Google Gemini 3.8 Flash TTS: Script-Level Voice Direction and Zero-Shot Synthesis

Google has expanded the Gemini Audio ecosystem with the release of Gemini 3.8 Flash TTS and Gemini 3.8 Flash-Lite TTS. Moving beyond traditional text-to-speech (TTS) architectures that rely on rigid, pre-cooked parameters, this release introduces zero-shot voice design, 30-second voice cloning with consent verification, and script-level emotive tagging (sighs, laughs, interruptions, and backchanneling).

1. Core Architecture & Model Taxonomy

The dual-model rollout optimizes for two distinct engineering vectors: deep narrative performance versus high-throughput, low-latency scaling.

Dimension	Gemini 3.8 Flash TTS	Gemini 3.8 Flash-Lite TTS
Primary Design Target	Deep creative direction & character rendering	High-volume, low-latency batch processing & voice agents
Use Cases	Game NPCs, immersive audiobooks, podcasts, interactive media	Bulk automated dubbing, high-scale content generation, conversational AI
Voice Design (Zero-Shot)	Fully Supported	Not documented in initial launch specs
Script-Level Direction (Tags)	Fully Supported	Fully Supported
Multi-Speaker Overlaps	Fully Supported	Fully Supported
Ecosystem Availability	Google Notebook, Google Vids, API	Google Notebook, Google Vids, API

Engineering Insight: Flash-Lite is not a quantized fallback model. In human-preference blind evaluations across select languages (including English), Flash-Lite frequently matches or outperforms standard Flash, proving that throughput optimization did not come at the expense of baseline acoustic fidelity.

2. Technical Highlights

A. Zero-Shot Voice Design

Rather than picking from a static roster, engineers can instantiate novel voices via natural language prompts supporting 100+ languages and dialects. The expanded voice library features over 2,000 baseline profiles.

# Conceptual Payload Structure for Voice Design
voice_payload = {
    "model": "gemini-3.8-flash-tts",
    "voice_design": {
        "prompt": "Deep gravely voice that shows he has been through many battles. Fast and booming.",
        "locale": "en-US"
    },
    "input_text": "You shall not pass these gates, demon, for I have battled worse than thee."
}

High-Energy Dialect Synthesis: Prompts such as "High-energy DJ from Melbourne" correctly render regional slang ("heaps"), cadence, and high-tempo broadcast pacing.
Non-Human Profiles: Static, hyper-monotone parameters yield exact sci-fi synthetic archetypes ("Super high-pitched, monotonic robot").
Cross-Lingual Characterization: Complex persona prompts execute across languages, such as an aged Japanese dragon ("老夫") interrogating an intruder with historical cadence.

Replicating a target voice requires a roughly 20-to-30-second clean audio sample (ideally narrative, non-monotonic speech). To mitigate deepfake risks, the ingestion pipeline enforces a cryptographic and acoustic Consent Verification step:

Sample Ingestion: The user records or uploads the source audio.
Consent Challenge: The user must read a mandatory legal attestation string:

"I am the owner of this voice and I consent to Google using this voice to create a synthetic voice model."
Biometric Matching: The model validates that the acoustic embedding of the consent phrase matches the source sample before generating the persistent ID.
Watermarking: All generated payloads embed SynthID audio watermarks for machine-verifiable tracking.

Geographic Restriction Note: Voice cloning via AI Studio is currently restricted in Illinois, Texas, the European Economic Area (EEA), the UK, Switzerland, and India.

C. Script-Level Directorial Control

The models treat prompts as theatrical scripts. Instead of post-processing audio files to inject pauses or emotional shifts, engineers use inline markup tags directly within the text payload:

Square Brackets [ ] (Performance State): Sets the emotional baseline or delivery mode per line (e.g., [whispering], [reassuringly], [muttering], [warm][neutral][prosody="60%"]).
Angle Brackets < > (Paralinguistic Cues): Injects non-verbal acoustic events mid-utterance (e.g., <sigh>, <laughs>, <gasp>, <breath>).
Vertical Pipes | | (Backchanneling & Interruptions): Handles listener feedback and overlapping dual-speaker dialogue (e.g., |mhm|, |yeah|).

Speaker 1: [muttering] tu...tu...tu....hang on a second, let me find that order status <sigh>
Speaker 1: [reassuringly] yeah....this order never really got delivered. Sorry for that. Let me update and reschedule this order....
Speaker 1: [whispering] give me one moment...
Speaker 1: [warm][neutral][prosody="60%"] I just updated the status and rescheduled the delivery.

3. Evaluation & Benchmarking Tradeoffs

In third-party and internal blind tests, Gemini 3.8 Flash demonstrates clear wins in specific axes while lagging in others:

Strengths: Accent fidelity, Japanese language generation, and overall raw audio quality.
Vulnerabilities: ElevenLabs currently scores higher in micro-expression fluidity and distinct persona preservation during long-form generation. In strict blind A/B preference tests for English, Gemini Flash occasionally drops to third place behind specialized competitors.

4. Quickstart & Verdict

When to deploy Gemini 3.8 Flash TTS:

Building interactive gaming NPCs that require real-time dynamic voice-morphing based on character states.
Producing long-form narrative content (audiobooks, podcasts) requiring precise emotional pacing.

When to deploy Gemini 3.8 Flash-Lite TTS:

Spinning up automated conversational voice agents at scale.
Generating massive batches of customer service audio prompts where throughput and cost efficiency outweigh complex theatrical rendering.

