重磅分析：目前来看Opus 5.5 似乎大幅提升了帕累托前沿，实现了智价比的飞跃

VrianCao · 2026-09-23T01:47:00+08:00

综合了多个Cost/Intelligence数据来分析，目前看来Opus的甜点档位为Medium/High，在更多数的任务中，High会是更好的选择在CursorBench 4.0中，Opus 5.5实现了近乎平地起高楼的效果，实现了智价比的飞跃在PPLX的WANDR测试中，Opus 5.5在分数略微超越Fable 5.1的情况下，仅使用了其三分之一的费用，整体的点位大幅向左上角的帕累托前沿推进在AAII中，Opus 5.5的所有Reasoning Effort均处于帕累托前沿，每个档位都领先于所对标的模型FrontierCode V1.1中领先当前的全部模型，且大幅推进帕累托前沿Terminal-Bench 4.0依旧领先所有模型，且只需要约三分之一的费用即可实现与Astra同等水平

218

VrianCao2026-09-23
8716
综合了多个Cost/Intelligence数据来分析，目前看来Opus的甜点档位为Medium/High，在更多数的任务中，High会是更好的选择
在CursorBench 4.0中，Opus 5.5实现了近乎平地起高楼的效果，实现了智价比的飞跃
在PPLX的WANDR测试中，Opus 5.5在分数略微超越Fable 5.1的情况下，仅使用了其三分之一的费用，整体的点位大幅向左上角的帕累托前沿推进
在AAII中，Opus 5.5的所有Reasoning Effort均处于帕累托前沿，每个档位都领先于所对标的模型
FrontierCode V1.1中领先当前的全部模型，且大幅推进帕累托前沿
Terminal-Bench 4.0依旧领先所有模型，且只需要约三分之一的费用即可实现与Astra同等水平
主楼
apparition2026-09-23
4670
真的吗? 不太相信呢
#1
VrianCao2026-09-23
8716
关于DeepSWE分数：
我倾向于是因为当前的DeepSWE V1.1已实际饱和，其理论最高分即~80%，而且这玩意实在是太好刷了，Anthropic没理由不公布
更详细的信息可参考：
[image]
Epoch AI在前几天完成了对多个Benchmark的审计，证明了DeepSWE V1.1是存在缺陷的，当前已实际饱和，前沿模型已实际追进了可获得的最高分
参考：
#2
OneDingZ2026-09-23
23833
DeepSWE有分数的，只是没图表，草草描述了几句，取了5次测试的平均值。
注：Astra的分数为74.1%。
#3
木南城2026-09-23
24646
gpt-6系列已出蹲一手看看有没有新的对比
#4
维维亚米利欧2026-09-23
9025
=。=我一直都是ultracode用opus的，不然根本用不完周限额
#5
VrianCao2026-09-23
8716
依旧是74%，那我的猜想应该是正确的，DeepSWE的缺陷导致了这就是无限接近的理论最高分了，因此Anthropic不选择宣传
#6
OneDingZ2026-09-23
23833
这个benchmark也差不多了。
#7
VrianCao2026-09-23
8716
孩子们 OpenAI 变成价格屠夫了，这下真是不好说了
#8