Chuyển từ Claude Opus 5 sang Opus 5.5: Những thay đổi cho người gọi API

Anthropic đã phát hành Claude Opus 5.5 vào ngày 22 tháng 9 năm 2026. Đối với bất kỳ ai gọi Claude API, việc nâng cấp chỉ là một chuỗi ký tự: claude-opus-5 trở thành claude-opus-5-5.

Đằng sau chuỗi ký tự đó là mức giá rẻ hơn 20% cho mỗi token ở cả hai chiều, giới hạn một phản hồi ở 128.000 token đầu ra, được cho là tạo ra kết quả nhanh hơn 30%, và được thiết kế để duy trì một tác vụ trong 18 giờ hoặc lâu hơn. Không điều nào trong số đó là miễn phí đối với đoạn mã bạn đã tinh chỉnh dựa trên Opus 5.

Đây là lần chuyển đổi thứ hai trên dòng mô hình này và nó hoàn toàn khác so với lần đầu. Opus 4.8 lên Opus 5 là một lần chuyển đổi về tính đúng đắn: các giá trị mặc định thay đổi bên dưới đoạn mã đang hoạt động, và một tổ hợp yêu cầu trước đây hợp lệ bắt đầu trả về lỗi 400 cứng. Lần chuyển đổi này là về ngân sách và phạm vi vận hành. Công việc nằm ở việc đo lại những con số bạn đã từng đo một lần, vì tất cả chúng đều đã thay đổi. Opus 5.5 cũng ra mắt cùng ngày với hai mô hình mới của OpenAI, đây là một câu chuyện riêng.

Bảng so sánh, chỉ ở những ô chúng tôi có thể xác minh nguồn

Những ô trống là có chủ đích. Anthropic đã công bố thông tin phía Opus 5.5 trên trang mô hình của họ và chúng tôi sẽ không dựng lại phía Opus 5 từ trí nhớ, vì một con số sai trong mô hình chi phí còn tệ hơn một con số bị thiếu. Hãy lấy năm dòng đó từ trang định giá của Anthropic trước khi bạn xây dựng ước tính tiết kiệm dựa trên chúng.

1. Việc đổi id là thật, con số 20% là thật, còn con số 40% cần được đọc kỹ

Đổi chuỗi ký tự và bạn trả ít hơn 20% cho mỗi token ở cả hai chiều. Đó là phép toán: từ $5 xuống $4 ở đầu vào, từ $25 xuống $20 ở đầu ra, mức giảm như nhau ở cả hai phía.

Anthropic cũng nói rằng Opus 5.5 có chi phí vận hành rẻ hơn 40% so với Opus 5. Hai con số đó không mâu thuẫn, nhưng chúng cũng không phải là cùng một tuyên bố. Mức giảm 20% mỗi token không thể tự nó tạo ra mức giảm hóa đơn 40%. Nửa còn lại phải đến từ việc mô hình sử dụng ít token hơn để hoàn thành cùng một công việc, và hiệu quả token phụ thuộc vào từng khối lượng công việc theo cách mà một bảng giá thì không.

Vì vậy hãy coi 40% là lý do để đo lại thay vì một con số để đưa vào dự báo. Hãy phát lại một phần đại diện của lưu lượng thật tuần trước đối với cả hai model id với prompt và cài đặt giống hệt nhau, so sánh các khối usage thay vì cảm nhận của bạn về chúng, rồi nhân số token thực tế với mức giá mới. Câu trả lời của bạn sẽ nằm ở đâu đó giữa 20% và 40%, và việc nó nằm ở đâu cho bạn biết điều hữu ích về việc bao nhiêu phần trong prompt của bạn thực ra chưa bao giờ cần thiết.

