Claude Haiku 5.5：让子代理真正跑得起的小模型

2026 年 10 月 7 日，Anthropic 发布 Claude Haiku 5.5，官方称其为「迄今最便宜、最快、也最强的小模型」。10 万 token 以内的提示，每百万输入 0.10 美元、输出 0.50 美元；超过 10 万 token 则涨到 0.50 / 2.50。Anthropic 的脚注写得更具体：Haiku 4.5 时代约 90% 的请求都落在 10 万 token 以内，因此对绝大多数流量来说，输入价降了十倍而不是两倍；把所有变化（含计费 token 用量变化）算进去，整体运行成本平均低约 75%。同一批更新里，Sonnet 5.5 的缓存读取价从 0.20 砍到 0.10 美元，Max 与 Team 订阅者开始每月拿 API 额度，Python 与 TypeScript SDK 的 computer use / browser use 进入 beta。

小模型的价格战已经落到同一个数字上：0.10 / 0.50 美元

价格表：先把账算清楚

把官方价格表并排放在一起看，变化才够刺眼。Haiku 5.5 在 10 万 token 以内输入 0.10 美元、输出 0.50 美元；Haiku 4.5 是输入 1.00、输出 5.00。缓存写入从 1.25 降到 0.125。也就是说，如果你过去的用量本来就落在短提示区间——官方的说法是九成请求都在这儿——那么你付的钱真的少了一个数量级。真正容易被忽略的是脚注第二条：Haiku 5.5 用了更新的 tokenizer（与 Sonnet 5.5、Opus 5.5 同源），同样的工作会消耗略多的 token。预算上必须做一次实测对照，而不是拿旧的平均 token 数乘新单价。

# Anthropic's published price table, per 1M tokens.
# The first number is for prompts up to 100k; the second for over 100k.
PRICES = {
    "claude-haiku-5-5": {
        "cache_read":   (0.01,  0.05),
        "cache_write":  (0.125, 0.625),
        "input":        (0.10,  0.50),
        "output":       (0.50,  2.50),
    },
    "claude-haiku-4-5": {          # what you were paying
        "cache_read":   (0.10,  0.10),
        "cache_write":  (1.25,  1.25),
        "input":        (1.00,  1.00),
        "output":       (5.00,  5.00),
    },
    "claude-sonnet-5-5": {
        "cache_read":   (0.10,  0.10),   # halved from $0.20 this week
        "input":        (2.00,  2.00),
        "output":       (10.00, 10.00),
    },
}

# Anthropic's own footnote matters: 90% of Haiku 4.5 requests fell under
# 100k tokens. So for most traffic, the input price fell 10x, not 2x.
# The catch is the new tokenizer - Haiku 5.5 spends more tokens per task.

基准数字要连起来读

宣传邮件会挑最高的那个数字。把全部基准摆在一起，模型的岗位说明反而自己写出来了。计算机操作 OSWorld 2.1：Haiku 5.5 拿到 72.4%，Haiku 4.5 只有 15.7%——这是真正的跃迁，说明浏览器与桌面操作这类任务它可以胜任。但到了智能体编码 Terminal-Bench 4.0，它是 39.2%，Sonnet 5.5 是 70.6%，差距接近一倍，而 Haiku 4.5 在该项为 0.0%。多学科推理 HLE 无工具 45.9%（旧版 10.2%），知识工作 GDPval-AA v2.1 是 1620（旧版 735）。结论不复杂：拿它做「读得多、判断浅」的活；长链路的编码任务，还是让更贵的模型领头。

# Do not read one benchmark in isolation. Read them together and the
# model's job description writes itself.
SCORES = {
    #                        Haiku 5.5   Haiku 4.5   Sonnet 5.5
    "OSWorld 2.1":            (72.4,      15.7,       83.9),   # computer use
    "Terminal-Bench 4.0":     (39.2,       0.0,       70.6),   # agentic coding
    "FrontierCode 1.1":       (46.4,      None,       52.1),
    "Humanity's Last Exam":   (45.9,      10.2,       56.9),   # no tools
    "GDPval-AA v2.1":         (1620,       735,       1840),
}

def where_it_fits(scores):
    # A 4.6x jump on OSWorld says: browser and computer use, yes.
    # 39.2 vs 70.6 on Terminal-Bench says: not your lead agent on hard
    # multi-step coding. Put it behind a bigger model, not in front.
    return {
        "good": ["browser_use", "triage", "summarisation", "compaction", "extraction"],
        "bad":  ["long_horizon_coding", "architecture_decisions"],
    }

同一个模型上的 effort 档位：准确率对成本

第一个带 effort 旋钮的 Haiku

更实用的是 effort 档位。Haiku 5.5 是 Anthropic 首个带可调 effort 设置的 Haiku 级模型，等于把「选哪个模型」从一个二选一变成同一模型上的两个旋钮。低档留给分类、路由、字段抽取；中档给摘要、压缩和大部分子代理调用；高档只用在「答错要重跑」的那一步。官方为此画了三条准确率对成本的曲线（OSWorld、GDPval-AA、HLE），真正的好处不是高档更强——那是显然的——而是你终于有一个写在文档里的旋钮，在有人问「为什么推理成本降了」时可以指着它解释。

# Haiku 5.5 is the first Haiku-class model with an adjustable effort
# setting. That turns "which model" into two dials you can tune per
# call instead of one binary choice.
def call(system, user, effort="medium"):
    """
    effort trades cost for intelligence on the same model.
    low    - classification, routing, field extraction
    medium - summaries, compaction, most subagent work
    high   - the step where a wrong answer costs you a rerun
    """
    return client.messages.create(
        model="claude-haiku-5-5",
        max_tokens=2048,
        thinking={"effort": effort},
        system=system,
        messages=[{"role": "user", "content": user}],
    )

# The point is not that high effort is better. It is that you now have
# a documented knob to defend when someone asks why inference got cheaper.