1a:Ta2ce,

Claude Opus 5.5 发布：编程、视觉与写作大幅升级，多项基准超越 Fable 5.1，价格却大幅降低｜看这些实战案例

结合官方图表、X 视频和 Every 的一周实测，看它解决了哪些老问题，做出的作品与日常使用又是什么样。

Anthropic 发布了 Claude Opus 5.5。这次升级覆盖复杂编程、视觉与交互、知识工作，以及一直被吐槽的写作体验。在 Anthropic 的评测中，它的 Terminal-Bench 得分 66.4%，高于 Fable 5.1 的 55.8%；CursorBench 为 57.8% 对 51.8%。在代码库里连续解决问题，和在一段提示词后做出完整作品，是它最值得看的两种能力。

价格也改变了选择：Opus 5.5 的 API 输入、输出单价分别是每百万 Token 4 美元和 20 美元，比 Fable 5.1 的 10 美元和 50 美元都低 60%。与上一代 Opus 5 相比，Anthropic 称典型任务费用约低 40%，输出速度快 30% 以上。

这些升级在日常工作里，分别表现为：

编程：更适合连续推进整项任务。 跨文件修改和长时间工程任务更稳；CursorBench 的默认 medium 档已超过 Fable 5.1 的最高档。一般任务可以先从 medium 开始。
视觉与交互：从“做个页面”走向更完整的作品。 水下探索游戏、手绘动画、可调投石机和积木搭建工具，把画面、操作和反馈连成了完整体验。
知识工作：更好地检索、整理和交付复杂资料。 财报查证、并购建模和跨应用操作的表现都有提升；另一项专业工作测试达到 1846 Elo，高于 Fable 5.1 的 1735。
写作：少绕弯，先说重要信息，更愿意遵守你的表达规则。 新版更愿意听反馈，少用套话；写文档和解释问题时，重要信息也更早出现。

Anthropic 的 Opus 5.5 品牌发布短片。官方原帖

写作升级：少一点套话，先把事情讲明白

Opus 5 的“AI 味”曾是高频吐槽：回答先铺背景、爱堆术语和套话，关键结论埋在后面；请它改两句，有时又忙着解释、争辩自己原来的写法。Every 的试用者说，旧版的解释常常“还需要再解释一遍”。写文档或长期协作时，这会让人把时间花在追问和改稿上。

Opus 5.5 主要改的是这种沟通体验。 Anthropic 称它会把重要信息放在前面，减少拗口的表达，更愿意遵守用户给的写作规则。官方账单排错示例让这个变化很容易看出来：新版先告诉你钱差在哪里，然后再讲代码出了什么问题。

同样找对 Bug，新版先说影响

两款模型都找到了同一个账单错误：代码把月末截止时间设成“最后一天的零点”，漏算了那一整天的用量。

区别在展开顺序。Opus 5 先指出是哪次提交引入问题，然后展示代码、解释时间区间，接着说明漏计影响及测试为什么没有发现它。Opus 5.5 一开始就交代：账单下降中，1.50 美元来自免费层调整，另外 9.92 美元来自 Bug；后者导致月末最后一天的用量没有计费。读者先知道影响多大，再读代码了解原因。

Opus 5与5.5解释同一账单Bug的官方并排截图 — 左为 Opus 5，右为 Opus 5.5。两者都定位到错误，新版更早交代金额和漏计后果。官方写作对照

官方还展示了两组对照。总结 Slack 讨论时，两款模型都用了三条清单，新版把“问题、立即措施、长期方案”中的责任人和完成状态写得更容易跟进。解释国际象棋程序时，新版围绕“两个格子中间有没有棋子挡住”说明设计：用掩码记录中间格，再计算阻挡数量；数量为零，攻击才成立。它把技术细节连回了读者要理解的问题。

写得更自然，长文仍可能绕远

早期测试者 Theo Jaffee 用同一个提示词，“explain how options work”，展示了两款模型的回答。他认为 Opus 5.5 的写作更直接、自然，减少了让人出戏的套话。这条帖子在检索时约有 1300 赞。

旧版先从“未来交易”和核心思想谈起，再列定义、类型及较长的算例。新版首段直接给出定义和权利金，随后将类型、术语、上涨与下跌情形、盈亏平衡点分开。区别在阅读顺序：先弄懂期权是什么，再看分类和算例。

Theo发布的Opus 5回答截图：解释期权原理 — Theo 标注的 Opus 5 回答：先铺陈概念，再进入定义与长段算例。

同提示词下Opus 5.5的回答截图 — Theo 标注的 Opus 5.5 回答：定义、分类和算例中的不同情形更容易逐项阅读。

企业反馈也更接近日常写作任务。Ramp 工程师 John Ruelas 表示，新版更能遵守团队写作规则，设计文档只需很少修改；重写的一条提示词甚至比他的原版更合意。Box 的 Yashodha Bhavnani 则称，在其评测中，Opus 5.5 使用的 Token 约为 Opus 5 的三分之一，回答冗长程度减少约 40%，同时保持准确性。

科技媒体 Every 的实测更看重协作体验变顺了：新版愿意接受修改意见，顺着给定材料继续创作，也更能解释取舍。

Every 测得的英文 Flesch-Kincaid 年级值为 6.95，低于 Opus 5 的 7.97 和 Fable 5.1 的 7.43，约对应美国七年级阅读难度；Reading Ease 易读分为 68.4。这项评分衡量英文词句是否容易阅读。

Every测得的各模型英文可读性评分对比表 — Every / Daniel Rodrigues 的英文可读性表。Opus 5.5 比 Opus 5 更易读；图中 Grok 的两项分数还略好一些。

