Claude Opus 5.5 智能、性能与价格分析（Max）
Anthropic 的新 Claude Opus 5.5 模型因在高推理水平下提供大约两倍速度和每任务一半成本而受到关注，同时仍位列最强大的专有 LLM 之一。评论者质疑极其昂贵的“max”推理模式在现实中的实用性，称模型有时会过度思考直到碰到 token 限制，并指出中等或高设置通常更具性价比。更广泛的担忧则集中在基准测试的相关性、模型随时间可能出现的性能退化，以及顶级专有模型是否能在日益有竞争力的开放权重替代方案面前证明其价格合理。
定价、成本与性能
- Opus 5.5 Max 在相近的“高”努力水平下，每个任务的成本大约只有 Opus 5 的一半，速度则大约快两倍，许多人认为这是一个很强的改进。
- 有些人指出 Astra High 仍然比 Opus 5.5 High 略便宜；也有人认为像 Luna 这样的“value”模型，在单位工作成本上远胜前沿模型。
- 对“与类似价格的模型相比，稍微昂贵”和“在与其他类似价格的模型比较时，稍微昂贵”这类表述感到困惑和批评，因为如果没有性能锚点，这种说法毫无意义。
推理模式与 ‘Max’ 过度思考
- 多位用户报告称，Max/xhigh 推理经常过度思考，碰到 token 或工具限制，或者根本不返回答案（例如在“骑自行车的 SVG 鹈鹕”这个任务上，烧光了全部思考预算后仍然失败）。
- 中等或高推理被广泛视为实际上的最佳平衡点；Max 在一些人看来只是“benchmaxxing”，不适合真实工作。
- 据报告，更高的努力会增加冗长程度和自我指涉式循环，而不是质量，尤其是在 agentic 或长时间运行的任务中。
基准测试、评测与模型退化
- 许多人不信任静态基准：模型可能会被调优到轻松拿高分，它们很少反映真实使用场景，而且通常是在理想化设置下运行的。
- 有人呼吁持续、随机化的长期评测，包括退化追踪器；一位评论者报告称，Sol 在内部测试中退化到了 Luna 的水平。
- 有些人怀疑提供方在发布后可能会“掀桌子”；另一些人（包括一位自称在供应商工作的）则将感知到的退化主要归因于随机性和不断提高的期望。
用户体验与工作流
- 几位用户更偏好 Opus 4.8 而不是 5，因为前者在遵循指令和任务连续性方面更好；他们希望 5.5 能解决这些问题。
- 中等推理通常用于交互式编码和审查；高/Max 被视为浪费且不稳定。
- 有报告称某些模型会过度设计解决方案，尤其是在基础设施或代码任务中；用户会尝试限制工具使用或推理力度。
- 关于 agentic 工作流存在争论：有些人成功运行了长时间存活的 agent（持续数天）来修复 bug 列表；另一些人则认为，在定义不清的真实世界项目中，长时间自治并不可靠。
更广泛的反思
- 有些人觉得进展正在放缓，模型已接近能力上限；另一些人则指出进步仍在继续，只是比较渐进。
- 人们反复提到“最好但昂贵”的闭源模型与“足够好”的更便宜或开放权重模型之间的张力，并预测“足够好”可能会主导许多用例。