2. Dòng cache là thay đổi giá lớn nhất trong bảng

Đọc cache trên Opus 5.5 tốn $0.20 mỗi triệu token so với $4.00 cho đầu vào mới, tức là giảm giá 95%. Ghi cache tốn $5.00 mỗi triệu token, cao hơn $1.00 so với $4.00 mà bạn lẽ ra phải trả để gửi những token đó mà không dùng cache.

Khoản phụ trội đó tự hoàn vốn ngay ở lần trúng đầu tiên, còn dư. Ghi một tiền tố tốn thêm $1.00 mỗi triệu so với không cache nó. Mỗi lần đọc lại tiền tố đó sau này tiết kiệm $3.80 mỗi triệu. Bạn hòa vốn ở khoảng một phần tư của một lần đọc lại, mà trên thực tế có nghĩa là: nếu tiền tố đó từng được tái sử dụng dù chỉ một lần, thì việc cache nó là đúng.

Đây là hình dạng của nó với một system prompt 200.000 token, một kích thước bình thường khi bạn dán vào một gói đặc tả OpenAPI:

Cùng prompt, cùng mô hình, ít hơn 83%. Yêu cầu giúp bạn có được dòng thứ hai đánh dấu tiền tố một cách tường minh:

{
  "model": "claude-opus-5-5",
  "max_tokens": 4096,
  "system": [
    {
      "type": "text",
      "text": "<your 200k-token spec bundle>",
      "cache_control": {"type": "ephemeral"}
    }
  ],
  "messages": [
    {"role": "user", "content": "Which endpoints changed between v2 and v3?"}
  ]
}

Sau đó đọc phản hồi để xác nhận bạn đã trúng cache, vì một cache mà bạn tưởng mình có mà thực ra không có là loại đắt đỏ nhất:

"usage": {
  "input_tokens": 41,
  "cache_creation_input_tokens": 204800,
  "cache_read_input_tokens": 0,
  "output_tokens": 612
}

Ở lần gọi đầu tiên, cache_creation_input_tokens gánh toàn bộ tải. Ở mọi lần gọi sau đó, con số đó phải giảm về không và cache_read_input_tokens phải tiếp nhận nó. Nếu không, có thứ gì đó ở phía trước đang thay đổi tiền tố của bạn, thường là một dấu thời gian, một request id, hoặc một danh sách công cụ bị sắp xếp lại. Lưu một lần gọi trong Apidog và kích hoạt nó hai lần là cách nhanh nhất để thấy trường nào trong hai trường đó thay đổi. Toàn bộ phép toán, bao gồm cả khi nào một ngữ cảnh 1M đáng để cache, nằm trong bài toán chi phí cache của Opus 5.5.

3. Một phản hồi 128.000 token là vấn đề của client trước khi là vấn đề của mô hình

Opus 5.5 sẽ trả về tối đa 128.000 token đầu ra trong một phản hồi. Với $20 mỗi triệu, đó là $2.56 cho một lần gọi tối đa duy nhất, điều đáng biết trước khi ai đó đặt max_tokens lên mức trần trong một vòng lặp thử lại.

Vấn đề lớn hơn là mọi thứ nằm giữa mô hình và mã của bạn:

• Timeout đọc HTTP. Một phản hồi dài như vậy mất hàng phút, không phải vài giây. Timeout mặc định của client trong hầu hết SDK và reverse proxy ngắn hơn thế.
• Bộ đệm của proxy và gateway. Một gateway đệm toàn bộ phần thân trước khi chuyển tiếp sẽ giữ hàng megabyte cho mỗi yêu cầu đang xử lý, và một số sẽ cắt kết nối luôn.
• Các lần gọi không streaming. Không streaming thì bạn chờ suốt thời gian đó mà không có gì để xem và không có gì để đánh dấu tiến độ.
• JSON bị cắt cụt. Chạm max_tokens giữa chừng một object sẽ tạo ra JSON không hợp lệ, chứ không phải một object một phần mà bạn có thể cứu vãn. Hãy kiểm tra stop_reason trước khi phân tích cú pháp.

