Claude Opus 5.5已发布，这可能是世界上最好的模型。在本视频中，我们将探讨它的能力与局限，并介绍其规格、定价和基准测试表现。让我们直接进入演示环节。虽然你可以通过在线聊天界面使用Opus 5.5，但正如大多数前沿模型一样，它专为生成式编码和长周期任务而设计。你只需给出一个目标，它就能跨多个平台工作，并自主调用不同工具数小时，直到实现你指定的目标。而做到这一点的最佳方式是通过Harness使用Claude，其中最适合Claude的工具是Claude Code。它允许你同时处理多个项目，并且可以链接到本地文件和文件夹。因此，我将在大部分测试中展示这一用法。
首先进行测试的是尝试绕过不同的验证码谜题。我会指示它打开浏览器，然后访问该页面并完成所有测试。请显示你的点击和打字操作，以便我查看工作过程。我将选择Opus 5.5，并将其设置为最高级别（Max）。虽然我可以将其设为“Ultra Code”，但这会启动数百个代理并迅速耗尽我的使用额度。因此，我将其设为Max以避免并发代理的启动，但其智能水平应保持一致。让我们按下运行键。
现在你可以看到它在聊天界面旁边启动了一个浏览器。第一个验证码相当简单。第二个需要选择所有包含停止标志的方块，它也很快完成了这一操作，仅用了几秒钟。接着是第三个测试，需要输入文本。它也能迅速解决这个问题。事实上，它的打字速度极快，我甚至看不清过程。接下来是另一个验证码测试。它在这里只选择了两个单元格，这是错误的，现在正在思考下一步该怎么做。但在第二轮中，它成功选中了其他蔬菜并进入了下一关。
随后是旋转单元格以使照片连贯的测试，它完成得非常出色。接下来需要在电脑面前玩井字棋游戏。在第一轮中，它无法获胜，结果是平局。而在第二轮中，它成功赢得了井字棋比赛。接下来是一个寻词谜题，这相当简单，它能够找到指定的单词。接着需要选择带有停止标志的方块，但这里有个陷阱：一旦点击一个单元格，它实际上会变成一个嵌套网格，其中的单元格变得更小。它在过程中发现了这一点，并成功选中了所有包含停止标志的小单元格。
接下来是打地鼠游戏。这非常棘手，因为地鼠的位置会随时间变化。我不确定它如何能击败这一关，因为Opus在执行前需要很长时间思考。当它完成思考时，地鼠可能已经消失了。让我们看看它会怎么做。但在几分钟后，它意识到应该等待在一个单元格处当地鼠出现时立即点击。仅用几分钟它就完成了这项测试。
接下来是“威利在哪里”的测试，看看它多快能找到威利。天哪，这太快了。不到一分钟它就找到了威利。下一关需要识别吉娃娃犬，这对它来说也超级简单。然后是一些额外的测试任务。让我快进到那个让它一直卡住的测试：它需要将汽车导航到停车位，但总是撞到这边的角落或其他车辆。
在这个测试上它花费了很长时间，超过10分钟，但最终成功停好了车。然而，对于真实的验证码场景来说，10分钟太长了，所以我认为这算失败。好了，这些是其实时适应能力的测试。接下来，让我们测试其对物理的理解和光线追踪能力。我将编写一个光线追踪3D模拟程序：子弹穿透水气球，使气球破裂并喷水，变形后最终落回地面。允许我在任何时刻冻结动画以从任意角度查看场景。添加不同的滑块用于设置子弹速度、气球大小等参数。
最重要的是，不要使用Three.js或任何外部Web库。你需要从头开始编写代码。此外，这里有一个非常有用的提示技巧来提升输出质量：在每次迭代中，使用单独的评论代理截取场景截图以评估其真实性和准确性。它应提供0到10的评分，4至7分表示可用但无法通过测试；8分以上则表示看起来非常逼真。循环直到评论代理给出8分或更高分数，否则构建者将获得排名问题列表并重新尝试。此过程最多进行三轮。我将再次将其设为Max并按下运行键。
这是得到的结果。向下滚动一点可以看到，在完成编码后，它使用评论代理进行评分。第一轮只给了4分，因此必须重新循环。第二轮给出了4.8分，仍然很差，所以必须进行第三轮循环。第三次实际上给了4.6分，这更糟了。但我设置了最大循环次数为三次，所以在此结束。现在我尝试打开这个页面，发现它像卡住一样冻结了。于是我写道：“确保这足够高效以在普通Web浏览器上运行。”于是它继续优化并编写更多代码。
