Claude Haiku 5.5实测：便宜90%，小模型性能炸裂

Anthropic正以全速冲刺其潜在的IPO，而最新发布的Claude Haiku 5.5无疑给竞争对手施加了巨大压力。这款被定位为Anthropic产品线中最低端的模型，却带来了令人意外的性能跃升——不仅运行成本大幅降低，综合能力的提升幅度更是让人难以相信这出自一个"小模型"。

从Haiku 4.5到5.5：代际级的性能飞跃

要理解这次更新的意义，不妨回看11个月前的Haiku 4.5。当时它生成的macOS克隆界面虽然不算糟糕，但质量明显无法与今天相比。而Haiku 5.5能够输出一个功能完整的Minecraft克隆——包含洞穴系统、水体物理效果，且各项功能都真正可以运行。这种细节水平，在过去是任何模型都梦寐以求的，如今却由Anthropic最低端的模型完成。

Haiku 5.5被设计用于高并发、成本敏感的工作负载，包括摘要生成、分类、客户支持、浏览器自动化以及编程子代理（sub-agents）。它还能与Opus 5.5、Sonnet 5.5等更强大的模型协同工作，承担较小的任务，从而避免为所有工作都调用昂贵的大模型。

基准测试：3到5倍的提升

基准测试数据是这次发布最耐人寻味的部分。Haiku 5.5相比4.5实现了多个维度上3到5倍甚至更高的提升：

• OS World（评估计算机操作能力）：从15.7%跃升至72.4%
• Humanity's Last Exam：无工具从10.2%升至45.9%，带工具从18.7%升至57.4%
• Chartography：从6.4%提升至46.4%

对于一个定位在更小、更便宜一端的模型来说，这些提升相当夸张。据作者分析，Haiku 5.5在计算机操作、知识工作、前沿编码和视觉推理等多个基准上超越了GPT-6 Luna。当然，基准测试并不能说明全部问题，但它足以反映这款模型的能力已达到何种程度。

OS World 是由学术界开发的开放基准，用于评估AI模型在真实计算机操作系统环境中完成任务的能力，涵盖文件管理、应用操作、网页浏览等场景，被视为衡量"计算机使用（computer use）"能力的重要标尺。Humanity's Last Exam（HLE） 则是由Center for AI Safety等机构联合发布的极难知识测试集，题目来自数学、科学、法律等顶尖学科的研究生级别难题，人类专家的平均正确率也不足6%，因此它被用来衡量模型逼近人类专家认知边界的程度。在这两项公认高难度基准上的大幅跃升，意味着Haiku 5.5不仅在日常任务中更实用，其推理深度和通用知识的天花板也有了质的提升。

定价策略：90%的成本削减

定价无疑是本次发布最大的亮点之一。对于10万token以下的提示：

• 输入：每百万token仅10美分
• 输出：每百万token仅50美分

相比Haiku 4.5（输入1美元/百万、输出5美元/百万），这是90%的基础费率削减。即便是超过10万token的提示（输入50美分、输出2.5美元），仍比4.5便宜约50%。

Anthropic表示，此前约90%的Haiku请求都在10万token以下，这意味着绝大多数现有工作负载都能享受到更低的定价档位。此外，缓存价格也极为低廉。

一个需要注意的细节是：在高推理强度下，Haiku 5.5相当消耗token。据Artificial Analysis的数据，在最大努力（max effort）模式下，完成每个智能指数任务约消耗162个输出token，大约是GPT-6 Luna在同等模式下的3倍。因此虽然每token极便宜，实际任务成本仍取决于token消耗量——不过话说回来，这类小模型本就不该被用于最高推理强度的任务。

Anthropic同时还将Sonnet 5.5的缓存读取价格砍半，降至每百万token仅10美分，使其在许多长时间运行的工作负载中便宜约20%，对需要反复复用大量上下文的编程代理尤为有利。

可调节推理强度：首次登陆Haiku

Haiku 5.5是首个支持可调节努力（adjustable effort）的Haiku模型。开发者可以根据任务难度选择模型应投入多少推理资源：简单请求可优先考虑速度与成本，复杂任务则可提高努力以获得更好结果。这一特性对智能体工作负载特别有用——毕竟并非每个任务都需要相同的智能水平。

