---
title: Opus 5.5、Fable 5.1 与 GPT‑6：能力、价格和 1M 上下文
description: >-
  完整解读 Opus 5.5、Fable 5.1、Opus 5 与 GPT 的官方评测表和 GDPval 成本曲线，比较 API 价格，并在 Onevium
  接入模型、开启 1M 上下文。
canonical_url: 'https://onevium.com/zh/blog/claude-opus-5-5-vs-gpt-6-pricing-benchmarks'
language: zh-CN
published_at: '2026-09-23'
updated_at: '2026-09-27'
publisher: Onevium
---
# Opus 5.5、Fable 5.1 与 GPT‑6：能力、价格和 1M 上下文

完整解读 Opus 5.5、Fable 5.1、Opus 5 与 GPT 的官方评测表和 GDPval 成本曲线，比较 API 价格，并在 Onevium 接入模型、开启 1M 上下文。

## 这次更新，值得比较什么

选模型时，最有用的问题是：它能否把你的任务做完，完成一次要花多少钱，以及你现有的工具能否用好它。

Claude Opus 5.5 于 2026 年 9 月 22 日发布。同一天，OpenAI 发布 GPT‑6 Sol 和 GPT‑6 Luna；GPT‑6 Astra 则已在 9 月 3 日发布。本文按 9 月 23 日可查的官方资料整理价格、评测和接入方法。[Anthropic 发布说明](https://www.anthropic.com/claude-opus-5-5) · [OpenAI 更新日志](https://developers.openai.com/api/docs/changelog)。

这次比较也纳入 Fable 5.1 和上一代 Opus 5，分别观察高价位 Claude 模型与同系列升级的差异。能力表保留官方五款模型的完整结果，其中 **GPT‑5.6 Sol** 与新发布的 **GPT‑6 Sol** 分开标明；价格部分另列新 GPT‑6 Sol/Luna。本文是官方资料解读，尚未进行 Onevium 内的独立模型横评。

## 先看价格：统一到标准 API 费率

以下均为 **美元／百万 token**，采用标准处理费率。GPT‑6 列按输入不超过 272K token 的请求计算；不包含工具调用、地区处理附加费，也不是 Claude 或 ChatGPT 的订阅价格。

| 模型               | 未缓存输入 |  缓存读取 |    输出 |
| ---------------- | ----: | ----: | ----: |
| Claude Opus 5.5  |    $4 | $0.20 |   $20 |
| Claude Fable 5.1 |   $10 | $0.25 |   $50 |
| Claude Opus 5    |    $5 | $0.50 |   $25 |
| GPT‑6 Astra      |   $10 | $1.00 |   $50 |
| GPT‑6 Sol        |    $2 | $0.20 |   $10 |
| GPT‑6 Luna       | $0.10 | $0.01 | $0.50 |

来源：[Claude 模型规格](https://platform.claude.com/docs/en/models/opus-5-5/overview)、[OpenAI API 价格](https://developers.openai.com/api/docs/pricing)。缓存写入与缓存读取是不同计费项；批处理、快速模式和特殊地区另按对应规则计算。

Opus 5 的输入／输出单价为 $5／$25，Opus 5.5 的 $4／$20 对应 **20% 的单价降幅**。缓存读取由 $0.50 降至 $0.20，降幅为 60%。[Claude 更新说明](https://platform.claude.com/docs/en/models/opus-5-5/whats-new-opus-5-5)。实际任务费用还取决于读取了多少材料、生成了多少计费 token，以及是否需要反复尝试。

这张表适合用来估预算。它不能单独回答哪款模型最划算：一个便宜但需要多次重做的结果，可能比一次通过验收的结果更贵。

Fable 5.1 的输入／输出价格与 Astra 相同，但缓存读取为 $0.25，不能把两者当成相同账单。相对 Fable，Opus 5.5 的输入与输出单价低 60%，缓存读取低 20%；长期重复使用上下文的任务，要分别统计这些计费项。[Fable 5.1 官方价格](https://platform.claude.com/docs/en/models/fable-5-1/overview)。

