Claude Opus 5.5 è il modello di Anthropic per il coding agentico di lunga durata e il lavoro di conoscenza, rilasciato il 22 settembre 2026, e la panoramica dei modelli di Anthropic consiglia di partire da qui per la maggior parte dei carichi, riservando Claude Fable 5.1 al ragionamento più impegnativo.
- Input
- testo immagine $4/M
- Output
- testo $20/M
- Lettura cache
- $0.2/M
- Contesto
- 1M
- vs GPT-4o
- ~20% più economico
- Cutoff di conoscenza
- 2026-06
Benchmark
Dati pubblicati dai fornitori: Alibaba (Qwen) Anthropic DeepSeek Google Moonshot OpenAI Z.ai
Il prezzo nel contesto
Posizione del prezzo tra 67 modelli comparabili
La barra mostra dove si colloca il prezzo di questo modello tra tutti i modelli dello stesso tipo su Synthorai. Alle due estremità sono indicati il più economico e il più caro. Sono tariffe base; gli sconti per batch, regione e scrittura in cache sono nella pagina dei prezzi.
Specifiche e limiti
Token
| Finestra di contesto (specifica del fornitore) | 1.000.000 |
|---|---|
| Output massimo (specifica del vendor) | 128.000 |
| Cutoff di conoscenza | 2026-06 |
Caching prompt
| Modalità | esplicito (opt-in) |
|---|---|
| Prefisso min. | 512 predefinito del provider: 1.024 |
| Durata | 5 min predefinito, 1 ora opzionale |
| Costo di scrittura | 1.25x (5m) / 2x (1h) |
Ragionamento
| Parametro del fornitore | output_config.effort |
|---|---|
| Valori accettati | low · medium · high · xhigh · max |
| Valore predefinito | medium applicato se la richiesta non specifica nulla |
| Disattivabile | No |
| Comportamento del ragionamento | Adaptive thinking is always on: thinking {"type": "disabled"} and a manual {"type": "enabled", "budget_tokens": N} both return a 400 error, so effort is the only depth control. The default dropped from high on Claude Opus 5 to medium. |
| Parametro | reasoning_effort |
| Valori | minimal · low · medium · high la superficie parametri del gateway - vale la mappatura del fornitore sopra |
Modello
| Modalità | testo + immagine → testo |
|---|
- 1M context at standard pricing with no long-context tier
- prompt-cache reads cost 0.05x input ($0.20/M) rather than the usual 0.1x
- minimum cacheable prompt 512 tokens
- forced tool use (tool_choice any or tool) returns a 400
- thinking blocks are tied to the model and conversation that produced them
- up to 300k output tokens on the Message Batches API with the output-300k-2026-03-24 beta header
- fast mode is a research preview on the Claude API only
Un solo prompt, misurato attraverso il gateway
Claude Opus 5.5 superato · 3 sentences
When we turned on reasoning, the model began "thinking out loud" before each answer, generating thousands of internal working tokens that users never see but that we are billed for just like the final response. Those hidden tokens are charged at the output rate, typically the most expensive rate, so the same question with the same visible answer now costs roughly twice as much or more. We can bring the bill back down without losing the quality gains by capping the reasoning budget and reserving reasoning mode for the complex tasks that actually benefit from it.
out 263 tok (+102 ragionamento) latenza 5.7 s
Rispetto dell'istruzione (esattamente tre frasi - contabili), adattamento al pubblico (registro da CFO), e il divario di fatturazione del pensiero nascosto che i contatori di token qui sotto rivelano.
Claude Opus 5.5 superato · 8/8 cases
```python def longest_run(xs): if not xs: return 0 best = 1 cur = 1 for i in range(1, len(xs)): if xs[i] == xs[i - 1]: cur += 1 best = max(best, cur) else: cur = 1 return best ``` **Explanation:** The original code counted *matching adjacent pairs* rather than *items in a run*. Both `cur` and `best` started at 0, and `cur` reset to 0 on a mismatch, so a run of length *n* was reported as *n − 1*. For a single-element list the loop never executes, so it returned 0 instead of 1. For `[5, 5]` it returned 1 instead of 2. The fix treats every element as the start of a run of length 1: `best` and `cur` start at 1, and `cur` resets to 1 (not 0) when the value changes. An explicit check returns 0 for an empty list. The "misses runs at the last index" reports are the same off-by-one bug rather than a separate one. […]
out 723 tok (+303 ragionamento) latenza 10.4 s
Se la correzione è davvero giusta (eseguibile), la densità della spiegazione, e l'efficienza in token su un compito delimitato.
