- ▍Anthropic和OpenAI在同一天推中端模型，实质是旗舰级能力（Fable 5.1/Astra）的蒸馏下放，目标是让用户用更少钱买到更多智能，这是典型的「苹果化」供应链成熟后的全域通吃策略。
- 01Opus 5.5相比上一代Opus 5工作成本下降40%，输出速度提升30%+。输入价格4美元/百万Token，输出20美元/百万Token。
- 02Opus 5.5在Coding任务（如Terminal-Bench 4.0得分66.4%）达到SOTA，但在跨软件自动化（AutomationBench 40.0%）和科研任务（Terminal-Bench-Science 58.7%）上仍弱于GPT-6 Astra（41.4%/64.6%）。
- 03GPT-6 Sol和Luna比GPT-5.6的同款模型便宜50%，其中Luna的输入/输出单价已低于DeepSeek，但缓存价格仍高出约3倍。
- 04在AutomationBench基准上，GPT-6 Sol xhigh得分33.2%，单任务成本0.27美元；GPT-6 Astra low得分30.3%但成本为Sol的3.9倍；Fable 5.1加Opus 5 fallback得分31.4%但成本至少是Sol的8.9倍。
- 05作者实测发现GPT-6 Sol在审美和细节（如操控Blender建模）上有明显降级，但事实错误率已优化到接近GPT-6 Astra级别。
- 06Opus 5.5的每任务输出Token数「直接爆炸」，用超长推理换智力，一旦陷入困境就会持续烧钱。作者引用Anthropic提示：结果重要时务必用最高级模型。
反方 / 局限
- — Opus 5.5虽强，但其超长Token消耗在高难任务中反而比旗舰模型更烧钱，这是一个「陷阱」。单看评测集无法评估模型真实质量，尤其是规划和架构设计这类依赖大参数和世界知识的能力。
- — GPT-6 Sol和Luna目前未在Chat上提供（聊天模式仍用GPT-5.6 Sol），作者认为这令人不解——既然成本已降，为什么不在用户量最大的聊天场景切换。
- — 作者承认Claude Opus 5.5在通信和创新上仍比GPT-6 Astra差「一小截」，且Anthropic风险极高（作者号常被封）。国产模型在规划/方案（Kimi K3、Qwen 3.8 Max）与执行（GLM-5.3、DeepSeek V4.1 Flash）上可替代，但整体梯队不如两巨头。
AnthropicOpenAIClaude Opus 5.5GPT-6 SolGPT-6 LunaGPT-6 AstraFable 5.1Claude Fable 5Terminal-BenchAutomationBench数字生命卡兹克Codex
19 分钟 · 4 卡片 · 11 资料
读原文 →