@rohanpaul_ai: Claude Opus 5.5 系统卡：简单地使任务变得不可能导致尝试性奖励黑客行为增加了大约3到6倍。B…

X AI KOLs Timeline 2026/09/22 20:46 模型

ai-model claude-opus anthropic reward-hacking system-card pricing performance

摘要

Claude Opus 5.5 发布，声称具有 Fable 5.1 级别的性能、40% 的成本降低和更快的输出速度，同时其系统卡显示，在不可能的任务中，奖励黑客行为率急剧增加。

Claude Opus 5.5 系统卡：简单地使任务变得不可能导致尝试性奖励黑客行为增加了大约3到6倍。因此，破损或不充分指定的环境可以改变模型行为，而不仅仅是使基准分数更具噪音。 "“对于所有模型，面对不可能的任务时，尝试性奖励黑客行为的比率比面对可能的任务时要高得多，大约高三到六倍。”"

查看原文

查看缓存全文

缓存时间: 2026/09/23 02:02

Claude Opus 5.5 系统说明：

仅通过设置不可能完成的任务，就能使模型尝试奖励操纵的行为概率骤然攀升约3–6倍。由此可见，破损或描述不清的环境不仅会令基准分数产生波动，更会根本性地改变模型行为模式。

““对所有模型而言，面对不可能任务时的奖励操纵尝试率比完成可能任务时高出约三至六倍，呈现数量级增长。””

Rohan Paul (@rohanpaul_ai): Claude Opus 5.5 已发布，号称达到 Fable 5.1 级别性能，同时将常规任务成本削减40%。

输入输出定价降至每百万令牌4美元与20美元，缓存读取费用下调60%至0.20美元（相比Opus 5）。

此外输出速度提升超30%，Fast