Claude Opus 5.5 superato · 5/5 fields, guidance "Withheld pending Q4 close"
```json { "company": "Meridian Robotics", "quarter": "September quarter", "revenue_usd_m": 412, "growth_pct": 11, "guidance": "Withheld pending Q4 close" } ``` **Judgment calls to check:** - **quarter**: Kept as "September quarter" rather than "Q3", since the fiscal calendar isn't stated. The text mentions an upcoming "Q4 close," so it may be fiscal Q3, but that's not certain. - **revenue_usd_m**: The text says only "412 for the topline." It doesn't state currency or units, and the figure is on a constant-currency basis, not reported USD. USD millions is an assumption. Use `null` if you need strictly stated values. - **growth_pct**: The source says "eleven and change," so the true figure is slightly above 11. 11 is an approximation. - **guidance**: Guidance was explicitly withheld. I recorded that rather than `null`, since the text addresses it directly.
out 829 tok (+488 ragionamento) latenza 10.9 s
Aderenza allo schema (nessun campo inventato), pressione di allucinazione (guidance è esplicitamente sospesa), e differenze nel percorso di output strutturato.
Claude Opus 5.5 superato · 120 words, 0 banned, 1 question
Today we're launching Cross-Provider Prompt Caching for our API gateway. Why pay twice for the same context? Our gateway now stores repeated prompt prefixes, system instructions, and document chunks, then reuses them whether your request goes to OpenAI, Anthropic, Google, or an open-source model. Teams running retrieval pipelines or long agent loops can cut token costs by up to 60 percent and trim latency on every cached call. Setup takes one configuration flag; no code changes are required. Cache rules respect tenant boundaries, expire on your schedule, and log every hit for audit review. Dashboards show savings by provider, route, and application in real time. Cross-Provider Prompt Caching is available on all Pro and Enterprise plans. Turn it on today.
out 1263 tok (+1007 ragionamento) latenza 13.5 s
Rispetto dei vincoli (budget di parole, elenco di parole vietate, l'unica domanda), impronta stilistica, e controllo della lunghezza.
Usa Claude Opus 5.5 in 30 secondi
Compatibile OpenAI: cambia la base_url, tieni il tuo SDK. POST /v1/chat/completions
from openai import OpenAI
client = OpenAI(
base_url="https://synthorai.io/v1",
api_key="sk-syn-...",
)
resp = client.chat.completions.create(
model="claude-opus-5-5",
messages=[{"role": "user", "content": "Summarize this diff"}],
reasoning_effort="medium",
)
print(resp.choices[0].message.content)import OpenAI from "openai";
const client = new OpenAI({
baseURL: "https://synthorai.io/v1",
apiKey: "sk-syn-...",
});
const resp = await client.chat.completions.create({
model: "claude-opus-5-5",
messages: [{ role: "user", content: "Summarize this diff" }],
reasoning_effort: "medium",
});
console.log(resp.choices[0].message.content);curl https://synthorai.io/v1/chat/completions \
-H "Authorization: Bearer sk-syn-..." \
-H "Content-Type: application/json" \
-d '{
"model": "claude-opus-5-5",
"messages": [{"role": "user", "content": "Hello"}],
"reasoning_effort": "medium"
}'package main
import (
"context"
"fmt"
"github.com/openai/openai-go/v3"
"github.com/openai/openai-go/v3/option"
)
func main() {
client := openai.NewClient(
option.WithBaseURL("https://synthorai.io/v1"),
option.WithAPIKey("sk-syn-..."),
)
resp, _ := client.Chat.Completions.New(context.TODO(), openai.ChatCompletionNewParams{
Model: "claude-opus-5-5",
Messages: []openai.ChatCompletionMessageParamUnion{
openai.UserMessage("Summarize this diff"),
},
ReasoningEffort: openai.ReasoningEffortMedium,
})
fmt.Println(resp.Choices[0].Message.Content)
}import com.openai.client.OpenAIClient;
import com.openai.client.okhttp.OpenAIOkHttpClient;
import com.openai.models.chat.completions.*;
import com.openai.models.ReasoningEffort;
OpenAIClient client = OpenAIOkHttpClient.builder()
.baseUrl("https://synthorai.io/v1")
.apiKey("sk-syn-...")
