Claude Opus 5.5发布：成本降40%的Agent编程模型，创业者该把哪些任务交给它
从Opus 5到Opus 5.5，40%的降价背后是Anthropic对Agen
前沿模型的价格曲线，通常是往上走的。Anthropic这次反着来：Opus 5.5比Opus 5便宜40%，性能却对标自家旗舰Fable 5.1。
9月22日发布，官方标价每百万输入token 4美元、输出20美元，输出速度还提了30%以上。而两个月前，Opus 5才刚发。这么快就把刀砍到自己的上一代身上，动作不寻常。
更不寻常的是时机。这是达里奥·阿莫代伊公开呼吁"放慢前沿AI发展"之后，Anthropic交出的第一款新模型。嘴上说要慢，手上把价格打下来——这两件事不矛盾。要放慢的是能力边界的冲刺，要加速的是能力落地的渗透。
降价40%不是慈善，是冲着Agent的token账单去的。
关键变量在模型定位。Anthropic给Opus 5.5挂的标签是"长时间运行的Agent编程与知识型工作"，不是"最强模型",也不是"最快模型"。它带preserved thinking，上下文窗口约100万token，发布前还交给Frontier Design、METR做外部评估。
这几个特征凑在一起，指向很明确：它要干的是那种一口气跑几十步、读一堆文件、改一堆文件、中途不能失忆的活。
这种活最烧token。按标价粗算，一次任务吃掉20万输入token、5万输出token，成本大概1.8美元。听着不多，但放到一个动辄跑上千次重构、上万次测试的工程流程里，单价每降10%，省下的都是真金白银。40%这个数字不是营销话术，它是Agent从"能演示"走到"能算得过账"的临界点。
同一个月，OpenAI把GPT-6 Sol定到GPT-5.6的一半价，又发了更小更便宜的Luna；9月一共66款模型发布。价格战在同一个时间窗口集体开打，这不是巧合——大家都在赌同一件事：Agent的调用量会大到让单价变成生死线。
对我们这些做应用的人来说，意义很直接。过去要把一个长链路任务交给模型，第一反应是"它行不行"；现在得换一个问题——"这笔账划不划算"。当答案变成"划算"，很多原来只敢在脑子里推演的工作流，就该真正排进日程了。
舍予AI智能体那句"老板的第一支AI战队"，说的其实就是这件事：模型不是拿来聊天的，是拿来排兵布阵的。战队买得起、用得起，才谈得上编制；买不起，再强的能力也只是别人的演示视频。
接下来真正要拆的，是哪支部队先上，哪支部队再等等。
哪些任务现在就该切过去：长链路重构、多文件工程与自动化测试
长链路重构是第一个该切过去的场景。
理由不复杂：这类活儿最耗人，也最不考验人的判断力。你要把一个二十万行的老仓库从 Restify 拆到 Fastify，或者把五年积累的 request 层统一换成带重试的 fetch 封装，难点其实不在"想不到怎么做"，而在于改到第三百个文件的时候，人已经开始抄近路——漏掉边界、忘记某个内部约定的返回格式、改了调用点没改 mock。Opus 5.5 这次带的是 preserved thinking，官方说它面向"长时间运行的 Agent 编程"，输出速度还提了 30% 以上。翻译成人话：它能在一个上下文里跑更久而不丢线索，这恰好是长链路的命门。
多文件工程同理，但门槛更高一档。单个文件写得漂亮，很多模型都能干；真正难的是改一处、动八个文件、还得让全仓库的 import 和类型都对得上。这类任务以前得盯着它一步步走，现在 Opus 5.5 在大多数任务上已经打到 Fable 5.1 的水平，成本却降了 40%，每百万输入 $4、输出 $20。关键变量不是它有多聪明，而是单次尝试便宜到你敢让它自己重试。一个改 12 个文件的重构任务，跑三遍取最好一版，总账还是比拆给外包划算。这才是 40% 降价的实际意义——它改变了"值不值得让模型自己多跑几轮"的临界点。
自动化测试是我最想推的一块，也是最多团队还在犹豫的一块。
写测试这件事的特点：输入明确、验收标准机械、失败会立刻报错、而且是纯新增文件，不动业务逻辑。这四条加在一起，等于把一个可以自我验证的闭环交给 Agent。你给它一个模块路径和覆盖率目标，它去读实现、生成用例、跑一遍、红了就自己修，绿了就提交。整个过程人只需要在最后 review diff。我的判断是，测试补全应该是绝大多数团队第一批真正意义上"无人值守"交给模型的活儿。
有组数据值得关注：现在排云端前沿编程模型，Opus 5.5、Fable 5.1、GPT-6 Astra、Gemini 3.8 Flash 的上下文都在 100 万 token 左右。百万级上下文对上面三类任务是硬需求——你不可能指望模型只靠检索到的几个片段，就改对整个仓库的一致性。窗口够大，它才敢把整个模块的依赖关系装进来再动手。
补充一点容易被忽略的：这三类任务的共同特征，是成功与否可以自动判定。编译过没过、测试绿没绿、类型检查报没报错，全是机器给的信号。这就是它们和下一节那些任务的根本分界线，也是为什么我说现在就该切——不是模型变强了，是这些活儿本来就该由能自我校验的机器来干。
