90 分钟,AI 的天花板和地板一起换了

9 月22 日，Anthropic 先动手，发布Claude Opus 5.5。

90 分钟后，OpenAI 跟上，发布 GPT-6 Sol 和GPT-6 Luna。

三家同日登场，一个把能力往天花板顶，两个把价格往地板压。

01  90 分钟

Anthropic 发布Opus 5.5 后90 分钟，OpenAI 的Sol 和Luna 上线。

02　往上顶的那个

Opus 5.5 是Anthropic 5.5 系列的第一款。多数任务上达到Fable 5.1 的水平，典型负载成本比Opus 5 低40%，输出速度快30% 以上。

价格是每百万token 输入4 美元、输出20 美元，比Opus 5 便宜20%；缓存读取0.2 美元，比Opus 5 低60%。1M 上下文默认开启，最大输出128k。

还有一件事要说：thinking 关不掉了。API 里传thinking: disabled 会直接返回400 错误。再配上"保留思维"（preserved thinking）这套反蒸馏机制——它阻止API 用户修改Claude 的既有上下文来套取推理过程——Anthropic 这次是把推理链条当资产看管起来了。

Artificial Analysis 智能榜上58 分，第一；Fable 5.1 和GPT-6 Astra 都是53 分。Anthropic 公布的9 项测试里，Opus 5.5 有7 项领先Fable 5.1、Opus 5、GPT-6 Astra 和GPT-5.6 Sol，三项编程测试全部最高分。CursorBench 4.0 上比GPT-5.6 Sol 高约11 个百分点，而每任务成本约为对方的三分之一。

几个具体的活儿更能说明问题。把负载均衡软件HAProxy 从C 语言改写成Rust，用了9.5 小时，成本比Fable 5.1 低51%。一项财报研究测试要求逐条核对数字和引语，它生成的18 份报告里16 份达标，Fable 5.1 和Opus 5 一份都没过。还有早期测试者用它做68 万行代码的迁移，不到一天完成。

也有没赢的：业务流程和科研Agent 这两项测试，Opus 5.5 仍然落后GPT-6 Astra。旗鼓相当不是全面领先，这点两家都清楚。

03　往下压的那两个

OpenAI 这次的重点不在更强，在更便宜。两个模型都基于GPT-6 Astra 的方法训练，但优化目标换成了成本效率，而不是能力上限。

注：Sol 与Luna 定价相比GPT-5.6 系列的促销价再降一半。Luna 缓存读取低至0.01 美元，为输入价的十分之一。

Sol 的成绩单：AutomationBench（真实业务流程）最高档33.2%，每任务0.27 美元；Agents' Last Exam（长程专业工作流）最高档56.4%，OpenAI 称以低60% 的单任务成本超过Opus 5 的最好成绩；DeepSWE v1.1 得68.8%，Claude Fable 5 是69.9%——差1.1 分。

事实性是另一个被重点讲的指标。OpenAI 用一批真实对话做内部评测——就是那些用户标记过"你说错了"的对话——Sol 的错误率约为前代的一半，接近Astra 的水平，价格却是零头。

Luna 的数字更狠：DeepSWE 66.6%，只比Sol 低2.2 分，而每任务成本比Claude Opus 5 低93%。

还有一处容易被忽略的工程细节：OpenAI 这次把缓存读取折扣拉到最高90%，30 分钟重用窗口，同时给了缓存仪表盘、缓存诊断、显式缓存断点和缓存预热。这不是模型能力的改进，是把"省钱"做成了一整套工具。

04　战场换了个指标

把两家的通稿并排看，会发现一件有意思的事：它们都不太谈谁更聪明了，谈的是干完这活儿花多少钱。

Anthropic 说"典型负载成本降40%"，OpenAI 说"每任务成本是对方的9%"。跑分还在比，但比分的单位变了，从分数，变成了分数除以美元。

我的判断是：这三个模型里，真正改变格局的不是Opus 5.5，也不是Sol，是Luna。

Luna 的输入价是每百万token 0.1 美元，缓存读取0.01 美元。它同日进了GitHub Copilot，而且从Pro 档就给，比Sol 低一档。ChatGPT 的免费用户和Go 用户，通过桌面端也能用到。分发面比Sol 宽得多。

Sol 是头条，Luna 才是生意。当一个前沿家族的最便宜型号降到这个价位，竞争的性质就变了——从"谁家模型好"，变成"谁家模型铺得到的地方多"。

05　越强的部分，锁得越紧

这次发布里还有一条暗线，两家都没放进标题。

Opus 5.5 在生物领域的能力超过了Opus 5，很多方面追平甚至超过Mythos 5.1——连长期分子预测与设计评测上的表现都被点名，外部红队对其科学新颖度的评级是"与测过的最好模型相当"。Anthropic 的做法是：给它套上跟Fable 5.1 同款的生物安全护栏。想用于被护栏挡住的研发，得申请新开的"生命科学验证计划"。

网络安全更直接：绝大多数网络安全任务会被转交Opus 4.8 处理——一个更弱的旧模型。日常开发里找bug、修bug 不受影响，但凡涉及攻防的，都往回退一代。

OpenAI 这边，两个新模型都强调了对递归自我改进（RSI）的护栏和增强的监督机制，措辞是"确保前沿系统在能力扩展的同时仍处于人类控制之下"。

把这些放在一起，结论有点反直觉：模型越能干，你能自由使唤它的范围反而越小。Anthropic 提出"pacing the frontier"（控制前沿节奏）之后，Opus 5.5 是它发布的第一款模型，发布前由Frontier Design 和METR 等外部机构做过测试。发布节奏本身，正在被当成一件需要管理的事。

还有两处OpenAI 没交代：105 万token 的上下文窗口没有对应的长上下文实测数据，谁也不知道它在那个长度上还稳不稳；Sol Pro 和Luna Pro 两个变体在发布当天出现在OpenRouter 上，通稿里一个字没提，跟标准版差在哪，目前无人说明。