Anthropic 发布 Claude Haiku 5.5：OSWorld 得分从 15.7% 升至 72.4%，token 价格最高降 90%
来源The Decoder查看原文
速览
- Claude Haiku 5.5 的 OSWorld 得分从 15.7% 升至 72.4%
- token 价格最高下调 90%
- 新 tokenizer 让单任务消耗更多 token
- 实际成本节省被 tokenizer 变化部分抵消
- The Decoder 认为 AI 价格战仍在继续
Anthropic 推出新一代轻量模型 Claude Haiku 5.5，在 OSWorld 计算机操作测试上从前代的 15.7% 跃升至 72.4%，同时 token 价格最高下调 90%。不过新模型采用了新的 tokenizer，完成同一任务会消耗更多 token，部分抵消了降价带来的成本优势。The Decoder 认为，这轮降价说明 AI 价格战远未结束。
关键事实
- Claude Haiku 5.5 在 OSWorld 计算机使用测试上的得分从上一代的 15.7% 提升到 72.4%
- 该模型的 token 价格最高下降 90%
- 新模型更换了 tokenizer，每个任务消耗的 token 数量增加
- tokenizer 的变化会部分抵消价格下调带来的成本节省
本站视角
对国内做 Agent 和自动化流程的团队来说，这条消息的关键不是「便宜了 90%」，而是 OSWorld 从 15.7% 到 72.4% 这个跨度：它意味着过去只能靠大模型完成的桌面操作任务，现在可能用轻量模型跑通，单次调用的成本结构会明显变化。但必须提醒的是，新 tokenizer 会吃掉一部分降价红利，如果按任务而非按 token 计费，真实成本下降幅度会小于 90% 这个数字，做预算模型时应该以实测 token 消耗为准，而不是直接套用官方单价。我们的判断是，这属于实质性进步而非纯营销包装——benchmark 提升幅度足够大，且指向的是可落地的能力；但单一 benchmark 分数不能代表全部场景，OSWorld 之外的稳定性、长任务成功率仍需自行验证。另外，原文只给出 Anthropic 一方的数据，没有第三方复现，也没有与同期竞品轻量模型的横向对比，因此「价格战远未结束」更像是媒体的推论而非已被证实的事实，读者不宜据此判断其他厂商会立即跟进降价。
背景与影响
OSWorld 是衡量模型操作计算机（点击、输入、跨应用完成任务）能力的测试，此前轻量级模型在这一项上普遍表现很差，15.7% 属于几乎不可用的水平，72.4% 则意味着小模型开始具备实际执行桌面任务的能力。这意味着 Haiku 这类低价模型可能被更多用于 Agent 类产品，而不只是做简单的文本分类和摘要。价格方面，token 单价最高降 90% 是相当激进的幅度，但新 tokenizer 让同一任务消耗更多 token，说明厂商标价和用户实际账单之间可能出现落差——需要观察的是，按「每完成任务成本」而非「每 token 价格」计算，降幅究竟还剩多少。The Decoder 把这次发布解读为价格战仍在继续的信号，这一判断本身带有媒体视角，Anthropic 并未在原文中给出对竞争格局的官方表态。
本文由 AI 辅助整理自公开信源，事实部分以原文为准；「本站视角」一节为编辑部判断，欢迎指正。版权归原作者所有，如有异议请联系我们。