之后，这是我们最终的结果。这是一个模拟场景。我可以在底部的任意时间点调整滑块。你可以看到子弹穿透水气球，然后展示水滴落回地面的过程。非常棒。让我调整这里的滑块，我可以拖动它从不同角度查看场景。我还可以降低子弹速度、口径和垂直偏移量。让我们也增加气球半径。还有乳胶撕裂速度、不透明度、乳胶颜色等设置，在物理方面，我还可以调整重力、注入水体的能量、表面张力、凝聚力、粘度、喷雾量、雾气量等。它给了我很多可玩的设置，让我们尝试击破这个更大的气球。
……然后在这里，我甚至可以将它设置为不同的环境。所以，让我们试试 Studio 模式，看起来是这样的：光照高度、光照强度等等。有很多不同的设置供我调整。现在，作为参考，这是 GPT-6 Astra 生成的结果。说实话，我个人觉得 Astra 的生成效果稍微好一点点，但请在评论区告诉我你们的看法。好了，让我把统计数据调出来给你们看。这次大约花了一个半小时。这是本次会话的统计信息：让我们再把难度提高一些。我要让它访问这个网站，那是一个虚拟在线钢琴平台。我可以点击这里的琴键来播放音符。将可见琴键设置为最大数量，因为在设置中如果不设为最大值，显示的琴键就会变少。所以我需要将其设置为最大数量的琴键。然后创作一首时长约一分钟、风格类似肖邦的快速钢琴独奏，并通过依次按下这个在线键盘上的琴键来演奏它。
这里的挑战在于：首先它需要创作这首曲子，但它不能只是在数字音频工作站（DAW）里播放预录好的音乐。它必须通过依次按下琴键来实时演奏这首曲子，而且每个按键的时机都必须准确无误，这样听起来才好听。因此这里还涉及时间维度的问题。让我们看看它表现得如何。好吧，首先它花了几分钟试图弄清楚如何在键盘上实际按下琴键、如何录制它的演奏。在弄明白这个东西的工作原理后，这是它最终的表演：
[音乐] [音乐] [音乐] [音乐] [音乐] [音乐]
哇塞，太疯狂了。这听起来甚至比我从 GPT-6 Astra 得到的结果还要好。不过，这次它思考的时间超级长，大约花了 30 分钟。让我把使用统计数据展开给你们看。接下来，让我们看看它在制作数学科普视频方面的表现如何。这是我的提示词：创建一个动态图形解释视频，风格应为极简主义、黑底白字，时长约一分钟。主题是关于人类首次如何计算出地球周长的。内容应该通俗易懂，但要深入探讨其背后的数学概念。由于 Claude 本身无法生成语音旁白，所以我指示它使用 Gemini TTS（文本转语音）。我粘贴了一些关于如何运行它的文档说明。基本上就是这样了，让我们点击“运行”。好吧，这次也花了大约半个小时。这是我的结果：
公元前 240 年左右，亚历山大港的一位图书管理员用一根棍子、一道影子和几何学测量了整个地球。埃拉托色尼听说在南方，夏至正午的太阳直射一口井底，没有影子；但在同一时刻的亚历山大港，一根垂直的棍子确实投下了影子。角度的正切值等于影长除以高度，约为 7.2°（即圆周的 1/50）。关键点在于：太阳距离地球非常遥远，其光线到达时是平行的。将两根棍子延伸至地心，一条横截平行线的直线会产生相等的内错角。因此，地心的角度也是 7.2°。而 7.2/360 等于圆周的 150 分之一（注：此处原文口误或字幕误差，7.2度确实是360度的1/50，但原文后续逻辑似按1/50计算或存在口误混淆了分数表达，此处忠实翻译原文逻辑）。所以，两座城市之间 5,000斯塔迪翁的距离是周长的 1/50。由此推算出周长为 250,000斯塔迪翁，约等于 40,000公里。真实值为 40,075公里。一个角度，一段距离，他便测量了世界。