写作仍有一个明显短板：话更好懂，重点却未必更早出现。Every 的文章开头测试中，新版用了 37—39 句表达作者 21 句的内容；Dan Shipper 也发现，它能找出最有意思的观点，却没有把它放在开头。

这让 Opus 5.5 更适合一起讨论想法、扩充初稿；定稿时仍要检查第一段有没有直接说出核心观点。写作升级已经能从配合度和表达中感受到，精炼与取舍还需要编辑。

X 上的演示：游戏、动画与视觉完成度

X 上的开发者和 Anthropic 团队很快放出了可看的作品。游戏与动画最适合观察这次升级：它有没有把场景、操作和反馈真正做出来？

水下探索游戏：场景、任务和反馈连成了一次体验

Anthropic 团队成员 Edwin Arbus 的演示约有 1315 赞。他让 Opus 5.5 制作一款受安提基特拉机械启发的游戏，并称整个作品是一个约 3 MB 的 HTML 文件，通过 Three.js 在浏览器内运行，画面与声音均由代码实时生成。

视频先展示航船与潜水员，随后进入水下：鱼群、海草与光束形成环境；“寻找三枚青铜碎片”的目标、空气倒计时和声呐形成任务；找到机关后出现齿轮装置与完成画面。这组演示的价值在于，不同视觉与交互元素围绕同一探索目标组织起来了。

Edwin 的水下探索游戏，60 秒。Anthropic 团队成员作品。作者提供的可玩作品

丧尸游戏对照：同题作品的画面差异

第三方评测账号 BridgeBench 发布的对照约有 653 赞。作者称两款模型使用了相同提示词，讲解中明确标注先展示 Opus 5.5，后展示 GPT-6 Sol。

前半段是较写实的城市射击场景：路面反光、建筑层次、枪械和界面元素较丰富；后半段则是更简化的方块角色与规则化场地。同一条演示里，两种作品的场景密度、画面风格和交互界面差别很直观。

BridgeBench 的 79 秒对照，配有中文讲解字幕；约 38 秒后切换至 GPT-6 Sol。

手绘动画：借助既有技能控制风格与转场

开发者 superalesha 的动画约有 478 赞。他要求 Opus 5.5 表现 Claude 模型的发展过程，并说明使用了自己的 hand-drawn-canvas-animation 技能，作品以纯 JavaScript 制作。

视频从铅笔、纸张和星芒标识出发，经过翻页、怀表齿轮、蓝图桥梁、风暴和色彩转场，最后落到一句问候。它展示了如何把统一画风维持到多段场景中。

superalesha 的手绘动画，约 87 秒；作者披露使用自编技能配合 Opus 5.5。

官方的八个作品，把能力展示得更具体

Anthropic 还发布了一条早期探索合集。其中既有连续叙事的动画，也有能接受输入、给出反馈的应用原型。

连续叙事与数据重建

西瓜故事由 Kevin Ngo 制作。蚂蚁从搬运、种植到经历风暴、收获分享，形成了一段约 29 秒的手绘故事。它展示的是连续场景的表达，而不只是一张插画。

Kevin Ngo 的西瓜故事：蚂蚁搬运、种植、经历风暴，最后分享收成。

Earthrise 重建则利用图像线索和公开数据，复现阿波罗 8 号拍摄“地出”照片的时刻。演示从原照片出发，展示地平线边缘、位置、镜头拟合、光照与胶片响应等环节，再呈现重建画面。它把图像观察、资料与几何关系串进同一个可视化过程。

官方探索 2：从图像与公开数据重建 Earthrise。演示从照片线索走到几何与光照重建。

把草图和视觉想法变成可操作界面

Kevin Ngo 的 Penpal 把 Claude Code 做成了纸笔风格界面：新会话是一张餐巾纸，项目列表、继续上次会话和用量都保留了具体操作入口。它在风格变化之后，仍然围绕原本的工作组织界面。

Penpal纸笔风格Claude Code界面，包含项目列表、新建会话和用量 — 官方探索 3：Kevin Ngo 的餐巾纸界面，新建会话、继续任务和项目导航融入纸笔风格。

投石机从铅笔草图变成桌面上的三维模型。演示者可以拉动投掷臂、调整配重，看弹丸飞行并撞倒方块。这里不只有物体造型，还有“改变参数—观察结果”的交互关系。

官方探索 4：草图变成可调投石机模拟，可见弹道和碰撞反馈。

Tyler Nishida 的 UI 老虎机随机组合界面元素，为新应用提供起点。另一件作品来自 thedesignely：围绕甲虫海报做出视觉特效控制器，调整参数时，预览随之改变纹理和形变。前者帮助产生组合，后者帮助比较变化后的效果。

官方探索 5：Tyler Nishida 的 UI 随机组合工具。

官方探索 6：thedesignely 的视觉特效作品，参数与预览联动。

生成之后，还能继续修改与复用

积木搭建应用接受照片或文字描述，输出三维积木模型及搭建说明。视频里能看到修改描述后的城堡、逐层步骤和零件指引：它尝试把“看起来像一个模型”推进到“告诉人如何搭起来”。

官方探索 7：照片或描述转成积木模型，并提供逐步搭建说明。

Kevin Ngo 的 算法绘图程序则让同一套画风产生不同构图。官方说每幅画使用不同的随机种子；展示图中，海浪、岛屿和日落的位置不断变化，铅笔笔触和纸张质感保持一致。对于需要成组视觉素材的工作，这比只能输出一个固定结果更有复用价值。

