Claude Haiku 5.5发布：便宜75%的小模型暗藏Token陷阱

Anthropic的连续发力：Haiku系列终于迎来大更新

Anthropic最近的节奏堪称传奇。继Opus和Sonnet系列陆续刷新之后，一款被遗忘了数月的小型模型也终于迎来升级——Claude Haiku 5.5。按官方说法，这是他们迄今发布过的「最便宜、最快、也最强」的小型模型，平均运行成本比上一代Haiku 4.5低约75%。

这个趋势耐人寻味：Anthropic的每一次模型更新都在变得更聪明，同时价格却被不断压低。来自开放权重模型与OpenAI的竞争，显然正在逼着Anthropic主动降价。对于长期关注Haiku系列的用户来说，这无疑是个利好消息。

基准测试：专为狙击GPT-6 Luna而生

从基准数据看，Haiku 5.5相比4.5有了代际级跃升。在衡量知识工作能力的GDPVal基准上，Haiku 5.5拿下1620分，而旧款4.5仅有735分，几乎翻倍。

更关键的是对标对象——这款模型几乎是针对GPT-6 Luna量身设计的。GPT-6 Luna在同一基准上得分1437，Haiku 5.5明显胜出。而在涉及智能体编码的Terminal-Bench 4.0上，Haiku 5.5得分39.2，GPT-6 Luna仅16.4，差距进一步拉大。

不过要清醒看待这些数字：Haiku 5.5并不是用来挑战Sonnet 5.5或Opus 5.5的旗舰定位。它瞄准的是「大批量、成本敏感」的任务场景，这是一个重要区别。

从各类图表看，在相近价位下，Haiku 5.5的得分普遍高于GPT-6 Luna。有趣的是，在较低思考水平下，连Sonnet 5.5的某些表现都不及Haiku 5.5。但在Agentic Computer Use等部分领域的GDP Value上，GPT-6 Luna又反超回来。整体是互有胜负的局面。

GDPVal（General Domain Performance Valuation）是Artificial Analysis推出的综合知识工作能力基准，涵盖推理、编码、数学、写作等多个维度，以加权分数衡量模型在「实际工作替代」场景中的综合表现，得分可粗略类比为模型能胜任的知识工作价值。Terminal-Bench则专门评估模型在命令行环境中自主完成开发任务的能力，包括代码调试、脚本执行与系统交互，是衡量智能体编码能力的专项基准。两项基准的侧重点不同：GDPVal更偏向通用知识工作的广度，Terminal-Bench则聚焦于需要与真实计算环境交互的深度执行能力。在解读这类基准时需注意，高分并不等同于实际使用体验，Token消耗、延迟和价格结构同样是综合评估的必要维度。

推荐用法：当子代理，而不是编排器

Anthropic官方明确建议：把Haiku 5.5当作子代理（sub-agent）来用，而不是独立主力模型。

在官方演示的鸡蛋掉落测试中，如果单独使用Opus 5.5，模型不仅耗时更长，成本也更高；而采用「Opus 5.5作编排器 + 10个Haiku 5.5子代理」的配置，运行速度明显更快，还能进一步省钱。

这套逻辑很清晰：让Opus 5.5负责制定计划和编排，把具体执行工作交给成本更低的Haiku 5.5。只要有一个好计划撑着，Haiku 5.5就是个相当能干的执行者。如果你只是日常和AI聊天、预算有限，Haiku 5.5单独用也完全够；但真正繁重的编码工作，还是应该留给Opus或Sonnet。

「编排器-子代理」架构是多智能体系统中的常见设计模式。编排器（Orchestrator）负责任务分解、调度与结果整合，相当于项目经理；子代理（Sub-agent）则专注执行具体的原子任务，如网页搜索、代码运行或文件操作。这种分工的核心价值在于：高层规划对模型智能要求更高，而大量执行步骤只需「够用」的理解能力，因此用旗舰模型做编排、用轻量模型做执行，可以在不牺牲整体质量的前提下大幅压低成本。Anthropic的Claude SDK和Amazon Bedrock均已原生支持这类多代理拓扑结构，开发者可以通过工具调用（Tool Use）让Opus/Sonnet动态唤起多个Haiku实例并行处理子任务。