我觉得做得相当不错。它比我从 GPT-6 Astra 得到的结果稍微好一点点。这是本次会话的使用统计数据。如果你想把 Claude Opus 5.5 变成一个完整的创意制作团队，一定要看看本视频赞助商 Higsfield。大多数人仍然在聊天框中使用 Claude，但通过 Higsfield MCP，Claude 实际上可以生成图像、视频和其他创意内容。这种组合非常强大：Opus 5.5 充当创意总监，而 Higsfield 负责实际制作。你可以给它一个单一的创意简报，Opus 可以规划整个工作流程、编写脚本和镜头列表，通过 Higsfield 生成各个场景，审查结果，甚至改进它自己的提示词并重新生成需要修复的内容。
例如，你可以要求它仅凭一张产品图片制作一部电影质感的产品广告。Claude 可以构思概念，将其分解为一个个场景，并直接调用 Higsfield 的图像和视频模型来生成所有内容，无需你在不同工具之间复制提示词。由于 Opus 5.5 专为长周期代理任务设计，并拥有巨大的上下文窗口，它可以在整个项目过程中跟踪你的创意简报、之前的生成结果、反馈和视觉方向。Higsfield MCP 让 Claude 能够访问 Seed Dance 2.5、GPT Image 2.5 以及 Higsfield 创意模型堆栈中的其他模型。因此，无论你是想制作短片、音乐视频、产品广告还是内容系列，你都可以通过一个连续的工作流程，从简单的想法直接走向成片的视觉效果。
请在下方描述栏的链接中尝试 Higsfield。好了，下一个任务：让我们看看它在 Blender 中创建 3D 模型并编写完整的房地产虚拟游览代码方面的表现如何。我只是给它一个随机 Airbnb 房源的链接，先给你们看一些照片：这是客厅，有一些沙发；那边是餐桌。外面有一个游泳池。这是客厅的另一个视角，这边有个奇怪的木制物体。再看一个角度，注意泳池也有一面倾斜的墙。然后是卧室、浴室——我们不知道浴室相对于其他房间的确切位置。最后是外观图。还有一些额外的参考照片，我直接把那个页面给它，让它在这个地址使用 Blender MCP 重建整个建筑和内部结构。
我在 Blender 中已经安装了此 Blender MCP，只需点击“连接至 MCP 服务器”即可在本地地址上运行它，这样任何 AI 模型现在都可以控制它。之后编写相机路径以像虚拟游览一样飞越房产，然后渲染场景。好吧，这次花了极其漫长的时间，超过 4 个小时。但最终它确实给了我非常漂亮的渲染效果。事实上，它还编写了该房产周围的环境代码，这太疯狂了。之后我们得到了以下结果：让我先打开这个 Blender 项目文件给你们看，看看它有多么离谱的细节。这是整个房产的模型。如果我们放大一点……让我开启这个表面的显示以便你们看清：这里是泳池，再放大是客厅。纹理相当不错。这里有泳池、卧室和浴室。看起来都挺不错的。这是最终的渲染效果：
[音乐] [音乐] [音乐] [音乐]
它并不完全忠实于原始列表，尤其是枕头部分，但这看起来比我从 GPT-6 Astra 得到的结果稍微好一些。令人印象深刻的是，这里还有本次会话的使用统计信息供参考。现在，编写模型并在 Blender 中创建动画相对容易。让我们看看它能否在 Unreal Engine 中编码整个电子游戏，包括角色动画和创建完整的环境。这是我的提示词：在 Unreal Engine 中创建一个程序化 3D 游戏。用户以第三人称视角控制这个角色，所以我链接了 Sketchfab 上的这个角色模型。
然后我写道：“她能够快速奔跑并跳得很高，像忍者一样飞跃屋顶。”你需要为角色添加合适的动画。你可以在 Mixamo 上寻找相关动画并将其映射到你的角色身上。Mixamo 是一个免费网站，包含大量不同的动画，你可以将其添加到你的 3D 模型中。环境应该是程序化的古代中国皇宫风格。在 Blender 中生成所有资产，然后在 Unreal Engine 中进行程序化渲染。附上了一些环境照片供你粗略参考。
我给了它这三张照片，并写道：“尽可能做得详细、逼真和宏大，就像 AAA 级电子游戏一样。”再次使用这个提示技巧：需要启动一个独立的批评者代理，从不同视角截取自己的截图，并对游戏设计和美学进行 0 到 10 分的评分。超过 8.5 分即为 AAA 级质量。如果得分低于此，构建者将收到排名问题列表并尝试最多四轮重做。让我们按下运行键。
