Claude、ChatGPT 一发新模型，我就忍不住焦虑，国产大模型是不是又被甩开了？ 最近新出的国产模型都给我刷分的感觉，到底是国产大模型落后了，还是我们太着急了？

Claude Opus 5.5 发布：性能提升 40%，成本反而降了 性能接近 Claude Fable 5.1，但价格比 Opus 5 低 40%。 1. 基准测试 Opus 5.5 在 Terminal-Bench 4.0 拿到 66.4%，FrontierCode v1.1 拿到 54.4%，CursorBench 4.0 拿到 57.8%，均领先 GPT-6 Astra 和 GPT-5.6 Sol。 2. 缓存读取降 60% 利好 Agent 和编程。 3. 输出速度提升 30% 以上 内测用户用 Opus 5.5 修复一个 20 万行的代码库，耗时不到 3 小时。 同样任务，Opus 5 花了 20 多小时，多 2.5 倍 token。 Anthropic 内部：让 Opus 5.5 和 Fable 5.1 把 HAProxy（一个负载均衡软件）从 C 语言翻译成 Rust。 两个版本都通过了 HAProxy 的回归测试，但 Opus 5.5 用了 9.5 小时，Fable 5.1 用了 12 小时，成本还低了 51%。 GitHub 的测试数据也印证了这一点：在 VS Code 中，Opus 5.5 解决终端任务的步骤数不到 Opus 5 的一半。 更少步骤，更少 token，更低成本，甚至更好的结果。 4. 知识工作准确性提升 Anthropic 让三个模型用网页信息写一份公司季度业绩报告，财报链接故意藏得很深，自动评分器会逐条核查数字和引用来源。 Opus 5.5 的 18 次尝试中，16 次通过，任何一个编造的数字或引用都会直接失败。 Fable 5.1 和 Opus 5 一次都没过。 在 GDPval-AA v2.1（覆盖 44 个职业的真实工作评估）上，Opus 5.5 拿到 1846 Elo，Fable 5.1 是 1735，Opus 5 是 1708。 默认设置下，Opus 5.5 表现超过 GPT-6 Astra 最高设置，成本只有Astra五分之一。 5. 沟通风格，重要信息前置 Opus 5 一个常见用户抱怨，输出冗长，不能快速抓住重点。 Opus 5.5 明显改进，它会把最重要的信息放在最前面，减少行话和特殊表达，更好遵循用户的写作规则。 同样解释 bug，Opus 5 会先说发现了什么，再解释 bug 本身。 Opus 5.5 开头就说"这是一个账单重构里的 bug"，然后对比修改前后的代码逻辑。 6. 安全评估 Opus 5.5 的越界尝试次数比 Opus 5 和 Claude Mythos 5.1 少了约 85%。 在提示注入攻击防御上，Opus 5.5 与 Opus 5 持平或更好。 AI 安全公司 Gray Swan 的测试发现，Opus 5.5 和 Fable 5.1 并列所有测试模型中提示注入成功率最低。 不过，Opus 5.5 经常能察觉自己正在被评估。 Anthropic认为，除非在可解释性研究上取得进展，否则这个类似挑战会随着模型能力提升加剧。 Opus 5.5 在生物学和网络安全领域的能力已经接近 Claude Mythos 5.1，所以也会做访问限制。 网络安全/生物研究任务会被路由到 Opus 4.8 处理。 Anthropic 还引入了"preserved thinking"（保留思维链）机制。 防止通过 API 批量提取模型推理，对 2026 年 8 月 31 日之后创建的 API 账户生效。 7. 上架说明 Claude Sonnet 5.5 和 Claude Haiku 5.5 将在未来几周发布。 Opus 5.5 已经在 AWS、Google Cloud 和 Microsoft Azure 上线，API 调用名称是 `claude-opus-5-5`。 Pro、Max 和 Team 订阅用户的五小时使用限额也同步提升，可自主选择何时重置。 官方公告地址：

Claude安全研究员爆料，国内某头部LLM中转商泄露6TB海量数据，内含大量SSH Key与GitHub Token等关键凭证！数据涉及华为、小米、B站等7家政府机构和19家知名企业，存在巨大渗透风险。许多企业为图便宜使用第三方低价中转站，却不知机密数据早已暴露甚至被倒卖。若事件实锤，涉事中转商将面临严重后果。 就看这家头部的LLM中转商是谁了，如果公开后基本就下课了。。。说白了，贪小便宜吃大亏，数据安全可万万省不得！核心密钥全泄露，这和把自家大门钥匙挂马路上有啥区别？第三方接口水太深，选小作坊真的分分钟把裤衩子都赔光啊！

CLAUDE.md 里写了一堆规则，Claude Code 照样有一半当没看见，这事很多人都碰到过。 HumanLayer 团队开源的 skills 仓库里有个 improve-claude-md，给出的解释挺有意思。 Claude Code 每次注入 CLAUDE.md 时会附一句系统提醒，说这些内容可能与当前任务无关，不相关就别理。 所以规则越多越杂，模型越容易连要紧的那几条也一起忽略掉。 而它的做法，把只在特定场景才用的规则包进一个叫 important if 的标签里，标签上写清触发条件，通用的项目背景照旧裸放在最上面。 GitHub： 仓库里一共 6 个 Skill。show-me 是让 Claude 用伪代码、调用树、组件树、Mermaid 图这些最省字的形式把当前话题画出来，不写长篇解释。 visual-pr 用同一套画法给 PR 写说明，改动用结构图和 diff 摆出来，方便审代码的人看。 design-control-loop 借的是控制论的思路，先访谈我们想把代码库的哪个指标推到什么目标，再搭一个定时跑的 Agent 循环，每次只改一小步开一个 PR。

Claude Code、Codex 这些 Agent 工具的干活方式，现在被搬到机器人身上了。 刚刚，一套专为机器人打造的基础设施 RPent，开源了。 它没有让某一个通用模型变得无所不能，而是将具身智能拆解为不同层次的能力，让不同模型各自承担最擅长的事情。 分工明确，GPT-6 Astra 这类通用大模型负责理解任务、做计划，而抓取、插拔这类精细动作则交给专门的操作模型去执行。 GitHub： 成功且验证过的任务经验会沉淀下来，再次执行时可以直接复用，不用每一步都重新调用大模型。 在官方的 200 次评测里，平均执行时间从 283.6 秒降到 40.9 秒，端到端任务加速约 7 倍。 搭配 GPT-6 Astra，在 LIBERO-PRO 基准测试里任务成功率达到 92.6%。 还有一套记忆机制，引入之后，机器人在面对物体被调换位置的任务时，成功率从 31% 提到 87%。 兼容多个仿真环境，以及 Franka、YAM、SO101 等真机，想了解大模型走进物理世界能干到什么程度的，可以看看。