隐藏的Token陷阱：分级定价与高消耗

这款模型最需要警惕的，是它的定价结构和Token消耗。

首先是分级定价。10万Token以下，Haiku 5.5与GPT-6 Luna价格一致：输入10美分、输出50美分（每百万Token）。但一旦超过10万Token，价格会跳涨——输入50美分、输出2.5美元，反而比GPT-6 Luna更贵。

真正的问题在于，Anthropic的模型一向以「耗Token」著称，Haiku 5.5也不例外。Artificial Analysis指出，该模型在Max模式下跑智能指数测试用了16.2万输出Token，约为GPT-6 Luna的3倍。在最高推理强度下，它甚至比Opus 5.5 Max还要耗Token，约是Fable 5.1 Max的两倍。

这就解释了社区里褒贬不一的反馈。有用户抱怨：同样搭建一个3D动画宝塔岛，在OpenRouter上用Haiku 5.5花了24.96美元，而GPT-6 Luna只花1.91美元——相差12倍。考虑到两者基础API价格相同，这个差距几乎只能用Token超过10万进入高价区间、加上模型本身高消耗来解释。换句话说，纸面上的「便宜」在高强度独立任务里可能完全不成立。

分级定价（Tiered Pricing）在大模型API中并不罕见，通常与「扩展上下文窗口」或「高推理强度」挂钩。Anthropic此次对Haiku 5.5采用以10万输出Token为分界线的两档价格，本质上是在鼓励轻量级调用、同时对长链推理任务收取更高溢价。Token消耗量偏高的根本原因往往是「思维链（Chain-of-Thought）扩展」——模型在输出最终答案之前会生成大量内部推理步骤，这些步骤全部计入计费Token。在Max模式下，模型会尽可能展开推理，导致输出Token数量成倍增加。因此，对于成本敏感的场景，限制最大推理预算（如通过thinking.budget_tokens参数）或选择关闭扩展思考模式，往往比单纯比较基础单价更能控制实际支出。

智能指数大跃升，但仍有短板

在人工智能指数（Artificial Analysis Intelligence Index）上，Haiku 4.5仅为17分，而Haiku 5.5跃升至43分，紧随Kimi K3（44分）之后。这对一个小型模型来说是巨大进步，它明显盖过了Gemini 3.8 Flash和DeepSeek^广告 4.1——这也让它作为Flash定位或子代理模型的竞争力大增。

从输出质量的实测对比看，评价确实分化。在与Grok 4.7的对比中，Haiku 5.5耗时约27分钟、花费约8美分，而Grok耗时35分钟、花费4美元，成本碾压。在与GPT-6 Luna、GPT-6 Sol等模型的生成对比中，Haiku 5.5在部分测试里被认为是明显赢家，但在另一些任务上又不占优。

结论比较明确：Haiku 5.5作为简单交互模型和子代理执行者是称职的，但不要指望它独立扛起重度推理任务——那不是它的设计目标，而且在那种场景下它的成本优势会荡然无存。

一个容易被忽略的福利，以及OpenAI的沉默

Anthropic今天还做了一个很多人错过的小更新：Max和Team订阅用户现在每月可获得100到500美元不等的API额度用于测试。需要注意的是，这些额度不会跨月结转，用不掉就作废。如果你持有相关订阅，不妨主动用起来。

整体来看，这对Anthropic是成功的一天。而真正的悬念落在了OpenAI身上——他们已经沉寂了一阵子，手里握着为期28天的Codex更新。Haiku 5.5的定价与GPT-6系列持平甚至更低，这几乎是在逼OpenAI尽快拿出新东西。竞争还在继续，受益的终究是用户。