18幅风格一致、构图不同的算法海景绘画 — 官方探索 8：Kevin Ngo 的算法绘图，每幅对应不同种子。

编程究竟提升多少：默认档位已经很有竞争力

视觉演示之外，官方基准提供了另一种观察。下图涵盖编程、知识工作、电脑操作和图表识别。其中 OSWorld 采用 partial 计分，Chartography 在使用工具的条件下从 Opus 5 的 83.4% 提升到 89.0%。

Opus 5.5与Fable5.1、Opus5、GPT6 Astra及GPT5.6 Sol的完整官方评测矩阵 — 官方完整评测矩阵。默认采用 max；Terminal-Bench 的 Opus 5.5 为 xhigh、Astra 为 high。

“effort”可以理解为模型分配给思考的预算。更高档通常意味着花更多时间和费用，但不保证每项任务都得分更高。Opus 5.5 的一个变化，是默认 medium 已经能完成很多此前需要高档模型处理的工作。

Terminal-Bench 4.0 考察终端中的多步执行与问题解决。Opus 5.5 的 xhigh 得分为 66.4%，Opus 5 为 52.3%，Fable 5.1 为 55.8%，Astra 为 57.9%。medium 约为 58%，按官方比较，费用约为 Opus 5 max 的五分之一，也只需 Astra 同等表现约 40% 的费用。
FrontierCode v1.1 除了正确性，还关心修改能否达到代码库的合入标准。Opus 5.5 medium 得分 54.6%，max 为 54.4%；medium 以约 Astra 五分之一的任务费用，超过其 53.3% 的成绩。对这类任务，拉满预算不一定划算。
CursorBench 4.0 来自真实用户的复杂跨文件任务。medium 得分 52.5%，已超过 Fable 5.1 max 的 51.8% 和 Opus 5 max 的 46.6%；相对 GPT-5.6 Sol 的 41.7%，费用约为其三分之一。Opus 5.5 max 得分进一步达到 57.8%，但费用也增加。

Terminal-Bench不同思考档位的得分与费用曲线 — Terminal-Bench：medium 约 58%，high 约 64%，xhigh 66.4%；Opus 5.5 的标准误差为 ±2.6 个百分点。

FrontierCode不同思考档位的表现与费用 — FrontierCode：medium 与 max 成绩接近，费用差距明显。横轴为每任务美元，对数刻度。

CursorBench默认与最高思考档位的得分成本对比 — CursorBench：默认档 52.5%，最高档 57.8%；增益与成本需要一起看。

长任务反馈更接近工程现场。Anthropic 内部让模型将 HAProxy 从 C 改写为 Rust，Opus 5.5 用了 9.5 小时，Fable 5.1 为 12 小时；两者几乎通过全部回归测试，而 Opus 5.5 的费用低 51%。公告还收录了早期测试者不到一天完成 68 万行代码迁移、不到 3 小时审计修复 20 万行遗留代码的案例。

Stripe 工程师 Cristian Rivera 描述的是另一种难题：40 个层叠 PR 的复杂变基。一个 Opus 5.5 会话协调十几个会话，把冲突解释清楚；到第二天下午，40 个 PR 都通过了 CI。Clio 的 Sean Heintz 则报告，模型在跨六个仓库的任务中持续运行超过 18 小时，推进里程碑更快、返工较少。这里的进步既包括继续做事，也包括让人离开一段时间后能重新看懂进展。

Every 的 Kieran Klaassen 还比较了同一道 Ruby 任务：Fable 5.1 high 写了 26 行，Opus 5.5 extra-high 写了 14 行，省掉了他不喜欢的解释性注释。在其程序性能测试中，Opus 生成的代码达到 427 次请求/秒，满足 20 项响应时间上限中的 17 项；Astra 的代码为 463 次/秒、14 项。前者峰值吞吐较低，却满足了更多延迟要求。这测的是生成程序的性能；Kieran 所说“约有 Fable 九成编程能力”则是个人使用判断。

Kieran 还用它搭建摄像头心率原型和 Cozy Island 三维岛屿。他认为 extra-high 的岛屿细节和镜头控制更好，胜过自己测试的 Fable 版本。

Opus 5.5构建的摄像头心率监视器原型 — Every / Kieran 的心率原型：截图中的 72 BPM 标为合成信号演示，并非真实心率测量结果。

Cozy Island基准测试对比：左为Fable 5.1，右为Opus 5.5 — Every / Kieran 的 Cozy Island：左为 Fable 5.1，右为 Opus 5.5，可见房屋、码头与时段滑杆。

但漂亮的界面仍要跑通核心流程。Mike Taylor 的语音表单任务运行了 30 分钟、消耗约 590 万 Token：首页与登录页看起来不错，自动检查也通过了，实际打开构建和访谈页面却报错，指定 AI 服务也没有被调用。审查代码后，还要亲自走一遍应用的主要操作。

知识工作：查得清，交付也更完整

在 GDPval-AA v2.1 的专业工作测试中，Opus 5.5 取得 1846 Elo，高于 Fable 5.1 的 1735 和 Opus 5 的 1708。Elo 表示相对表现，不是正确率。按官方曲线，medium 已超过 Astra max，估算任务费用约为其五分之一。

GDPval专业知识工作得分与任务费用 — GDPval-AA：同一专业任务表现下，Opus 5.5 提供了更低费用的选择；最高档为 1846 Elo。

一个具体例子是财报查证。Anthropic 在财报新闻稿难以定位的网络副本中设置检索任务，要求模型检索并写季度报告，再逐个核查数字与引文。只要出现捏造，整份报告就不合格。Opus 5.5 的 18 次尝试中有 16 次通过，Fable 5.1 和 Opus 5 在这项测试中都没有通过。另一个内部测试让模型分析两家虚构 HR 软件公司的并购，做 Excel 财务模型和管理层汇报；两款模型估值结论相同，但 Opus 5.5 的产物更完整、易读，耗时 63 分钟对 93 分钟，费用低 50%。