.build();
ChatCompletion resp = client.chat().completions().create(
ChatCompletionCreateParams.builder()
.model("claude-opus-5-5")
.addUserMessage("Summarize this diff")
.reasoningEffort(ReasoningEffort.MEDIUM)
.build());
System.out.println(resp.choices().get(0).message().content().orElse(""));Informazioni su Claude Opus 5.5
- Costa $4 per milione di token di input e $20 per milione di token di output, e le letture della cache dei prompt sono addebitate al 5% del prezzo di input ($0.20 per milione) invece del consueto 10%, il che rende sensibilmente più economici i cicli di agenti che rinviano un prefisso stabile.
- Mantiene una finestra di contesto di 1M token senza sovrapprezzo per il contesto lungo, 128K di output massimo, input di testo e immagini e un limite di conoscenza a giugno 2026.
- La documentazione di Anthropic elenca quattro modifiche incompatibili per il codice che migra da Claude Opus 5: il thinking adattivo è sempre attivo, quindi disattivarlo o impostare un budget manuale restituisce un errore e il parametro effort, ora con default medium, è l'unico controllo della profondità; l'uso forzato degli strumenti tramite tool_choice any o tool viene rifiutato, quindi conviene lasciare tool_choice su auto e usare l'uso rigoroso degli strumenti o gli output strutturati per ottenere JSON conforme allo schema; i blocchi di thinking sono legati al modello e alla conversazione che li hanno prodotti; e il vecchio strumento computer_20251124 non è accettato sulla Claude API.
- Le brevi note che il modello scrive tra una chiamata di strumento e l'altra arrivano ora come blocchi di thinking, per cui le interfacce che le mostrano in streaming devono impostare un valore display per thinking.
- Synthorai offre Claude Opus 5.5 tramite le stesse API del resto della gamma Claude.
FAQ
L'API di Claude Opus 5.5 si può provare gratis?
Sì: i nuovi account ricevono 10 chiamate di prova e fino a $1 di credito gratuito, senza carta richiesta. A $4/M token in input, quel credito da solo copre circa 31 richieste da ~8K token verso Claude Opus 5.5.
In cosa eccelle Claude Opus 5.5?
Il punto di partenza consigliato da Anthropic per la maggior parte dei carichi; letture della cache al 5% dell'input, $0.20 per milione di token; thinking sempre attivo; effort medium di default. Il quadro completo è nella sezione «Informazioni», tratto dalle note di rilascio ufficiali del vendor.
Quanto costa Claude Opus 5.5?
Su Synthorai, Claude Opus 5.5 costa $4 per milione di token in input e $20 per milione di token in output: il prezzo di listino del provider, senza ricarico della piattaforma. I token di input in cache si fatturano a $0.2/M.
Claude Opus 5.5 supporta il caching dei prompt?
Sì, su opt-in: marca i prefissi stabili con breakpoint cache_control. I token di input in cache si fatturano a $0.2/M contro $4/M senza cache; per andare in cache i prompt richiedono un prefisso stabile di 512 token (TTL 5 min predefinito, 1 ora opzionale). Guida al caching dei prompt →
Come ottengo l'accesso a Claude Opus 5.5?
Punta il tuo SDK OpenAI esistente a base_url="https://synthorai.io/v1", imposta model="claude-opus-5-5" e hai finito: una sola chiave API copre tutti i modelli del gateway.
Qual è il cutoff di conoscenza di Claude Opus 5.5?
Il cutoff di conoscenza di Claude Opus 5.5 è 2026-06, secondo la documentazione ufficiale del vendor (dato aggiornato al 2026-09-23).
Modelli correlati
Confronta
Ogni valore di questa pagina è trascritto dalla documentazione del fornitore, collegata sopra, e riporta la data in cui è stato verificato. I prezzi sono confrontati sull'intero catalogo; i valori di specifica che i fornitori definiscono in modo diverso sono mostrati indicando la differenza anziché messi a grafico. Nulla qui è misurato da noi e nulla è valutato con un punteggio.