模型日报 · 2026-09-25

模型日报 2026-09-25|Claude Opus 5.5 五档 AA 评测首次收录

Artificial Analysis 为 Claude Opus 5.5 的 max、low、medium、high、xhigh 五个精确配置提供了 AA v4.3.2 指数与任务分项。本期首次记录,不把不同 effort 档位混成同一身份;OpenRouter 基础型号无法一一映射到五档,因此当前 API/价格未知。

TODAY'S TAKE

五个精确配置,首次进入本站的 AA v4.3.2 观测

五个独立身份

Artificial Analysis 当前模型目录和五个逐项详情页确认了 max/fallback、low、medium、high、xhigh。它们不能互借分数或历史。

不是新 benchmark 版本

本期增加的是既有 AA v4.3.2 Intelligence Index 与任务分项中的五个模型配置,不把它写成新评测方法发布。

OpenRouter 当前价格未知

OpenRouter 列有基础型号,但没有证据把一个 API 身份一一映射到五个 AA effort/fallback 配置;因此不复制基础型号价格。

今日主题:同一来源口径下比较五档原始分项

观测固定于 ,方法为 Artificial Analysis Intelligence Index v4.3.2。五档都是本站首次保存的精确身份;截至 ,本站没有这些身份的同版本历史前值,所以不能声称较上一期升降。

AA v4.3.2 来源原始结果;各列测试不同任务,不得相加为本站总分
精确配置AA Intelligence IndexAA-Briefcase v1.1 EloGDPval-AA v2.1 EloTerminal-Bench v4.0 pass@1GDP.pdf All PassAA-Omniscience
Claude Opus 5.5 (Adaptive Reasoning, Max Effort, Default Fallback)57.621822184659.6%26.2%46.42
Claude Opus 5.5 (Adaptive Reasoning, Low Effort, Default Fallback)42.311285122431.3%25.6%38.87
Claude Opus 5.5 (Adaptive Reasoning, Medium Effort, Default Fallback)51.241642157652.5%25.6%40.32
Claude Opus 5.5 (Adaptive Reasoning, High Effort, Default Fallback)53.581705169256.6%28.8%40.63
Claude Opus 5.5 (Adaptive Reasoning, Xhigh Effort, Default Fallback)55.991780182059.6%26.6%42.65

指数、Elo、终端任务通过率、GDP.pdf all-pass 与 Omniscience 是不同指标。它们适合用于筛选后再看任务类型,不适合合成一个“综合分”,也不能单独预测具体工作流中的表现。

如何读 high 与 xhigh:身份不同,不是因果实验

AA 将 effort/fallback 档位分别列成模型身份。本页呈现来源值,供读者按自己关注的终端任务、工作产出和知识问答等场景选择要进一步验证的候选;这些行不是同一受控实验的变量隔离结果,不能把档位间差值直接解释为提高 effort 带来的因果收益。

详细来源、各配置的历史和原始 JSON 可从 Claude Opus 5.5 (Adaptive Reasoning, Max Effort, Default Fallback) 模型页、历史页、数据、Claude Opus 5.5 (Adaptive Reasoning, Low Effort, Default Fallback) 模型页、历史页、数据、Claude Opus 5.5 (Adaptive Reasoning, Medium Effort, Default Fallback) 模型页、历史页、数据、Claude Opus 5.5 (Adaptive Reasoning, High Effort, Default Fallback) 模型页、历史页、数据、Claude Opus 5.5 (Adaptive Reasoning, Xhigh Effort, Default Fallback) 模型页、历史页、数据逐项复核。

价格与 API:不把基础型号报价套给 effort 变体

本轮 OpenRouter 第一方目录有 anthropic/claude-opus-5.5 基础型号,但它没有提供与上述五个 AA 配置一一对应的身份映射。站点因此将五档的当前 API 可用性和价格保留为未知;目录中的 batch 等独立变体也不作为替代报价。AA 评测成本不是 OpenRouter API 价格。

未知项与不可比边界

  • AA 当前模型目录与专属 provider 页对 provider 数量的表示不一致;本期不发布 providerCount,也不据此推断可用渠道数量。
  • 本站对五个 identity 均没有同版本前值;跨版本或跨 effort 档位的差异不作为模型升级/退化结论。
  • 没有确认这五个配置各自的 OpenRouter API variant、可用状态或实时价格。

可继续查看 能力分项矩阵、Omniscience 榜、方法说明、模型斩杀线与来源和数据。