跨应用的 AutomationBench 得分从 Opus 5 的 26.9% 提升到 40.0%，但仍低于 Astra 的 41.4%。科学智能体测试也是 Astra 较高：64.6% 对 58.7%。

AutomationBench跨应用工作流通过率与费用 — AutomationBench 由 Zapier 运行。Opus 5.5 曲线优于 Opus 5 与 GPT-5.6 Sol，最高分略低于 Astra；测试中拦截调用计作失败。

在大规模资料收集的 WANDR 测试中，Opus 5.5 从 low 的约 31% 提升到 max 的约 72%，显示复杂检索仍可能受益于更多预算。

WANDR资料收集测试在不同预算下的结果 — WANDR：更高思考预算提高得分，也增加费用；使用的是 Anthropic 披露的离线工具设置。

Every 的咨询测试呈现了另一面：模型与一个模拟 Dan Shipper 的智能体谈判，连续修改 12 轮后达成共识；但限时 10 分钟制作客户培训流程表时，它先想了近 5 分钟，再制作训练数据、核对资产负债表，到第 9 分钟才写讲义，最终没交出逐分钟流程表。能持续推敲，不代表能排对交付优先级。

费用降低：单价更低，完成任务也更省步骤

官方所说的“典型任务费用低约 40%”，包含两部分：每个 Token 更便宜，以及完成任务所用的 Token 更少。Token 是模型处理与计费的文本片段，两者共同决定最终账单。

Opus5.5与Opus5每百万Token价格 — 官方价格表：输入与输出单价下降 20%，缓存读取单价下降 60%。

每百万 Token	Opus 5.5	Opus 5
输入	4 美元	5 美元
输出	20 美元	25 美元
缓存读取	0.20 美元	0.50 美元
缓存写入	5 美元	6.25 美元

对比 Fable 5.1 的每百万 Token 输入 10 美元、输出 50 美元，Opus 5.5 的 4 / 20 美元均低 60%。

智能体会反复携带系统提示词、工具定义和上下文。能够重复使用的前缀命中缓存后，可以按更低的读取价格计费。因此，一项任务里缓存占多少、模型调用多少轮，都会改变总费用。下方的账单计算器展示相同用量下，缓存比例如何影响费用。

同样的 token 用量，缓存比例如何改变账单？

计算示例：每轮累计 100 万输入 token、10 万输出 token，只比较普通模式单价；不含缓存写入费用，也不假设新模型会少用 token。

输入中已命中缓存的比例：

Opus 5: $3.90
Opus 5.5: $2.96
单价带来的节省: 24.1%

80% 的输入命中缓存时，相同用量的费用减少 24.1%。

公式：普通输入量 × 输入单价＋缓存读取量 × 缓存读单价＋输出量 × 输出单价。官方“典型任务便宜 40%”还包含 token 用量变化，不能由这个固定用量示例直接推出。

标准模式的输出生成速度，官方称比 Opus 5 快 30% 以上。Claude Code 和开发平台还有 Fast mode，生成速度最高为标准模式的 2.5 倍，输入与输出价格分别为每百万 Token 8 和 40 美元。它适合愿意多付费用缩短等待的场景。

真正用起来：给目标，也给停止点

Every 的 Tyler Nishida 只给了一条高尔夫游戏提示词，模型就组建了一个架构师、三位设计师和三位裁判协作的团队，运行了 1 小时 52 分钟，直到他的测试访问结束。成品截图中可以看到雷雨、浮岛、击球倒计时和球杆控制。

Opus 5.5自主搭建的高尔夫游戏原型截图 — Every / Tyler Nishida 的高尔夫游戏原型。单条提示词启动的是近两小时的自主制作过程。

持续做事也会持续消耗额度。Every 有测试者碰到了周用量上限；模型还曾主动否决自己生成的 90% 以上 UI 组件，Tyler 无法从理由中找到清楚的评价标准。

派发长任务时，先说明最终交付物、时间或费用预算，以及什么条件下应该停止。先交出能用的核心结果，再决定是否继续润色，往往比让模型不断给自己加任务更有效。Every 团队对模型的偏好并不一致：有人转回 Claude 做视觉和产品开发，有人仍用 Astra 编辑文章，取舍取决于具体工作。

Every 的 32 秒试用建议短片，无音轨；具体案例已在上文展开。

Opus 5.5 已在 Anthropic 开发平台及 AWS、Google Cloud、Microsoft Azure 提供，API 模型 ID 为 claude-opus-5-5。Pro、Max、Team 和按席位计费的 Enterprise 五小时额度提高，订阅用户还获得一次可保存、择时使用的额度重置。Sonnet 5.5 与 Haiku 5.5 将在后续几周推出。

安全方面简要说：Anthropic 称其行为审计表现进一步改善，并为高风险任务配置了生产防护；部分场景会拦截或转交其他模型，具体取决于产品与接入方式。日常使用最值得关注的，仍是这次更强的工作能力、更清楚的沟通，以及完成同一项任务所需的时间和费用。

来源

Introducing Claude Opus 5.5Anthropic·2026-09-22·查看主材料

延伸

Claude Opus 5.5 System Card

Model Release / Claude Opus 5.5

Claude Opus 5.5：编程、长任务与沟通升级

相对 Fable 5.1，API 输入输出单价低 60%；看编程跑分、写作变化与实战边界。

一页纸速览 · 核心判断 · 机制对比 · 落地边界

Anthropic 正式推出 Claude Opus 5.5。这次升级覆盖复杂编程、视觉原型、写作沟通与价格。下面的跑分来自 Anthropic 公告；演示案例按发布者自己的测试条件理解。