在World of AI基准平台上，Haiku 5.5目前综合排名第10，甚至超越了Grok 4.7。它在调试、智能体任务以及前端等领域表现尤为出色。

可调节推理强度（adjustable effort / extended thinking）本质上是让模型在给出最终答案前，先进行一段内部"思维链"推理。努力等级越高，模型消耗的token越多，推理步骤越深，但延迟和成本也随之上升。这一机制最早出现在OpenAI的o系列和Anthropic的大型模型中，此前Haiku系列一直专注于速度与成本，并不支持此功能。Haiku 5.5将其引入小型模型，意味着开发者在构建智能体工作流时可以更精细地在"快速廉价"与"深度推理"之间做动态权衡——例如在多步骤任务中，子代理处理简单路由时使用低努力模式，遇到复杂判断时临时切换到高努力模式，而无需调用更昂贵的大模型。

实测表现：游戏、前端与运动设计

作者进行了一系列实测。在Vibe Coding平台上以ultra code模式让Haiku 5.5创建一个使用3.js的《使命召唤》僵尸模式克隆，结果令人印象深刻：光照、着色器、整体氛围都生成得相当到位，还包含奔跑、投掷手雷、重建屏障、神秘武器箱、体力系统等完整玩法与音效。更关键的是，这几乎没怎么消耗ultra code的token额度。

前端方面，Haiku 5.5有明显进步，生成速度快、质量高且价格优秀。虽然在SVG上不是最佳选择，但整体表现相当出色，等距房间、着色器机器模拟等生成都展现了独特的设计品味。

一个很有代表性的对比是Haiku 5.5对阵Grok 4.7：Haiku 5.5约20秒完成任务，而Grok 4.7耗时约35分钟，成本仅为后者的五分之一左右，视觉质量在作者看来也更好。唯一需要说明的是，二者在不同编码环境中测试（Haiku在Claude Code，Grok在Grok Build），工具链体验存在差异。

在与GPT-6 Luna的对比中，二者都被要求生成"一只在非洲奔跑的斑马"，Haiku 5.5在视觉质量与深度上明显优于GPT-6 Luna。

社区中也出现了惊艳案例：X平台用户Leon用Haiku 5.5在一小时内克隆出了打磨精良的《Minecraft Dungeons》风格等距动作冒险游戏，包含精细环境、近战战斗、闪避、动画、粒子、光照与环境交互。最夸张的是，这据称仅用掉了Leon五小时Claude使用额度的1%。此外，在运动设计方面，Haiku仅用15分钟就完成了Fable、GPT-6 Astra、甚至Opus 5.5需要超过40分钟才能生成的效果，且成本大幅更低。

文中多次出现的**sub-agents（编程子代理）**是一种AI工作流架构模式：由一个"编排者"（orchestrator）大模型拆解复杂任务，再将子任务分发给多个专注于特定功能的小型代理并行执行。Haiku 5.5因其低成本和高吞吐量，天然适合担任这类架构中的子代理角色——例如在代码审查流水线中，Opus负责理解整体需求，而Haiku负责逐文件扫描语法错误或生成单元测试。Vibe Coding 是一种以自然语言为主要交互方式、快速迭代生成可运行代码的开发范式，通常借助AI平台工具（如Claude Code、Cursor等）完成，强调流程体验感而非严格的工程规范。文中的实测均在此类环境下进行。

结论：有望成为日常主力模型

综合来看，Anthropic这次确实交出了一份出色的答卷。对于一个如此小巧且廉价的模型，其智能与能力水平令人印象深刻——从构建精良游戏、运动设计到智能体任务，Haiku 5.5在许多场景中的表现甚至接近Sonnet。

最打动人的是性价比。相比Grok和Luna，它能更快完成任务，虽然不及Luna便宜，但质量更佳。作者认为Haiku 5.5很可能成为编程、自动化与日常生产力领域最好的"日常主力模型"之一：快速、能干且实惠。能从Anthropic最小的模型上看到这样的性能，本身就是一件相当惊人的事。