Anthropic 发布 Claude Haiku 5.5：小模型价格最高降 90%，多项基准反超 GPT-6 Luna

本站视角

对中文开发者和国内做 Agent 的团队来说，Haiku 5.5 最直接的影响是成本结构变了。10 万 token 以下请求每百万输入 0.10 美元、输出 0.50 美元，这个价位已经接近部分国产小模型的区间，而 Anthropic 在 agentic 任务上的基准表现（OSWorld 2.1 离线子集 72.4%、Terminal-Bench 4.0 39.2%）明显高于 Haiku 4.5。如果你的产品此前因为 Haiku 4.5 在 computer use 或终端任务上得分太低而不得不调用更贵的 Sonnet，现在值得重新评估：Haiku 5.5 在部分任务上可能已经够用，而单价只有 Sonnet 的一小部分。 我们的判断是，这次发布是实质性的价格与能力双降维，而不是营销包装。理由有三：一是降价幅度有明确档位和数字支撑，10 万 token 以下降 90%，且 Anthropic 称约 90% 的历史请求落在该档；二是基准提升幅度大，OSWorld 2.1 从 15.7% 到 72.4%、Terminal-Bench 4.0 从 0% 到 39.2%，这种跨代跃升在小模型上并不常见；三是同步下调 Sonnet 5.5 缓存读取价格并给订阅用户发 API 额度，说明 Anthropic 在主动降低 agentic 工作负载的整体成本，而不只是单点降价。 但需要观察的是，Anthropic 的基准数据全部来自自家评测，原文也明确说 Anthropic 只直接对比自家模型和 GPT-6 Luna。第三方数据只覆盖了 Z.ai GLM-5.3-Flash 的 GDPval-AA v2.1（1647）和 AA-Briefcase v1.1（1454），其中 GDPval-AA v2.1 上 GLM-5.3-Flash 略高于 Haiku 5.5 的 1620。也就是说，在知识工作类基准上，国产小模型并未落后，价格上 Qwen3.7 Flash 在 32000 token 以内输入每百万 0.03 美元还更低。对国内团队而言，选型时不应只看 Anthropic 的官方对比表，而应把 GLM-5.3-Flash、Qwen3.7 Flash 和 Haiku 5.5 放在同一任务上实测。 另一个容易被忽略的点是 tokenizer 变化。Anthropic 自己承认更新后的 tokenizer 每任务消耗略多 token，这意味着「单价降 90%」不等于「账单降 90%」。对中文内容密集的应用，tokenizer 变化对 token 数的影响可能更明显，实际成本需要按自己的语料重新测算。 对做浏览器自动化和实时客服的团队，Haiku 5.5 新增的 effort controls 和 SDK 的 computer use、browser use beta 支持值得跟进。effort controls 默认 medium，意味着开发者可以在成本和延迟之间做更细的权衡，这对高并发场景是实用的控制项。但安全防护收紧、渗透测试仍被阻止，做安全类 agent 的团队需要走 Anthropic 的验证项目，这可能带来额外的接入成本。 最后，Fable 5.5 的缺席值得注意。原文称其可能因审查流程更长而推迟，如果这一模式持续，Anthropic 的产品线可能出现「小模型快跑、特殊模型慢审」的分化，开发者在规划依赖特定模型的功能时需要留出更长的等待窗口。