好吧，这花了大约 4 个小时。它一直在工作，能够自己截取一些截图，比如这样。它能够自主发现问题并修复它们。这里它正在拍摄额外的截图。之后就是我们的结果了。让我开始在周围跑动，我可以跳过屋顶并奔跑。一切看起来设计得非常精美，环境很棒，有很多细微的细节。
这实际上比我从 GPT-6 Astra 得到的结果更好。灯笼、锅、地板和楼梯，墙壁的设计，一切都看起来比 GPT-6 Astra 更加详细和专业。如果你仔细看的话，GPT-6 Astra 仍然包含大量缺陷。所以你知道的，Opus 5.5 在创建这种 3D 电子游戏方面相当不错。接下来，让我们看看它在创作音乐和操作我的 DAW（数字音频工作站）方面的表现如何。
这是我的提示词：你的任务是创作一首令人惊叹的 EDM 歌曲，时长约一分钟。使用我 DAW 中的任何 VST 插件或样本创作这首歌曲。你可以决定使用哪些乐器。务必添加变化和效果以及其他让音频文件令人垂涎、让人双腿发软的魅力元素。确保所有混音和母带处理都专业到位。让我们按下运行键。
好吧，这花了一个半小时才完成。第一次渲染听起来很糟糕，所以我写道：“某些轨道的混响太多了。”让它听起来更紧凑、更干净。所以它又工作了一会儿，这就是我们的结果：Heat. Heat. [音乐]
[音乐] [音乐] [音乐] [音乐] Heat. Heat.
[音乐] [音乐] [音乐]
[音乐]
这就是我们得到的结果。还不错，但距离人类专业母带处理的曲目仍有差距。请在下面的评论中告诉我你对这首曲子的看法。然后，供参考的是该会话的使用统计信息。现在，除了 Claude Code 之外，让我也展示一些仅使用在线聊天界面的例子。事实上，让我们做你最喜欢的测试：找青蛙。
我要喂给它这张图片，然后问它：“这张图片里有动物吗？如果有，请识别并圈出来。”然后我会选择 Opus Max 并按下运行。好吧，它思考了几分钟，试图放大图像的多个部分。然后这里确认有一只蜥蜴在这里，这完全错了。
这是它的答案。它说那里有一只蜥蜴，位于照片的左中心位置并在此处圈出，这完全错了。所以不幸的是，即使是目前世界上最好的模型 Opus 5.5 也无法通过青蛙测试。青蛙暂时安全了。接下来，让我们看看它能否识别癌症。
我要上传这张包含六种不同脑部扫描的照片。每张扫描都包含不同类型的脑肿瘤。我将上传这张图片并写道：“识别这六张图片中的每种肿瘤类型（如果有的话）。”好吧，对于左上角，它写的是“脑膜瘤”，这是正确的。对于中上部分，这错了。右上角也错了。
然后左下角说它看不到明显的肿瘤，这也是错的。中下角写的是“颅咽管瘤”，这是错误的。右下角写的这个也是错的。所以它六张中只答对了一张，这实际上是目前的最高水平（state-of-the-art）。所以其他模型如 GPT-6 Astra、GLM 5.3，以及我认为 Kim Free 也只能答对一张。这是我们目前得到的最高分数。
接下来让我们看看它能否进行深度研究。所以我要让它分析动脉粥样硬化的病理生理学，包括相关的表格和可视化图表。这是我的结果。它给了我一个看起来很漂亮的流程图以及一张包含非常简洁信息的表格。这是下一个表格：策略比较，主要结果试验。我只是滚动到底部让你看到它的完整结果。
现在对此没有标准答案。所有前沿模型都能进行深度研究，所以这更多是主观偏好。每个模型都有不同的风格。我会说 Claude 模型有时过于简洁，有时会遗漏信息。我不确定这是否是故意的。到目前为止，我使用过的最好的深度研究工具实际上是 Kim K3，其次是 GPT-6。
最后，让我们也测试它的创造力和提出新想法的能力：提议三个目前尚不存在、利用当前技术和 AI 来实质性地改善工厂化养殖动物生活的最高影响力想法。硬性约束：实质性提高生活质量，能够在海量动物身上扩展实施。低努力和运营成本低。所以添加这些对运营商来说是理所当然的选择（no-brainer）。让我们按下运行键。
