Claude Haiku 5.5 发布：0.10美元百万tokens，价格战背后的定价陷阱

Anthropic 发布了 Claude 家族迄今最小、最快、最便宜的模型——Claude Haiku 5.5。100万 tokens 输入仅需 0.10 美元，上下文窗口扩展到 100 万 tokens，还首次引入自适应思考机制。但在这场价格战的喧嚣背后，藏着一个容易被忽略的定价结构问题。

价格有多激进？

Haiku 5.5 的核心定价是 0.10 美元 / 0.50 美元 每百万输入/输出 tokens——前提是你的单次提示不超过 10 万 tokens。一旦超过这条线，价格直接跳到 0.50 美元 / 2.50 美元，输入侧翻了 5 倍。

对比一下同期发布的其他模型：Meta 的 Muse Wonder 定价为 4 美元/百万 tokens，是 Haiku 5.5 基础档位的 40 倍。两款产品发布仅相隔五天，这种时间上的接近很难说是巧合。

Anthropic 官方表示，Haiku 5.5 比上一代 Haiku 4.5 便宜了 75%，模型 ID 为 claude-haiku-5-5，已在 API、Bedrock、Google Cloud 和 Copilot 上线。

不只是便宜：三个实质升级

自适应思考（Adaptive Thinking）

Haiku 5.5 是 Haiku 系列首个支持可调思考力度的模型。它会自动判断任务需要多少推理量，默认开启。开发者也可以手动在智能程度、成本和延迟之间做取舍——这个控制粒度在此前的小模型上并不常见。

什么是推理时计算（Test-Time Compute）

自适应思考属于推理时计算这一大类的具体实现。传统模型对每个请求投入固定的计算量，而推理时计算让模型在生成答案前动态分配"思考预算"——简单问题少算，复杂问题多算。常见的实现手段包括思维链展开、多路径采样后投票、以及基于难度的自我评估。这套机制的价值在于用可控的额外算力换取准确率提升，代价是延迟和 token 消耗增加。Haiku 5.5 把这一能力下放到小模型，意味着廉价档位也能按任务难度自动伸缩推理深度，而不是一律走最短路径。

100 万 token 上下文

从 Haiku 4.5 的 20 万 tokens 直接拉升到 100 万，输出上限也从 64K 提升到 128K。对整个代码库、长文档或大规模对话历史做一次性处理，在廉价档位里变得可行。

为高吞吐场景而设计

Anthropic 对 Haiku 5.5 的定位很明确：分类、摘要、信息抽取、实时客服、语音代理、应用内助手，以及作为 Opus 和 Sonnet 的快速子代理模型。这些场景的共同特点是不需要前沿推理能力，但对响应速度和调用成本极度敏感。

什么是上下文窗口（Context Window）

上下文窗口指模型单次调用中能同时处理的 token 总量，涵盖输入提示与输出结果。它决定了模型一次能"看到"多少信息——代码库、长文档、多轮对话历史都受此限制。窗口越大，越能支持跨文件分析、全书摘要、长时间记忆等任务。但需注意，扩大窗口并不等于同等程度地提升有效利用率，模型在超长上下文中对中间部分的注意力往往衰减（即"迷失在中间"现象）。同时，如本文所揭示的，大窗口常与更高的计费档位绑定，实际可用性取决于成本是否可接受。

那个没人提的定价陷阱

这里需要仔细看一下价格卡：

• 10 万 tokens 以下：0.10 / 0.50 美元
• 10 万 tokens 以上：0.50 / 2.50 美元

这意味着"0.10 美元的模型"只在单次提示不超过 10 万 tokens 时才成立。当你真正用上那个 100 万上下文窗口——也就是发布时最大的卖点——输入成本实际上翻了 5 倍。

便宜的单价和大上下文之间存在结构性张力。这不是隐瞒，分层定价本身是行业惯例，但所有"Haiku 5.5 只要 0.10 美元"的标题都省略了这个前提条件。做长上下文任务之前，建议先算一笔账。

同样在发布当天，Anthropic 把 Sonnet 5.5 的缓存读取价格砍半，代理类工作流的成本整体降低约 20%。如果你要做的是长上下文密集任务，把 Haiku 5.5 和降价后的 Sonnet 5.5 放在一起比一比，可能比直接选便宜的那个更划算。

什么是分层定价（Tiered Pricing）

分层定价是指服务商根据用量规模划分不同价格区间，超过某个阈值后单价发生跳变的计价方式。与线性计费（用多少乘以固定单价）不同，分层计价下边际成本会随用量非连续变化。在 LLM API 领域，常见分层维度包括：单次请求的上下文长度、月度累计用量、速率限制等级等。对开发者而言，关键在于识别"价格悬崖"的位置——一旦单次提示越过阈值，单位成本可能数倍上升，这会从根本上改变长上下文任务的成本模型。理解分层结构，是做容量规划和模型选型前的必修课。

什么场景该用，什么场景不该用

适合 Haiku 5.5 的场景：

• 高吞吐的分类、抽取和摘要任务
• 大型工作流中的子代理调用（用低成本完成推理步骤）
• 对延迟敏感的语音代理和实时客服
• 目前使用 Haiku 4.5 的所有场景——严格更优且便宜 75%

不适合的场景：

• 前沿推理任务，那是 Opus 5.5 的领域，价格是 40 倍
• 不经过计算的超长上下文任务
• 需要最强安全保障的场景——Haiku 5.5 内置了对部分高风险网络安全请求的拦截

市场正在分层，架构思路也要跟上

Muse Wonder 定价 4/20 美元，Haiku 5.5 定价 0.10/0.50 美元，五天内先后发布。这不只是两家公司的定价策略差异，而是整个模型市场在分化为两个层级：

• 高端层（4 美元+/百万 tokens）：前沿推理、记忆能力、长时间编码任务——Muse Wonder、Opus 5.5 在这个区间
• 吞吐层（0.10 美元/百万 tokens）：快速、廉价、够用就好——Haiku 5.5 是这个层级的代表

对开发者来说，合理的做法不是二选一，而是做路由分发：90% 不需要前沿智能的调用交给 Haiku 5.5，剩下 10% 需要前沿推理的请求路由给 Opus 或 Muse Wonder。Anthropic 把 Haiku 5.5 定位为子代理模型，本身就是在暗示这种架构。

成本优化的关键已经从"选哪个模型"变成了"怎么分配请求"。

什么是模型路由（Model Routing）

模型路由是指在应用层设置一个调度器，根据请求的特征（如任务类型、复杂度、延迟要求、成本预算）动态选择后端模型。典型做法是先用一个轻量分类器或规则判断请求难度，再将简单请求发给廉价模型、复杂请求转发给高端模型，必要时甚至做级联——先用小模型尝试，置信度不足时再升级到大模型。路由的收益直接来自价差：如文中所述的 40 倍价差下，只要 90% 的流量能被正确导向廉价层，整体成本就能大幅下降。挑战在于路由判断本身的准确率，误判会导致质量下降或额外开销。

核心要点回顾

• Claude Haiku 5.5 定价 0.10/0.50 美元每百万 tokens（10 万 tokens 以下），100 万上下文，自适应思考
• 超过 10 万 tokens 后价格翻 5 倍，用大上下文之前先算清楚成本
• 比 Haiku 4.5 便宜 75%，已在 API、Bedrock、Google Cloud、Copilot 上线
• 实际策略是路由：吞吐任务给 Haiku，前沿任务给 Opus 或 Wonder
• 同日 Sonnet 5.5 缓存读取价格减半，代理工作流成本降约 20%