## 能力对比：按任务读分数

Fable 5.1 是这次比较的重要参照：它能回答“Opus 5.5 是否已经接近更高价位的 Claude 模型”；Opus 5 则用来观察同系列升级。下面保留官方的 五款模型、九项评测，同时比较编程、知识工作、推理、电脑操作与图表识别。

![Anthropic 官方完整评测表：Opus 5.5、Fable 5.1、Opus 5、GPT‑6 Astra 与 GPT‑5.6 Sol 的九项成绩](https://onevium.com/assets/blog/opus55-official-benchmark-table.png)

*来源：[Anthropic 官方发布页](https://www.anthropic.com/claude-opus-5-5#performance-and-cost-effectiveness)。保留原图及其模型名称；点击图片可查看原图。下表提供可复制的文字版，手机上可横向滚动。*

| 评测                                | Opus 5.5 | Fable 5.1 | Opus 5 | GPT‑6 Astra | GPT‑5.6 Sol |
| --------------------------------- | -------: | --------: | -----: | ----------: | ----------: |
| Terminal‑Bench 4.0 · 终端编程         |    66.4% |     55.8% |  52.3% |       57.9% |       37.3% |
| FrontierCode v1.1 Main · 代码修改     |    54.4% |     50.3% |  48.0% |       53.3% |       47.5% |
| CursorBench 4.0 · 多文件编程           |    57.8% |     51.8% |  46.6% |           — |       41.7% |
| GDPval‑AA v2.1 · 知识工作（Elo）        |     1846 |      1735 |   1708 |        1542 |        1588 |
| AutomationBench · 业务工作流           |    40.0% |     31.4% |  26.9% |       41.4% |       28.8% |
| Humanity’s Last Exam · 使用工具       |    67.7% |     65.6% |  63.6% |       57.2% |           — |
| Terminal‑Bench‑Science 0.1 · 科研任务 |    58.7% |     52.6% |  29.0% |       64.6% |       22.4% |
| OSWorld 2.0 · 电脑操作（partial）       |    81.8% |     80.7% |  74.0% |           — |           — |
| Chartography · 图表识别，使用工具          |    89.0% |     88.4% |  83.4% |           — |           — |

这张表可以从三个方向看：

- 编程：分别看终端、多文件修改和可合并的代码改动，不把一个编程榜单当成全部开发能力。这里 Opus 5.5 在三项编程成绩上均高于 Fable 5.1 和 Opus 5。
- 知识工作：GDPval 使用 Elo 分数，不是百分比，也不能与其他行求平均。它更适合为文档、表格等工作选择试用候选；下面的成本曲线能进一步说明取舍。
- 任务差异：Astra 在 AutomationBench 和科研项中的分数较高。电脑操作和图表识别的 GPT 列为空，表示这张表未提供结果，不能按零分理解；OSWorld 的 partial、HLE 与 Chartography 的工具条件也应保留。

评测条件同样重要：除另有说明，Opus 5.5 使用 max；Terminal‑Bench 使用 Opus xhigh、Astra high。部分 Claude 测试在安全机制触发后回退到其他模型；AutomationBench 来自 Zapier，未使用回退。Terminal‑Bench 的 Opus 5.5 标准误为 ±2.6 个百分点，科研项各模型约 ±3.5–5 个百分点。分数接近时，不宜只按小数点排出确定胜负。[完整评测脚注](https://www.anthropic.com/claude-opus-5-5#performance-and-cost-effectiveness)。

## 知识工作：把能力和任务成本放在一起看

同样叫“更强”，可能是花更多钱取得更高分，也可能是在接近的成本下交付更好的结果。GDPval‑AA v2.1 的曲线把这两个问题放在一起，尤其适合比较 Opus 5.5、Fable 5.1 和 Astra。

![Anthropic 官方 GDPval-AA v2.1 成本曲线，横轴为单任务估算美元成本，纵轴为 Elo；展示五款模型及 Opus 5.5 的 low、medium、high、xhigh、max 档位](https://onevium.com/assets/blog/opus55-official-gdpval-cost.png)

