Claude 默认档比榜单少 11 分，每题省 19 分钟

评测机构 Artificial Analysis 现在按「每道题要等几分钟」比模型速度，Claude Opus 5.5 排行榜上那 59 分的时间代价因此一目了然：它来自 max 档，每题约 25.8 分钟。按 Anthropic 的 API 默认设置调用，你拿到的是 medium 档，48 分，每题 6.7 分钟。榜单分数和你实际用到的模型，差了 11 分和 19 分钟。

多数要交付结果的团队，该把 Opus 5.5 显式开到 high 档，而不是追榜单上的那一档。

速度榜改成按每题分钟数排

Artificial Analysis 在性能测试方法 v3.0.0 里加入了带工具调用的多轮智能体任务，输出速度改为覆盖整个请求、含首个字出来前的等待，失败请求按速度为零计。每个模型页的性能一栏，现在都列出每题耗时。

这个数是怎么算的：每道智能指数题平均要输出多少字，除以实测的端到端输出速度，再按各项测试的权重加权。它是估算出来的生成时间，不含工具本身运行的时间，也不是秒表掐出来的墙钟时间。拿它比较同一模型的不同档位，误差方向一致，够用。

Opus 5.5 三个档位，分数和时间不成比例

Artificial Analysis 给 Opus 5.5 的多个推理档位分别打了分。下表数据来自它的 max 对比页、high 对比页和 medium 模型页，要看的是每多一分要多等多久：

档位	智能指数	每题耗时与成本
medium（API 默认）	48	6.7 分钟，2.45 美元
high	52	9.3 分钟，3.46 美元
max	59	25.8 分钟，10.04 美元

从 medium 到 high，多 4 分，多等 2.6 分钟。从 high 到 max，多 7 分，每题多等 16.5 分钟，成本约为 high 档的 2.9 倍，这是编辑据上表计算。max 档最后那 7 分，是用将近三倍的时间和钱换来的。

默认档位这件事写在 Anthropic 的 Effort 文档里：多数 Claude 模型默认 high，Opus 5.5 和 Haiku 5.5 默认 medium，不传参数就等于 medium。文档对 Opus 5.5 的建议是在自己的评测上逐档试，不要沿用旧模型的设置。

第一名的 Gemini 每题近半小时

榜单第一的 Gemini 4 Carbon 高档 60 分，每题 29.5 分钟，比 Opus 5.5 的 max 档还慢；它的输出速度每秒 69 个词元，Opus 5.5 是 112 个。Carbon 的中档 58 分、24.5 分钟，降一档只省 5 分钟。两家顶级模型的头名分数，都建立在每题二三十分钟的等待上。

有人会说，排行榜本来就该测模型的上限，默认档位是厂商的产品选择，和能力无关。这一点我们接受。但读者拿榜单选型时问的是「我接进去能拿到多少」，不是「它最多能做到多少」；Artificial Analysis 把每题耗时摆在分数旁边，正好把这两个问题分开了。

Opus 5.5 的 high 档 52 分、9.3 分钟，比 max 档少 7 分，时间却只要三分之一多一点。

给 Opus 5.5 用户的一句话

要交付结果的团队，把 Opus 5.5 显式开到 high 档：比默认档多 4 分，每题只多等两分多钟。max 档只留给能等半小时、单题值十美元的难题。按榜单分数选了 Opus 5.5 却不改设置，你接进产品的是一个 48 分的模型。