对一人公司或者三五人的小团队来说，这意味着什么？意味着你可以把最枯燥、最占时间、又最需要耐心的一致性工作先交出去。这也是舍予AI智能体一直强调的思路——老板的第一支 AI 战队，不是招来陪你聊需求的，是先替你扛掉那些你能写出验收标准的脏活。先把这块切过去，你才有余力去碰那些真正模糊、真正需要人判断的部分。
哪些任务再等等：模糊需求探索、跨系统联调与生产环境热修
把 Opus 5.5 接进流水线，不等于所有活都能往外扔。有三类任务，我目前会按住不动，理由不是模型不行，是这几件事的失败成本不在模型那一侧。
第一类：需求本身还没定型的时候。
老板说「我想要个更顺的流程」，投资人问「这个能不能做成 Agent」，产品经理画了个大概齐的原型——这种阶段的活儿，最不该交给模型。模型有个特点：它不会说「你这需求我听不懂」。它会给你一个像模像样的方案，你还照着往下走了两周，才发现方向从一开始就偏了。
Opus 5.5 这次带 preserved thinking，长上下文里能记住你前面说的每一句含糊表述，100 万 token 的窗口也装得下你所有的会议记录。但记住不等于替你判断。方向这东西，模型只能收敛你已经给出来的部分；给不出来的，它替你猜，而且猜得相当自信。
这段探索期里人的价值不是写代码，是把「我想要个更顺的流程」逼成「这三步合并、这两步留痕、这个审批环节砍掉」。这句话说不清楚，切什么模型都是烧 token。
第二类：跨系统联调。
联调的难点从来不在你这一侧。是对面那套系统的文档半年没更新，接口上周偷偷改过，测试环境和生产环境差了不止一个版本。模型能读你喂给它的代码，读不到对面运维昨天下午干了什么。
DigitalOcean 的 Managed Agents 把 agent 放进独立 microVM 跑，支持暂停、恢复、checkpoint，这解决的是「我的执行环境可复现」。跨系统联调要解决的是「别人的环境不可复现」。两个问题，别混着看。
第三类：生产环境热修。
线上炸了，日志不齐，信息散在三个人的脑子里，你需要在十分钟内决定动哪一行。这种场景下模型给的判断，对错基本五五开，更麻烦的是你还得多花时间验证它没把别处带崩。GPT-6 Sol 发布时有个说法我印象很深——实际成本要连 token 用量和修正错误一起算。热修就是这个逻辑的极端版本：省下来的十分钟，可能换来一次回滚。
所以我们给客户搭「老板的第一支 AI 战队」的时候，第一步反而不是挑模型。是把业务流程图摊开，标出哪一段决策没定、哪一段边界不清、哪一段错了要赔钱。
这三段先留给人。
剩下的，才是切过去的地方。
把模型选择变成组织能力：一人公司的任务分诊表怎么建
模型更新的速度快过大多数团队的决策周期。Opus 5.5 在 9 月 22 日发布，多数任务做到 Fable 5.1 的水平，成本比 Opus 5 低 40%，输出还快了三成——这类消息每个季度都会来一次。如果你的应对方式是“重新评估一遍”，那你永远在追赶。分诊表的价值恰恰在这：让默认选择不跟着发布节奏抖。
建表之前先放弃一个念头：别按模型能力排序，要按任务画像分。
四个判据够用——
- 可验证性：跑完有没有测试、编译、类型检查能立刻判对错。越高，越早切。
- 链路长度：一次改动要碰几个文件、几步工具调用。越长越吃上下文和 preserved thinking 这类能力。
- 上下文边界：信息都在手边，还是散在五个系统里。
- 错一次的代价：改错了是重跑一遍，还是半夜回滚生产。
前两项高、后两项低，进 A 档；反过来进 C 档，自己上。
然后是成本口径。别盯每百万 token 的单价，那是采购视角。你真正该算的是“跑完一个任务总共花了多少”——token、重试、你审 diff 的时间，全算进去。GPT-6 Sol 的报价只有 GPT-5.6 的一半，官方也提醒实际成本要连 token 用量和纠错一起算。这话对谁都成立。
分诊表落地只要三列：任务类型、默认模型、升级条件。比如“多文件重构默认 Opus 5.5，连续两次测试不过就升 Fable 5.1”“批量格式化、改注释走 GPT-6 Luna”。写下来，放在你每天开工必看的地方。云端这几家的上下文都在百万 token 量级，意味着你可以按任务分诊，而不必再按容量分诊——这是今年才成立的前提。
组织能力的定义很朴素：三个月后的你，不用重新判断就知道该用谁。一人公司做这件事反而占便宜，决策链就你一个人，改一行配置第二天就生效。但得有记录的习惯。每次误判记一笔，写清是哪类任务低估了返工，季度翻一遍。你的表是这么长出来的，不是抄来的。
这也是舍予AI智能体说的“老板的第一支 AI 战队”的意思——战队不是买回来的一堆模型，是你清楚哪一仗派谁去。
这周就能做的一件事：挑你最高频的五类任务，各用两个模型跑一遍，只记两个数，返工次数和你的审阅时间。一周后把结论写死成默认值。省下来的判断力，留给只有你能判断的那部分。