Anthropic 希望开发者使用 Claude 及其系列工具来处理完整的编码任务。该公司于周二推出了 Claude Opus 5.5，旨在覆盖软件应用开发生命周期的更多环节：从设计规范创建到调试，再到代码生成和测试。

作为 Claude 5.5 模型家族的首个版本，Anthropic 表示 Claude Opus 5.5 在“大多数工作”任务上的表现达到了 Claude Fable 5.1 的水平，而运行成本比 Opus 5 低约 40%。

Anthropic 的发布公告中引用了 GitHub 首席产品官 Mario Rodriguez 的话，阐述了软件工程师目前在使用前沿模型进行代码自动化方面的处境。他表示，开发者想要的是智能体（Agent（智能体））。

“在我们对 Claude Opus 5.5 跨 GitHub Copilot CLI 和 VS Code 的测试中，Claude Opus 5.5 使用的 token 和步骤数是我们测量中最少的之一。在 VS Code 中，它以不到一半的步骤解决了比 Opus 5 更多的终端任务。这不仅让单个任务更高效，还让开发者更大的项目更可实现，”Rodriguez 说道。

Claude Opus 5.5 的能力从何而来？

Anthropic 解释说，Claude 5.5 家族扩展的全生命周期能力是在一套既定的实践规范下开发的。

这些实践要素包括广泛的对齐测试（为确保行为和输出与人类价值观及预期目标紧密匹配而建立的模型评估流程）、外部组织的发布前评估，以及针对网络安全和生物学等高风险领域的保障措施。

该组织表示，在其最全面的对齐测试中，Opus 5.5 是迄今为止测试过的表现最强的模型，在若干导致近期网络安全事件的行为方面有特别改进（例如，有偏见的推理、试图逃离沙箱等）。

独立 SRE 与 AI 可靠性架构师 Akash Thakur 告诉 The New Stack，Anthropic 让模型完成整个编码任务的工作令人印象深刻，但“让它知道自己什么时候没有完成”才是开发者需要思考的更难问题。

“达到 Claude Opus 5.5 水平的模型确实擅长将项目拆解为小的、可完成的部分——这才是真正的突破，因为软件的推进力来自于完成事情，而不是开始事情，”Thakur 说。“……但‘完成’和‘正确’不是一回事。看起来已经做完并完成的任务，恰恰是常常让团队日后付出代价的那一个，所以胜利不在于移除人类——而在于将他们从编写代码转变为验证代码。”

“达到 Claude Opus 5.5 水平的模型确实擅长将项目拆解为小的、可完成的部分……但‘完成’和‘正确’不是一回事。”

Anthropic 暗示我们正在见证“对更强大模型的更高标准”，并表示能够完全自动化 AI 研究本身的模型应该满足更高的安全标准。该公司指出，随着 AI 能力越来越强，公共政策应在确保这些系统安全方面发挥更大作用。其近期与 Accenture 的合作被作为 Anthropic 如何构建支持这一目标的基础设施的示例。

大规模任务：代码库范围的迁移与审计

更具体地说，Anthropic 声称 Opus 5.5 在代码库范围的迁移和审计等长时间、大规模任务上“特别擅长”。一位早期测试者表示，它在不到三小时内审计并修复了一个 20 万行的代码库，而 Opus 5 花了 20 多个小时，并使用了 2.5 倍的 token。

“在一项内部测试中，我们要求 Opus 5.5 和 Fable 5.1 将 HAProxy（一种广泛使用的、用于在服务器之间平衡 Web 流量负载的软件）从 C 语言翻译为 Rust。两个重写版本几乎都通过了 HAProxy 自身的所有回归测试，但 Opus 5.5 在 9.5 小时内完成，而 Fable 5.1 用了 12 小时，且成本降低了 51%，”Anthropic 在一份新闻声明中表示。

Coder 的 EMEA 地区现场 CTO Eric Paulsen 告诉 The New Stack，他很高兴听到 Claude Opus 5.5 正变得更加全面，但他“并不惊讶”，因为如今 AI 正在“端到端地吞噬软件交付链”。

