模型进展01
谷歌在9月30日向小范围测试者发布 Gemini 4 Argon，10月13日向付费 Gemini API 开发者开放，并称其在18项测试中14项领先 Claude Opus 5.5，价格暂为后者一半（11月30日后涨回同价）。作者用三个难题实测：找 Bug 两者打平；账单规格题 Opus 全对，Argon 因一行小错几乎全挂，修掉后也全对；长上下文依赖题 Opus 基本找全33个受影响服务，Argon 各尺寸都答错一批且推理草率。可见 Argon 更便宜、有时够用，但复杂推理可靠性明显不如 Opus。
文中可用工具
- Gemini 4 Argon谷歌新发布的大模型，文中为被测对象，已向付费 Gemini API 开发者开放
- Claude Opus 5.5Anthropic 的对比模型，文中作为基准
- OpenRouter用于调用两家模型运行测试的接口平台
- Terminal-bench 4.0测试命令行中智能体工作的评测基准
模型进展02
Anthropic 周二发布了 Claude Opus 5.5，把每百万输入 token 的价格从 5 美元降到 4 美元，输出 token 从 25 美元降到 20 美元，上下文窗口和最大输出保持不变。但官方迁移指南指出，有四类改动会让原本写给 Opus 5 的请求在切换后直接报 400 错误，另有几处不报错却会悄悄改变 Agent 行为。例如思考功能无法再关闭、强制工具调用被禁用、思考块只能在特定模型和对话中复用、电脑操作工具换成了新的 toolset。想让 Agent 正常升级，开发者需要逐项改代码、重新评估 effort 设置，并处理 refusals 和工具调用叙述消失等问题。
文中可用工具
- Claude Opus 5.5Anthropic 发布的新模型，价格更低但有多项破坏性变更
- Claude Opus 5上一代模型，升级到 5.5 时需要先完成迁移
- Claude APIAnthropic 的模型调用接口，涉及思考块和电脑操作工具变更
- Claude Code官方编程工具，已适配新的思考块验证方式
- claude.aiAnthropic 的网页聊天产品，已适配新的思考块验证方式
- Claude Managed Agents托管 Agent 服务，已适配新的思考块验证方式
- Claude Agent SDKAgent 开发 SDK，已适配新的思考块验证方式
- computer_toolset_20260801Opus 5.5 在 Claude API 和 Google Cloud 上唯一接受的电脑操作工具集
- computer_20251124旧的电脑操作工具，Opus 5.5 不再接受，但在 Amazon Bedrock 上仍可用
- Amazon Bedrock云平台，仍支持旧的电脑操作工具
模型进展03
Anthropic 在周二发布了新模型 Claude Opus 5.5，并把价格下调了 20%：输入每百万 token 从 5 美元降到 4 美元，输出从 25 美元降到 20 美元，缓存读取从 0.5 美元降到 0.2 美元。Anthropic 称由于完成任务用的 token 更少、输出速度快了三成以上，综合省下的成本接近 40%。不过要注意一件事：Opus 5.5 自带网络安全、生物和前沿模型开发的安全分类器，一旦分类器被触发，请求会被悄悄转到旧模型（比如 Opus 4.8 或 Opus 5）处理。这意味着在 Agent 多轮工作流里，不同步骤可能由能力不同的模型完成，下游结果可能受影响，这是开发者做架构时需要注意的地方。
文中可用工具
- Claude Opus 5.5Anthropic 发布的新模型，用于 Agent 编程等任务
- Claude Opus 5上一代模型，部分被安全分类器拦截的请求会转由它处理
- Claude CodeAnthropic 的编程工具，新增更快的 fast 模式
- Claude PlatformAnthropic 平台，同样支持 fast 模式
- Copilot CLIGitHub 的编程工具，用于测试 Opus 5.5
- VS Code代码编辑器，GitHub 在其中测试了 Opus 5.5
- Opus 4.8旧模型，大多数被标记的网络安全请求会转到它
- Claude Mythos原文未说明用途，提到新版网络验证计划包含对其的访问权限