Tăng max_tokens vì mức trần đã cao hơn là nửa dễ. Làm cho chuỗi timeout, các bộ đệm và trình phân tích cú pháp của bạn đồng thuận với mức trần mới là nửa gây ra sự cố.

4. Đầu ra nhanh hơn không có nghĩa là chờ ngắn hơn

Anthropic nói rằng Opus 5.5 tạo ra đầu ra nhanh hơn 30% so với Opus 5. Tốc độ đầu ra chỉ là một số hạng trong độ trễ mà bạn thực sự phục vụ. Thời gian đến token đầu tiên, các lần thử lại, và việc xếp hàng nằm cạnh nó, và một mô hình streaming nhanh hơn vẫn có thể có cảm giác chậm hơn nếu nó suy nghĩ lâu hơn trước khi token đầu tiên đến.

Vì vậy hãy đo nó. Bắn một tập hợp cố định các prompt đại diện vào cả hai model id từ cùng một vị trí mạng, và ghi lại p50 và p95 riêng biệt cho thời gian đến token đầu tiên và cho tổng thời gian. Độ trễ trung bình che giấu trường hợp khiến bạn bị gọi dậy lúc nửa đêm.

Nếu bạn lưu các kịch bản kiểm thử API trong Apidog, đây là một việc nhỏ: nhân bản một yêu cầu đã lưu, đổi model id, chạy cả hai theo lịch trình, và đọc chuỗi thời gian phản hồi thay vì bấm đồng hồ bấm giây. Mấu chốt là bước vào quá trình chuyển đổi với một con số trước đó, vì sau khi bạn chuyển đổi xong thì không còn cách nào lấy được nữa.

5. Chế độ nhanh đúng gấp đôi giá niêm yết

Chế độ nhanh trên Opus 5.5 tốn $8.00 mỗi triệu đầu vào và $40.00 mỗi triệu đầu ra. Đặt cạnh mức tiêu chuẩn $4.00 và $20.00, quy tắc định giá thật dễ nhớ: chế độ nhanh là gấp đôi thẳng cả hai phía.

Điều đó biến quyết định thành phép toán thay vì phán đoán: nếu độ trễ trên một tuyến cụ thể đáng để nhân đôi hóa đơn token của tuyến đó, hãy dùng nó ở đó, còn nếu không thì đừng. Cách chia thông thường là chế độ nhanh trên các đường tương tác và mức giá tiêu chuẩn cho công việc hàng loạt và chạy nền.

6. Hãy coi bảng benchmark là lý do để kiểm thử, không phải là kết quả

Các con số Anthropic công bố cho Opus 5.5 rất mạnh: Terminal-Bench 4.0 đạt 66,4%, FrontierCode v1.1 đạt 54,4%, CursorBench 4.0 đạt 57,8%, GDPval-AA v2.1 đạt 1846 Elo, AutomationBench đạt 40,0%, Humanity's Last Exam đạt 67,7% khi có công cụ, OSWorld 2.0 đạt 81,8%, và Chartography đạt 89,0%. Artificial Analysis, một bên thứ ba chứ không phải bên nào trong hai nhà cung cấp, xếp nó đứng đầu trong 212 mô hình trên chỉ số của họ với điểm số 58.

Hai tuyên bố nữa từ nhà cung cấp quan trọng về mặt vận hành hơn là về mặt cạnh tranh. Opus 5.5 được thiết kế để duy trì một tác vụ duy nhất trong 18 giờ hoặc lâu hơn, điều này phá vỡ nhiều giả định thông thường về timeout, thử lại và khả năng tiếp tục. Và Anthropic báo cáo số lần vượt qua ranh giới thành công giảm 85%, đây là một thuộc tính có thể kiểm thử được của chính các endpoint của bạn chứ không phải một thuộc tính bạn được thừa hưởng.