子代理模式：贵的模型规划，便宜的模型干活

这笔账真正被结清的地方是子代理模式。让前沿模型做规划和终审，让 Haiku 5.5 做高并发的阅读和筛查，成本结构会被读取端主导——而读取端现在便宜了一个数量级。Anthropic 在发布文里引用的客户反馈正是这个形态。Rogo 的说法是：大模型在搭幻灯片，Haiku 5.5 子代理钻进 10-K 里把需要的分部收入那一行捞出来。Cognition 把它作为 Devin Fusion 的 sidekick，在 FrontierCode 上仍保持 66.2 的高分同时压缩成本与延迟。HubSpot 在 CRM 模拟端口测试里拿到 92.8%（三次平均），是它们见过的最好成绩；AlphaSense 用 400 条查询对比，0.84 对 0.76 统计显著。Asana 报的是任务完成延迟降超 30%、每轮推理快至 2.5 倍。

# The pattern that pays for itself: a frontier model plans, Haiku 5.5
# does the high-volume reading. Cost is dominated by the reader.
from dataclasses import dataclass

@dataclass
class Subagent:
    name: str
    model: str = "claude-haiku-5-5"
    effort: str = "low"

def review_pull_request(diff_files, lead_model="claude-opus-5-5"):
    # Lead model: reads the change once, decides what deserves a look.
    plan = lead(lead_model).plan(diff_files)

    # Reader subagents: one per file, cheap, parallel, disposable.
    findings = []
    for f in plan.files_to_check:
        out = Subagent("file-scout").run(
            task=f"flag real bugs in {f.path}; quote the exact line",
            content=f.content,
        )
        findings.append(out)

    # Only the surviving findings go back to the expensive model.
    return lead(lead_model).summarise(findings)

# Anthropic's own customer quotes in the launch post are this pattern.
# Rogo: a Haiku 5.5 subagent pulls the segment revenue line out of a
# 10-K while a larger model builds the deck. Cognition ships it as the
# Devin Fusion sidekick, holding a FrontierCode score of 66.2.

别忘了同一周被砍价的 Sonnet

同一批更新里还有一条容易被跳过：Sonnet 5.5 的缓存读取价砍半，从每百万 0.20 降到 0.10 美元。因为缓存读取在 token 消耗里占比很高，Anthropic 估算大多数 agentic 任务的 Sonnet 成本因此下降约 20%。这对你的选型意味着什么？如果你已经有稳定的 Sonnet 5.5 用例，先确认一下降价后的账——有时候比换成一个更便宜的新模型更划算，因为省下的是重写提示词、重新评估输出质量、重跑评测的时间。另外，Anthropic 这次的定价明显是对着 OpenAI 的 GPT-6 Luna 打的：两者在 10 万 token 以内都是 0.10 / 0.50 美元。小模型的价格战已经打到同一个数字上，差异化只能落在能力、effort 控制与生态上。

# Do the arithmetic before you celebrate, because the tokenizer moved.
def monthly_cost(requests, tokens_in, tokens_out, cache_hit_rate, model):
    """requests/month, mean token counts, share served from cache."""
    read, write, pin, pout = PRICES[model]["cache_read"][0], \
        PRICES[model]["cache_write"][0], \
        PRICES[model]["input"][0], \
        PRICES[model]["output"][0]

    billed_in = tokens_in * (1 - cache_hit_rate)
    cost = requests * (
        billed_in / 1e6 * pin
        + tokens_in * cache_hit_rate / 1e6 * read
        + tokens_in * 0.2 / 1e6 * write   # assume 20% of context is written
        + tokens_out / 1e6 * pout
    )
    return cost

# Two hidden line items people miss:
#   1. Haiku 5.5 uses a newer tokenizer, so the same task can bill more
#      tokens than it did on 4.5. Measure, do not assume.
#   2. Sonnet 5.5 cache reads halved to $0.10/M, cutting most agentic
#      Sonnet work by about 20% - sometimes the better lever is the
#      bigger model you already trust, not the cheaper new one.

先量 token，再谈省钱：新的 tokenizer 会改变账本

社区没被宣传的那句话

官方博客之外，社区反应里有两句话值得抄下来。第一句是好的：Haiku 5.5 在大多数对齐评估上较 4.5 明显改善，网络安全护栏比 4.5 更严、但比 Sonnet 5.5 稍宽——它允许更广的防御性任务，仍会拦下渗透测试等更可能被攻击者使用的技术。第二句是提醒：有开发者在讨论里指出，它在复杂编辑上存在「安静失败」的模式，并质疑部分基准提升是否来自评测口径变化。这类怀疑不该被忽略。合理的做法是：先把它放进低风险、可验证的流水线（摘要、抽取、分类——错了你能立刻看出来），拿真实流量跑两周，再决定要不要往前挪。