“尽管 Opus 5.5 展示了效率提升，但一旦智能体能够可靠地完成实际工作，问题就不再是模型是否足够好，而是你让它在哪里运行，”Paulsen 说。

“在一台可能被入侵、被盗或仅仅是算力耗尽的笔记本电脑上启动 Claude Code 会话，并不是一个工程环境；有能力的智能体需要专用的、受治理的基础设施，具备与开发者对其他任何生产工作负载所要求相同的护栏、密钥处理和可观测性。正如我们在这里从 Anthropic 自身的工作中所看到的，企业需要强调此类发布的测试和保障程序，”他补充道。

Anthropic 向用户保证已进行了外部测试，并且该模型在发布前已由 Frontier Design 和 METR 测试。当针对 Opus 5.5 的既定保障措施介入时，请求会“透明地回退到另一个模型”，这意味着开发者可能看不到实际处理某个调用的究竟是哪个模型。

在网络安全方面，用户可以识别并修复其代码中的漏洞，但大多数网络安全任务将被重新路由到 Opus 4.8。被生物学和前沿 LLM（大语言模型） 开发分类器标记的请求将被重新路由到 Opus 5。经过审查的组织可以申请 Anthropic 的生命科学验证计划，以使用 Opus 5.5 进行生物学研究，该公司表示将在未来几周内扩展其网络验证计划。

开发者的终端提示符已发生根本性变化

HasData 联合创始人 Sergey Ermakovich 告诉 The New Stack，他作为数据管道和 AI 的网络抓取专家，在 Anthropic 所做的工作中看到了禅宗般、一次一块砖的逻辑。

“最大的变化——这也是一个将推动 Anthropic 对 Claude Opus 5.5 的设计和开发愿景的趋势——是终端不再只是开发者粘贴生成代码的地方，”Ermakovich 说。“终端现在成为模型工作空间的一部分。”

由于模型可以运行命令、检查失败、修改文件并验证结果，Ermakovich 认为它可以“闭环”，而不是将未完成的工作交还给工程师。“这使得小型完整任务更有价值。修复一个失败的测试，更新一个依赖项，迁移一个端点，验证它，然后转向下一个任务，”他补充道。

“终端不再只是开发者粘贴生成代码的地方——终端现在成为了模型工作空间的一部分。”

作为Anthropic获批企业信息的一部分，Ramp的资深软件工程师John Ruelas在评论该模型的开发时表示，冗长且难以理解的输出一直是他对前沿模型“最大的不满”，但“Claude Opus 5.5为他解决了这个问题”。

他指出，它的写作方式像一位优秀的同事，并遵循公司的写作规范。一份设计规格说明几乎无需修改即可使用，当它重写他的一个提示词时，他更喜欢它的版本而非自己的。当它优化团队的测试套件时，他能轻松跟上其推理过程，并“满怀信心地发布了这一变更”。

自动补全时代已经终结

Abbyy的AI战略副总裁Maxime Vermeir告诉The New Stack，Claude Opus 5.5提供的更多覆盖整个生命周期的功能表明，对于基础代码自动化工具而言，“自动补全时代已经终结”。

“Anthropic在这里的提升反映了一个事实：过去如果AI能补全开发者下一行代码，就会被认为很了不起，但如今的期望是你交给它一整张Jira工单，然后它就能完成，”Vermeir说。“但尽管Claude Opus 5.5展现了强大能力，问题仍然在于这些更新的模型究竟能在多大程度上理解‘完成’的含义，因为很多时候它们似乎倾向于不断消耗token，又给你一个它没完全做对的东西。”

Opus 5.5还比之前的模型“沟通更自然”，早期测试者发现它的写作更清晰、更易理解，使其在长时间会话中成为更好的工作伙伴。

Opus 5.5的定价低于Opus 5，为每百万输入token 4美元、每百万输出token 20美元（比Opus 5低20%），Anthropic还将按token计费使用量的缓存读取价格降低了60%。Opus 5.5完成更高质量工作所需的token也更少，输出生成速度比Opus 5快30%以上。

转载声明：本文为转载整理，原文版权归原作者及原站点所有。

原文来源：The New Stack

原创地址：https://thenewstack.io/claude-opus-5-5-lifecycle/