Không con số nào trong số này cho bạn biết liệu Opus 5.5 có tốt hơn trên các prompt của bạn hay không. Hãy chạy tập đánh giá của riêng bạn trên cả hai id trước khi chuyển đổi production, vì lý do giống như bạn sẽ không triển khai một bản nâng cấp cơ sở dữ liệu dựa trên con số benchmark của nhà cung cấp.

Danh sách kiểm tra chuyển đổi

1. Đổi claude-opus-5 thành claude-opus-5-5 trong một dịch vụ, không phải tất cả.
2. Đọc hướng dẫn chuyển đổi của Anthropic cho lần chuyển này trước khi cho rằng bề mặt tham số không đổi. Bước nhảy 4.8 lên 5 đã âm thầm thay đổi các giá trị mặc định, nên hãy xác minh thay vì suy đoán.
3. Phát lại một phần lưu lượng thật trên cả hai id và so sánh các khối usage.
4. Tính lại chi tiêu hàng tháng của bạn ở mức $4 và $20, và riêng ở mức $5 cho ghi cache và $0.20 cho đọc cache.
5. Xác nhận các lần trúng cache trong cache_read_input_tokens thay vì tin rằng tiền tố ổn định.
6. Tăng timeout đọc HTTP của bạn và kiểm tra bộ đệm gateway trước khi bất kỳ ai đặt max_tokens gần 128.000.
7. Ghi lại độ trễ p50 và p95 trên cả hai id trước khi chuyển đổi.
8. Quyết định chế độ nhanh theo từng tuyến, ở mức gấp đôi giá niêm yết.
9. Chạy lại tập đánh giá của riêng bạn. Benchmark của nhà cung cấp là lý do để kiểm thử, không phải là bài kiểm thử.

Opus 5.5 là một phiên bản rẻ hơn, nhanh hơn, chạy lâu hơn của một mô hình bạn đã gọi. Rủi ro khi chuyển đổi không phải là việc đổi chuỗi ký tự thất bại. Mà là bạn mang theo một mô hình chi phí, một timeout, và một giá trị max_tokens đều đã được định cỡ cho một mô hình khác.

Câu hỏi thường gặp

claude-opus-5-5 có phải là bản thay thế trực tiếp cho claude-opus-5 không? Chỉ coi nó như vậy sau khi đã kiểm tra hướng dẫn chuyển đổi của Anthropic cho lần chuyển này. Việc đổi id là một chỉnh sửa một dòng, nhưng lần chuyển trước trên dòng này đã thay đổi các giá trị mặc định mà không thay đổi hình dạng yêu cầu, nên việc xác minh là bảo hiểm rẻ.

Opus 5.5 rẻ hơn bao nhiêu? Ít hơn 20% cho mỗi token ở cả hai chiều, từ $5 xuống $4 ở đầu vào và từ $25 xuống $20 ở đầu ra. Anthropic riêng rẽ nói về mức giảm 40% chi phí vận hành, ngụ ý có thêm lợi ích về hiệu quả token bên trên mức giảm giá. Hãy đo khối lượng công việc của riêng bạn để xem bạn nằm ở đâu giữa hai con số đó.

Prompt caching tốn bao nhiêu trên Opus 5.5? Ghi tốn $5.00 mỗi triệu token và đọc tốn $0.20 mỗi triệu, so với $4.00 cho đầu vào không cache. Một lần tái sử dụng một tiền tố đã cache là đã trả nhiều hơn phần phụ trội cho việc ghi.

Giới hạn đầu ra 128.000 token có thay đổi gì trong client của tôi không? Thông thường là có. Hãy kiểm tra timeout đọc HTTP, bộ đệm gateway, và liệu bạn có streaming hay không. Cũng hãy kiểm tra stop_reason trước khi phân tích cú pháp, vì chạm mức trần giữa chừng một object sẽ tạo ra JSON không hợp lệ thay vì một object bị cắt cụt.