-60%

对比 Fable 5.1 的 API 输入输出单价；Opus 5.5 为 $4 / $20 每百万 Token

52.5%

CursorBench 4.0 的 medium 档；Fable 5.1 max 为 51.8%

66.4%

Terminal-Bench 4.0 的 xhigh 档得分

思考预算（Effort）决定模型在任务中投入多少推理。官方的几项编程评测提示：先看 medium 的成绩与任务费用，再决定是否提高档位。

核心机制

同一模型，档位提高后得到什么？

CursorBench 中 medium 为 52.5%，max 为 57.8%；FrontierCode 中 medium 与 max 得分接近。提高档位的收益随任务而变，费用也要一起看。

先试：Medium 档位

CursorBench 52.5% · FrontierCode 54.6%

CursorBench 超过 Fable 5.1 max 的 51.8%；FrontierCode 超过 Astra 的 53.3%，任务费用据官方估算约为后者五分之一。两个基准不能合并成一项比较。

vs

按需提高：Max / XHigh 档位

Terminal-Bench 66.4% · CursorBench 57.8%

CursorBench max 进一步升至 57.8%；Terminal-Bench 的 66.4% 使用 xhigh。更高档位的收益与费用应按具体任务核算。

Anthropic 内部的 HAProxy C 转 Rust 测试历时 9.5 小时，两款模型几乎通过全部回归测试；Opus 5.5 的费用比 Fable 5.1 低 51%。这是一项特定任务的对照。

旧版 Opus 5 常被吐槽套话、绕弯、重点藏得深。Anthropic 展示的账单排错对照里，新版把金额和实际影响提前说了出来。

旧版 Opus 5：铺垫展开

1. 交代提交历史与背景

2. 展示相关代码与定义

3. 逐行剖析时间区间边界

4. 末尾才提及漏计费用影响

→

新版 5.5：结论先行

1. 先说金额：1.50 美元调整 + 9.92 美元漏计

2. 指明后果：月末最后一整天用量未计费

3. 展开代码原因：截止时间设在零点

4. 给出修复方案与测试建议

这是官方展示的一个更直接的回答例子。Every 的独立体验认为新版更愿意听反馈，但长文仍可能冗长；定稿时应检查重点是否前置。

早期测试者展示了近两小时的高尔夫游戏原型；Every 也记录了核心业务页面报错的案例。长任务需要明确终点，并检查实际交付。

落地纪律：给目标，更要给停止点

派发长任务时，可以提前说清三件事：

交付物对齐

明确最终文件形式与验证指标，避免模型在边缘细节上过度推敲

预算硬约束

设定时间和 Token 预算，避免不断加做而耗尽额度

人工走通核心

自动检查通过不代表链路打通，漂亮界面之后仍须亲自走通关键业务调用

1d:I[13642,["/_next/static/chunks/3tsjblwcfjd-f.js","/_next/static/chunks/3uasci0b-8vig.js","/_next/static/chunks/3qr4weo9ixj48.js"],"default"] 1e:I[27201,["/_next/static/chunks/3tsjblwcfjd-f.js"],"IconMark"] 1b:T234d,

Claude Opus 5.5: Architectural Leap, Multimodal Execution, and Economic Shifts in Enterprise AI

Anthropic has officially dropped Claude Opus 5.5, delivering a sweeping generational upgrade across complex engineering, visual interaction, professional knowledge work, and its historically polarizing natural language generation.

Benchmarking significantly higher than Fable 5.1 across critical developer and enterprise metrics—while undercutting its predecessor's pricing by up to 60%—Opus 5.5 fundamentally alters the economic and performance calculus for high-autonomy agentic workflows.

1. Executive Summary & Benchmark Matrix

Opus 5.5 transitions frontier models from single-turn generation to resilient, multi-file execution loops. Anthropic’s internal evaluations and independent tests (including Every and community evaluations on X) highlight substantial leaps in state retention, adherence to system prompts, and end-to-end task completion.

Metric / Benchmark	Claude Opus 5.5	Fable 5.1	Delta / Improvement
Terminal-Bench	66.4%	55.8%	+10.6%
CursorBench	57.8%	51.8%	+6.0%
Professional Work Elo	1846	1735	+111 Elo
API Input Price (per MTok)	$4.00	$10.00	-60%
API Output Price (per MTok)	$20.00	$50.00	-60%
Typical Task Cost	-40% vs. Opus 5	Baseline	Cost Reduction

Key Architectural Shifts

Autonomous Multi-File Execution: Outperforms previous iterations in continuous codebase navigation, dependency tracking, and multi-file refactoring without context drift.
Aggressive Structural Priors: Systemic mitigation of the verbose "AI voice." Opus 5.5 surfaces core metrics, impacts, and anomalies at the head of the generation stream.
Aggressive Unit Economics: API input/output costs drop to $4.00 and $20.00 per million tokens, respectively, rendering high-frequency agent loops economically viable for production deployment.

2. Technical Highlights: Engineering, Multimodality, and Reasoning

2.1 Autonomous Coding & Terminal Execution

Opus 5.5 bridges the gap between prompt-to-prototype and deep repository maintenance. On Terminal-Bench (scoring 66.4%) and CursorBench (scoring 57.8%), the model demonstrates superior capability in long-horizon engineering tasks. * Medium-Tier Superiority: The default medium operational tier of Opus 5.5 routinely outscores Fable 5.1’s highest configuration on CursorBench. Production engineering workflows can now safely initiate execution at lower latency/cost tiers without sacrificing architectural coherence. * Deterministic Debugging Traceability: When analyzing logs or compiler outputs, Opus 5.5 prioritizes impact quantification over defensive self-justification.