*来源：[Anthropic 知识工作评测](https://www.anthropic.com/claude-opus-5-5#knowledge-work)，所用基准为 Artificial Analysis 的 GDPval‑AA v2.1，覆盖 44 类职业。图片保留官方图例、坐标和说明；点击可查看原图。*

读图时关注这三件事：

1. 横轴是每个任务的估算费用，不是每百万 token 单价。它使用对数刻度，相同的横向距离代表相同的倍数变化，而不是相同的美元差额。
2. 纵轴是 Elo，越高越好。图上零点与主体区间之间有断轴；不能把两条曲线的视觉高度直接解释成能力提升百分比。对于接近的分数，更靠左的点意味着估算成本较低。
3. 每款模型是一组工作档位，不是一个固定点。Opus 5.5 从 low 到 max 展示了分数和费用如何一起变化。试用模型时，应把推理力度也记录下来。

图中最高档位的 Opus 5.5 为 1846 Elo，Fable 5.1 为 1735，Opus 5 为 1708。官方同时指出，Opus 5.5 在默认 medium 档位已超过 Astra 的 max 档位，单任务估算成本约为其五分之一。这是该项评测及其配置下的结论，不应推成所有业务都能节省 80%。

对实际选型，我建议先比较各模型的默认档位，再为未通过验收的任务提高力度。这样能区分“模型不适合”和“当前档位投入不足”，也避免一开始就让每个简单任务都用最高档位。

## 算一次任务的费用，而不只看单价

用一个可复算的例子说明价格差异：假设请求使用 **100,000 个未缓存输入 token 和 10,000 个计费输出 token**，没有缓存写入、工具费用或额外附加费。

| 模型          | 计算                         | token 费用 |
| ----------- | -------------------------- | -------: |
| Opus 5.5    | 0.1 × $4 + 0.01 × $20      |    $0.60 |
| Fable 5.1   | 0.1 × $10 + 0.01 × $50     |    $1.50 |
| Opus 5      | 0.1 × $5 + 0.01 × $25      |    $0.75 |
| GPT‑6 Astra | 0.1 × $10 + 0.01 × $50     |    $1.50 |
| GPT‑6 Sol   | 0.1 × $2 + 0.01 × $10      |    $0.30 |
| GPT‑6 Luna  | 0.1 × $0.10 + 0.01 × $0.50 |   $0.015 |

这是依据前表费率计算的统一用量示例，不是这些模型完成同一任务的实测账单。计费输出应包含供方收费的推理 token，不能只统计屏幕上看到的回答文字。

如果要为团队选择默认模型，可以拿三个已经知道正确结果的小任务试跑：一个代码修复、一个资料核对、一个结构化整理。给每个模型相同输入与验收要求，记录模型 ID、推理档位、工具权限、耗时、费用以及人工返工。

先判断结果能否交付，再比较每个合格结果的成本。具体记录方法可参考[如何核对 AI 工作流的实际价值](https://onevium.com/zh/blog/measure-ai-workflow-value)。

## 1M 上下文的容量与成本

Opus 5.5 和 Fable 5.1 的官方上下文窗口为 1M token；GPT‑6 Astra、Sol、Luna 的文档列出 1.05M。窗口要容纳输入、对话、工具返回和生成内容，不能把整个数字当成一次可上传的正文额度。[Claude 规格](https://platform.claude.com/docs/en/models/opus-5-5/overview) · [Astra 规格](https://developers.openai.com/api/docs/models/gpt-6-astra) · [Sol 规格](https://developers.openai.com/api/docs/models/gpt-6-sol) · [Luna 规格](https://developers.openai.com/api/docs/models/gpt-6-luna)。

更大的窗口适合需要同时保留多份材料的任务，但不会自动解决资料过期、相互矛盾或引用遗漏。先让模型定位相关文件，按任务补充必要材料，仍然比无差别塞入整个项目更容易核验。

GPT‑6 的输入超过 272K token 后，**整个请求**的输入和缓存费率为短上下文的 2 倍，输出费率为 1.5 倍。以 Astra 的 300,000 个未缓存输入 token、10,000 个计费输出 token 为例，费用为 0.3 × $20 + 0.01 × $75 = **$6.75**，仍不含工具等额外费用。[长上下文价格规则](https://developers.openai.com/api/docs/pricing)。