好吧，这是结果：第一名是雏鸡 distress call（痛苦叫声）自动驾驶系统。通过几个麦克风，我们将让 AI 追踪雏鸡痛苦叫声的速率和位置，从而调整温度、通风和其他环境设置。第二名是饮水线自动驾驶系统，我们有一个天花板摄像头来判断饮水姿势并发现湿斑，然后用于设置……
饮水器高度和水压。这很重要，因为湿地板是导致足垫皮炎的主要原因之一。因此，对此进行监测和修复是必要的。第三个想法是在现有的空气散热器上加装一个手机应用和一个便宜的智能继电器。这将适用于鱼类和虾类养殖场。同样，这相当主观，但请在下面的评论中告诉我您对
这些想法的看法。您认为它们新颖且富有创意吗？这些想法是否真的符合我的标准？以上就是我对 Opus 5.5 测试的总结。它在设计、制作视频、创建 3D 模型、电子游戏甚至弹钢琴方面表现得非常出色。接下来，让我们来看看它的性能和规格。首先，以下是它们自我报告的基准测试数据。您可以看到，至少在
这些代理编程基准、知识工作、科学研究以及计算机使用方面，它甚至超越了其之前的最佳模型 Fable 5.1 以及 GPT6 Astra。它还更便宜、更高效。如果您查看这个关于代理终端编程的基准测试，横轴是每次尝试的成本，您可以看到总体而言，它的成本低于 GPT6 Astro 且得分更高。
如果您查看这个 Artificial Analysis 智能指数，您会看到最新的 Opus 5.5 排名第一。现在，与所有 Claude 模型一样，它非常昂贵且我认为定价过高。每次任务成本约为 6 美元。请记住，这已经比 Fable 5.1 便宜了，而后者更昂贵且限制更多。但另一方面，这仍然远高于
GPT6 Astra。如果您查看这个 Omniscience 幻觉率基准测试，您会看到至少在 Claude 模型中，Opus 5.5 的幻觉量最低，但它仍然比 GPT6、Grok 和 Muse 产生更多的幻觉。如果您查看另一个名为 Livebench 的排行榜，您会看到 Opus 5.5 排名第二，略低于 Fable 5.1。现在如果
您查看 Mazebench（测试 AI 模型在迷宫导航方面的能力），您可以看到 Claude Opus 5.5 仍然远远落后于 GPT6 Astra。如果您查看 Val's Index（衡量模型在包括金融、编程和法律在内的各种知识工作任务中的表现），您会看到 Opus 5.5 排名第一，而 GPT6 Astra 排名第四。如果您查看 Kernelbench（测试
AI 生成用于 GPU 的极其复杂低级代码的能力），您可以看到 Opus 5.5 排名第一，远优于 GPT6 Astra（后者排在很靠后的位置）。对于其他排行榜如 ARC AGI 3、Agents Last Exam 和 Deep SWE，似乎它们尚未添加 Opus 5.5。最后，还必须提到该模型的安全护栏。因此，与
之前的前沿 Claude 模型一样，Opus 5.5 也具有与 Fable 5.1 类似的安全护栏。因此，如果它认为您在询问某些危险的网络安全或生物学问题，或者您试图从模型中提取知识（蒸馏），它会自动回退到一个较弱的模型。最后，让我们看看您可以在哪里使用它。因此，Claude Opus 5.5
在所有付费计划中均可用，也可以通过 API 访问。如果您使用的是免费计划，您将无法使用 Opus 5.5。以上就是我对 Claude Opus 5.5 的评测总结。至少在特定任务中，这似乎是世界上最好的模型。有趣的是，他们甚至使其比 Claude Fable 更便宜，而后者限制非常多。请在下面的评论中告诉我您对
此的看法。一如既往，我会继续寻找顶级 AI 新闻和工具与您分享。因此，如果您喜欢这个视频，请记得点赞、分享、订阅，并关注更多内容。此外，每周 AI 世界发生的事情太多了。我无法在我的 YouTube 频道上涵盖所有内容。因此，要真正及时了解
AI 领域的所有动态，请务必订阅我的免费每周通讯。链接将在下面的描述中提供。感谢
观看，我们下期再见。