Opus 5.5 在复杂企业任务中优于 Opus 5
来自 Aaron Levie · 期号 2026-09-23
摘要
Box CEO Aaron Levie 公布了 Opus 5.5 在复杂企业知识工作上的测试结果。 相比 Opus 5，新模型 token 使用减少 63%，回复简洁度提升 42%，速度提升 30%，成本也更低。在金融、科技、消费品和临床诊断四个行业测试中，准确率提升 15% 到 65%。 以金融尽职调查为例，Opus 5.5 在交易记录中找出定价工具的所有计算错误，准确率提升 39%，token 消耗减少 82%。临床诊断任务中，它发现两组标准差差异超过 100 倍，重新计算后确认干季差异不显著，准确率提升 15%。
深读
导读 Box CEO Aaron Levie 公布了 Opus 5.5 在复杂企业知识工作上的实测结果。相比 Opus 5，新模型在 token 消耗、回复简洁度和速度上均有显著提升，并在金融、科技、消费品和临床诊断四个行业任务中验证了准确率的大幅增长。对于正在评估下一代模型用于 agent 工作流的企业决策者，这份来自实际部署环境的测试数据比任何基准都更有参考价值。 关键信息 - Opus 5.5 相比 Opus 5，token 使用减少 63%，回复简洁度提升 42%，速度提升 30%，且模型本身成本更低。 - 金融尽职调查任务：在一年交易记录中找出收购目标定价工具的所有计算错误，Opus 5.5 每次尝试均获满分，准确率提升 39%，token 消耗减少 82%。 - 科技行业云成本分析任务：准确率提升 65%，耗时仅为 Opus 5 的一半，token 减少 70%。 - 消费品客户账户分析任务：准确率提升 17%，耗时减半，token 减少 78%。模型能从 18 人名单中自行推导合同未明写的资深/初级人员比例，并正确使用客户平均分而非单个满分。 - 临床诊断数据分析任务：准确率提升 15%，最终答案长度仅为 Opus 5 的一半，token 减少 78%。模型发现两组标准差差异超过 100 倍，重新计算后确认干季差异不显著。 逐节讲解 总体性能对比 Box 使用 Box Agent 在复杂企业知识工作（处理非结构化数据）上测试了 Opus 5.5。整体结论是：模型达到了前沿能力水平，且在 Opus 5 基础上有重大改进。具体数据为：token 使用减少 63%，回复简洁度提升 42%，速度提升 30%，且模型本身成本更低。Levie 认为这对企业将进行的任何 agentic 计算机使用、编码、分析或数据工作都是重大利好。 四个行业测试详情 金融，尽职调查：任务是在一年交易记录中找出收购目标定价工具的每一个计算错误。Opus 5.5 每次尝试都得到满分，且用词仅为 Opus 5 的一半，整体 token 消耗减少 82%，准确率提升 39%。 科技，云成本分析：任务是判断一家公司应如何调整其云支出。Opus 5.5 为留存计算选择了正确的基础，并在整个过程中保持源数据单位约定的一致性，使最终数字经得起推敲。耗时仅为 Opus 5 的一半，token 减少 70%，准确率提升 65%。 消费品，客户账户分析：任务是根据已签合同、满意度追踪表和团队指标表，为客户账户设定入职目标。合同未写明资深/初级人员比例，Opus 5.5 从 18 人名单中自行推导并展示了所用规则；面对多个客户在单项调查中得满分的情况，它计算每个客户的平均分而非只取单个满分。耗时减半，token 减少 78%，准确率提升 17%。 临床诊断，数据分析：任务是分析疟疾快速检测在干季和…