METR 对 Claude Opus 5.5 做了部署前评估，认为它比上一代有进步，但离全自动搞研发还差得远

METR 发布 Claude Opus 5.5 部署前评估摘要

METR 在模型发布前测了 Claude Opus 5.5 对 AI 研发的影响。结论是它比 Fable 5.1 强一点，在预算版 NanoGPT 速通赛、游戏机器人这类可验证任务，以及 LMCA 概念推理、Sunlight 开放研究这类难验证任务上都有提升，但不是断崖式飞跃。Anthropic 内部问卷也说它延续了 Mythos 级别的趋势。模型在需...

推荐理由：METR 的部署前评估是第三方独立视角，给了具体任务对比，结论是 Opus 5.5 有进步但不是飞跃，信息量够从业者判断。没打更高分是因为发现本身是“渐进提升”，冲击力有限，但作为安全与能力交叉的评估，对 Anthropic 模型来说参考价值不低。