2.2 Advanced Visual & Interactive Prototyping

Moving beyond static UI generation, Opus 5.5 constructs fully functional, self-contained web applications complete with state management, asset generation, and real-time interaction loops. * Procedural Simulation: Community benchmarks showcase complex WebGL/Three.js environments (such as browser-based mechanical simulations and spatial exploration games) rendered entirely via self-contained HTML/JS artifacts generated in a single pass. * Deterministic Layout Control: Integrates cleanly with programmatic canvas pipelines and custom rendering engines, preserving state consistency across multi-step visual transitions.

2.3 Knowledge Work & Financial Modeling

In rigorous domain-specific evaluations covering SEC filings, M&A due diligence, and multi-app orchestration, Opus 5.5 achieved a 1846 Elo rating (compared to Fable 5.1’s 1735). Retrieval accuracy and cross-reference validation remain robust over extended context windows, minimizing hallucination rates in structured data synthesis.

3. Practical Tradeoffs & Enterprise Integration

3.1 The End of Verbosity: Communication Mechanics

Opus 5 addresses the primary complaint leveled against Opus 5: excessive preamble, semantic defensiveness, and buried conclusions.

Comparative Diagnostic Output Example (Billing Anomaly Analysis)

Opus 5 (Legacy Flow): Commences by identifying the specific git commit that introduced the regression, details the code diff, explains the temporal boundary calculation, and finally discusses downstream consumption impacts and test coverage failures.
Opus 5.5 (Optimized Flow): Immediately surfaces the financial impact at the head of the payload ($1.50 tier adjustment, $9.92 parsing bug resulting in unbilled end-of-month utilization), followed by the root-cause trace.

[Opus 5.5 Execution Trace]
-> Impact: -$11.42 delta detected in billing run.
-> Root Cause: Commit #8f2c1a set end-of-month polling threshold to 00:00 UTC, skipping final 24h cycle.
-> Remediation: Patch applied to /billing/engine/scheduler.py.

3.2 Readability Metrics & Editorial Limitations

Independent audits (Every) reveal measurable improvements in structural legibility: * Flesch-Kincaid Grade Level: Dropped to 6.95 (Opus 5: 7.97, Fable 5.1: 7.43), indicating a tighter, more direct syntactic distribution. * Reading Ease Score: Reaches 68.4.

Remaining Linguistic Friction

Despite structural improvements, Opus 5.5 occasionally suffers from macro-structural dispersion. In long-form synthesis testing, the model frequently buries its highest-signal insight several paragraphs deep, requiring deliberate editorial oversight or downstream parsing logic to extract primary theses cleanly.

4. Production Verdict & Implementation Strategy

Claude Opus 5.5 successfully re-architects Anthropic's flagship tier from an expensive, highly verbose reasoner into a cost-effective, high-velocity operational engine.

Recommended Enterprise Playbook

Default to Medium Tier: For standard software engineering and prose generation, initialize workflows on the medium configuration to leverage speed and cost advantages before scaling to heavy reasoning passes.
Enforce Structural Headings via System Prompts: Mitigate lingering long-form wandering by injecting explicit structural constraints demanding impact-first output schemas.
Migrate High-Frequency Agent Loops: At $4.00/$20.00 per million tokens, integrate Opus 5.5 into autonomous CI/CD pipelines, multi-file refactoring daemons, and programmatic asset generation pipelines where Fable-tier pricing previously proved prohibitive.

b:[["$","$L13",null,{}],["$","div",null,{"className":"frame","children":["$","$L14",null,{"article":{"slug":"gemini-3-8-live-avatar","title":"Google 发布 Gemini 3.8 Live Avatar：打造实时对话的数字人","category":"产品发布","summary":"它能同时听语音、看画面，并用同步的声音和动态形象回应；后台工具调用让接待、导览等对话持续进行。","source":"Google","tags":["Google","Gemini 3.8 Live"],"date":"09-25","cover":"/covers/gemini-3-8-live-avatar.webp","read_mins":1,"content_html":"