还有一个实际使用区别：模型支持 1M，不代表客户端会话已经按 1M 运行。在 Onevium 中，接入服务商之后，还需要核对会话使用的模型条目与窗口。

[Fable 5.1 上下文规格](https://platform.claude.com/docs/en/models/fable-5-1/overview)。

## 在 Onevium 接入 Claude 与 GPT

Onevium 支持 Claude Code 登录、Anthropic API 和 OpenAI Responses 接入，可以在同一个桌面工作区中管理项目，并在不同会话中选择服务商和模型。先按[服务商与模型文档](https://onevium.com/zh/docs/providers)连接，再用自己的小任务判断哪种组合更适合。

Opus 5.5、GPT‑6 Sol/Luna 的新预设与适配已随 **Onevium 1.2.2** 提供，正式版于 2026 年 9 月 24 日发布。请从[正式发布页](https://github.com/Onevium/Onevium/releases)更新到 1.2.2 或更高版本，再按下面的步骤连接服务商、选择这些新型号。

接入方式如下：

1. 有 Claude Code 账户时，在 **Claude Code 连接状态面板**进入登录，并在内置终端完成授权。
2. 使用 API Key 时，打开 **设置 → 服务商 → 添加 AI 服务**，选择 **Anthropic** 或聊天服务中的 **OpenAI**。GPT 工具任务优先使用 OpenAI 预设的 Responses 连接。
3. 填入该服务自己的 API Key 并保存。Onevium 许可证、Claude 订阅与 API 使用额度是不同事项。
4. 回到聊天，新建会话，在输入框的模型菜单选择对应服务商和账户可用的模型。已支持的型号未显示时，在 **管理模型**中检查启用状态；自定义字段见[模型条目与角色映射](https://onevium.com/zh/docs/providers/custom#model-routing)。
5. 先发一条短消息验证连接，再让模型只读一个测试文件并概括内容。保存配置或“检查配置”成功，不代表上游请求和工具调用都已验证。

## 在 Onevium 开启并确认 1M 上下文

以已有接入文档覆盖的 **GPT‑6 Astra** 为例，先确认短消息能够正常回复，再打开 **设置 → 服务商 → 对应连接 → 管理模型 → 添加自定义模型**，展开该行的 **高级**字段：

| 字段     | 填写值                |
| ------ | ------------------ |
| 模型 ID  | `gpt-6-astra[1m]`  |
| 上游模型标识 | `gpt-6-astra`      |
| 显示名    | `GPT-6 Astra (1M)` |

勾选启用并保存，**新建会话**后选中 `GPT-6 Astra (1M)`，发送 `/context`，确认总量显示 `1m`，再发一句短消息确认连接仍正常。仅修改用量条对应的窗口数值，不能替代这个模型条目配置。

本地模型 ID 带 `[1m]`，上游模型标识保持干净：不要把后缀也填进上游字段，更不要给实际不支持 1M 的模型添加它。上述验证确认的是会话配置与短请求连通，不代表已经完成百万 token 的压力测试。

Claude 连接的处理方式不同。对于需要显式开启的旧版 Claude 模型，入口是 **设置 → Claude CLI → 1M 上下文窗口**；自定义 Anthropic 兼容端点还需要在确认服务支持后开启 **高级选项 → 接口支持 1M 上下文**。原生 1M 模型应按所用版本的识别结果核对，不要直接照搬 GPT 的上游字段配置。

完整的连接类型差异、角色与子会话限制，以及 `200k` 未变为 `1m` 的排查步骤，见[1M 上下文窗口指南](https://onevium.com/zh/docs/providers/context-window)。先完成[模型接入](https://onevium.com/zh/docs/providers)，再确认窗口，最后用一个有明确验收标准的真实任务开始比较。

来源: [Anthropic — Introducing Claude Opus 5.5](https://www.anthropic.com/claude-opus-5-5)