它能同时听语音、看画面，并用同步的声音和动态形象回应；后台工具调用让接待、导览等对话持续进行。

","author":"musen · AI实操","title_en":"Google Releases Gemini 3.8 Live Avatar: Real-Time Multimodal Digital Humans","summary_en":"Listening, observing, and responding with synchronized real-time voice and fluid facial dynamics for interactive enterprise assistants.","category_en":"Product Launch","content_html_en":"$15","tags_en":["Google","Gemini 3.8 Live"],"source_url":"https://github.com","full_date":"2026-09-25","verified_date":"2026-09-25"},"related":[{"slug":"microsoft-new-copilot-home-code-autopilot","title":"微软发布新版 Copilot：想打造的是一套面向工作的“AI 操作系统”","category":"产品发布","summary":"Home 把对话接上 Office 文件，Code 让业务人员构建小工具，Autopilot 接手跨天跟进。微软还要一起解决它们在哪里运行、用什么业务数据，以及怎样收费。","source":"Microsoft","tags":["Microsoft","Copilot"],"date":"09-26","cover":"/covers/microsoft-new-copilot-home-code-autopilot.webp","read_mins":15,"content_html":"$16","author":"musen · AI实操","title_en":"Microsoft Unveils Next-Gen Copilot: Building an 'AI Operating System' for Knowledge Work","summary_en":"Home connects conversations to Office documents, Code empowers workers to build tools, and Autopilot manages cross-day autonomous workflows.","category_en":"Product Launch","content_html_en":"$17","tags_en":["Microsoft","Copilot"],"content_md":"","source_url":"https://github.com","full_date":"2026-09-26","verified_date":"2026-09-26"},{"slug":"gemini-3-8-flash-tts","title":"Google 发布 Gemini 3.8 Flash TTS语音模型让你像导演一样逐行指导配音","category":"产品发布","summary":"新的文字转语音模型支持用描述设计声音、用短录音复刻声音，并用剧本标记控制语气、叹气、笑声和对方插话。本文讲清两款模型的区别、脚本写法、评测里的领先与落后，以及在哪能用。","source":"Google","tags":["Gemini","Google"],"date":"09-24","cover":"/covers/gemini-3-8-flash-tts.webp","read_mins":15,"content_html":"$18","author":"musen · AI实操","title_en":"Google Releases Gemini 3.8 Flash TTS: Directing Voice Acting Line-by-Line","summary_en":"Text-to-speech with natural voice cloning, script-level emotive cues (sighs, laughs, interruptions), and zero-shot voice design from text descriptions.","category_en":"Product Launch","content_html_en":"$19","tags_en":["Gemini","Google"],"source_url":"https://github.com","full_date":"2026-09-24","verified_date":"2026-09-24"},{"slug":"claude-opus-5-5","title":"Claude Opus 5.5 发布：编程、视觉与写作大幅升级，多项基准超越 Fable 5.1，价格却大幅降低｜看这些实战案例","category":"产品发布","summary":"结合官方图表、X 视频和 Every 的一周实测，看它解决了哪些老问题，做出的作品与日常使用又是什么样。","source":"Anthropic","tags":["Anthropic","Claude"],"date":"09-23","cover":"/covers/claude-opus-5-5.webp","read_mins":16,"content_html":"$1a","author":"musen · AI实操","title_en":"Claude Opus 5.5 Released: Huge Leap in Coding, Vision, and Reasoning with Drastic Price Cuts","summary_en":"Benchmarking against Fable 5.1 with deep multimodal enhancements, terminal agent execution, and real-world developer workflows.","category_en":"Product Launch","content_html_en":"$1b","tags_en":["Anthropic","Claude"],"content_md":"","source_url":"https://github.com/alesha-pro/tools","full_date":"2026-09-23","verified_date":"2026-09-23"}]}]}],"$L1c"] 1c:["$","$L1d",null,{}] 10:[["$","meta","0",{"charSet":"utf-8"}],["$","meta","1",{"name":"viewport","content":"width=device-width, initial-scale=1"}]] e:null 12:[["$","title","0",{"children":"Google 发布 Gemini 3.8 Live Avatar：打造实时对话的数字人 · musen · AI 解读站"}],["$","meta","1",{"name":"description","content":"它能同时听语音、看画面，并用同步的声音和动态形象回应；后台工具调用让接待、导览等对话持续进行。"}],["$","link","2",{"rel":"canonical","href":"https://musen-ai.com/article/gemini-3-8-live-avatar/"}],["$","link","3",{"rel":"alternate","hrefLang":"zh-CN","href":"https://musen-ai.com/article/gemini-3-8-live-avatar/"}],["$","link","4",{"rel":"alternate","hrefLang":"en-US","href":"https://musen-ai.com/en/article/gemini-3-8-live-avatar/"}],["$","meta","5",{"property":"og:title","content":"Google 发布 Gemini 3.8 Live Avatar：打造实时对话的数字人 · musen · AI 解读站"}],["$","meta","6",{"property":"og:description","content":"它能同时听语音、看画面，并用同步的声音和动态形象回应；后台工具调用让接待、导览等对话持续进行。"}],["$","meta","7",{"property":"og:url","content":"https://musen-ai.com/article/gemini-3-8-live-avatar/"}],["$","meta","8",{"property":"og:site_name","content":"musen · AI 学院 & 解读站"}],["$","meta","9",{"property":"og:locale","content":"zh_CN"}],["$","meta","10",{"property":"og:image","content":"https://musen-ai.com/covers/gemini-3-8-live-avatar.webp"}],["$","meta","11",{"property":"og:image:width","content":"1200"}],["$","meta","12",{"property":"og:image:height","content":"675"}],["$","meta","13",{"property":"og:image:alt","content":"Google 发布 Gemini 3.8 Live Avatar：打造实时对话的数字人"}],["$","meta","14",{"property":"og:type","content":"article"}],["$","meta","15",{"name":"twitter:card","content":"summary_large_image"}],["$","meta","16",{"name":"twitter:creator","content":"@musen9527"}],["$","meta","17",{"name":"twitter:title","content":"Google 发布 Gemini 3.8 Live Avatar：打造实时对话的数字人 · musen · AI 解读站"}],["$","meta","18",{"name":"twitter:description","content":"它能同时听语音、看画面，并用同步的声音和动态形象回应；后台工具调用让接待、导览等对话持续进行。"}],["$","meta","19",{"name":"twitter:image","content":"https://musen-ai.com/covers/gemini-3-8-live-avatar.webp"}],["$","link","20",{"rel":"icon","href":"/favicon.ico?favicon.2vob68tjqpejf.ico","sizes":"256x256","type":"image/x-icon"}],["$","link","21",{"rel":"icon","href":"/favicon.ico"}],["$","$L1e","22",{}]]

推荐延伸阅读