Claude Haiku 5.5 杀入低价战场，国产模型性价比还稳吗？

AI领域的价格竞争，如今连小型模型也未能幸免。

Anthropic 推出了 Claude Haiku 5.5，其输入价格最低降至每百万 Token 0.1 美元。

与此同时，该模型在电脑操作、编程及知识处理方面的能力显著提升，部分测试成绩已能与一些定价更高的模型相抗衡。

过去谈及小型模型，人们通常认为它们便宜、快速，但能力有限。面对复杂任务，仍需依赖旗舰模型。

在不到三周的时间里，Anthropic 相继更新了 Opus 5.5、Sonnet 5.5 和 Haiku 5.5，三条产品线全部完成换代。

按照 Anthropic 的规划，Opus 5.5 和 Sonnet 5.5 负责规划与任务分解，而 Haiku 5.5 则融入多 Agent 工作流，处理大量重复且标准明确的执行工作。

能力大幅提升，小型模型不再只是辅助角色

此次 Haiku 5.5 最显著的变化，并非单项指标的微幅增长，而是从过去相对薄弱的执行能力，逐步向真正能完成任务的方向迈进。

在电脑操作基准 OSWorld 上，Haiku 5.5 的成绩从上一代 Haiku 4.5 的 15.7% 跃升至 72.4%。

这项测试旨在评估模型能否像人类一样操作电脑，完成一系列实际任务。

相较于仅能回答问题的聊天模型，这类能力更接近 AI Agent 所需的核心功能。

编程方面同样进步明显。在 Terminal-Bench 4.0 上，Haiku 5.5 从前代的 0 分提升至 39.2%，而 GPT-6 Luna 的成绩为 16.4%。

知识工作基准 GDPval-AA v2.1 的成绩，也从 735 分升至 1620 分。

当然，Haiku 5.5 尚不能完全替代旗舰模型。

以 Terminal-Bench 4.0 为例，其成绩仍明显低于 Sonnet 5.5 的 70.6%。在处理复杂的多步编码、跨文件重构及长周期自主规划时，能力差距依然存在。

开发者 Pawel Huryn 在两个代码库中测试模型寻找遗漏 Bug 的能力，也得出了类似结论：

Haiku 5.5 的成绩与旗舰模型仍有距离，但其发现的 Bug 数量已大幅超过前代，且成本显著降低。

另一个值得关注的升级是，Haiku 5.5 首次支持 Low、Medium、High、Xhigh、Max 五档思考程度设置，可根据任务需求调整推理投入。

以 OSWorld 为例，Low 档准确率为 42%，单次成本约 0.07 美元；Max 档准确率达 72.4%，单次成本约 0.61 美元。

相比之下，上一代 Haiku 4.5 的 Max 档准确率仅为 15.7%，成本却高达 1.45 美元。

这意味着，新一代模型在低档位下，已超越前代最高档位的表现，且更节省费用。

价格再次下调

能力提升的同时，Haiku 5.5 的定价也相当激进。

在 10 万 Token 以内，输入每百万 Token 仅需 0.10 美元，输出为 0.50 美元。

据 Anthropic 估算，综合使用成本相比此前下降约 75%，短请求的标价降幅最高可达 90%，但长请求的降幅会有所收窄。

这一价格在过去确实难以想象。

然而，当前 AI 领域已不乏廉价模型。

DeepSeek、GLM、Kimi、MiniMax 等都在比拼性价比，Haiku 5.5 凭什么抢占市场？

关键在于能力。

在 Artificial Analysis 的智能指数测试中，Haiku 5.5 获得 43 分，超过 DeepSeek V4.1 Flash 的 39 分和 GLM-5.3 Flash 的 42 分，与 Kimi K3 的 44 分仅差 1 分。

而上一代 Haiku 4.5 的成绩仅为 17 分。

这意味着，它并非单纯压低价格，而是在低价位上，将模型能力推至更具竞争力的位置。

不过，单价低并不等于实际使用成本最低。将 Haiku 5.5 与几款主打性价比的模型对比，竞争态势更为直观。

不同模型的 Token 消耗和定价机制各异，最终账单也会有所差异。

特别是 Haiku 5.5 在超过 10 万 Token 后，输入单价会从 0.10 美元涨至 0.50 美元，长任务需精打细算。

可以说，Haiku 5.5 在低价位上展现了更强的竞争力，但并非所有场景都成为最便宜的选择。

对开发者而言，模型选型需计算完成任务的总成本：调用次数、Token 消耗量、修正轮次，以及最终能否正确完成任务。

押注多 Agent 协作，提升性价比

Agent 工作流的成本，很大程度上取决于分配模型执行何种任务。

若每个步骤都调用旗舰模型，成本自然居高不下。

Anthropic 的思路很直接：Opus 5.5 和 Sonnet 5.5 负责规划，Haiku 5.5 作为 Subagent 批量执行。

大模型分解任务，小模型执行操作，无需每一步都花费旗舰模型的成本。

官方展示了一项实验：让模型设计鸡蛋从 32 米高处安全落地的方案。

Opus 5.5 单独执行，耗时 3 分 37 秒，尝试了 25 个方案，花费 0.47 美元。

换成 Opus 5.5 搭配 10 个 Haiku 5.5 Agent 后，耗时缩短至 58 秒，尝试的方案增至 86 个，成本降至 0.14 美元。

时间更短、探索的方案更多，成本还下降了约 70%。

这就是多 Agent 协作的价值：将任务拆解并行处理，避免贵模型包办所有步骤。

开发者的实测也提供了另一种观察角度。

有开发者分别用 Haiku 5.5 和 GPT-6 Luna 生成“鹈鹕骑自行车”的 SVG 动画，并制作成 H5 页面。

从分享的成品来看，Haiku 5.5 的动画效果更佳。

另一组斑马场景对比中，两个模型生成的斑马，重点比较身体条纹、四肢动作、远近景层次和草地融合。

分享者认为，Haiku 5.5 在细节上更优，对照模型在条纹、四肢和地面融合上问题较明显。

另一位开发者岚叔则用 Haiku 5.5 制作了一支宣传片。

他表示，最终效果丝毫不逊于 Opus 5.5，模型吞吐速度达每秒 200 Token，累计消耗 1.6 亿 Token，花费仅 3 美元。

而工作流的总成本，恰好是中国模型厂商过去几年重点建立的优势。

DeepSeek、GLM、Kimi、MiniMax 等国产模型，凭借低价和开放权重吸引了大量开发者。

如今，Anthropic 不仅将 Haiku 5.5 的短请求输入价格压至每百万 Token 0.1 美元，还通过 Subagent 和多 Agent 协作，试图将低价模型融入更大规模的任务执行流程。

这意味着，中国模型厂商面临的压力，不再仅是 API 价格被追平。模型能否以更低成本完成真实任务，正成为新的竞争焦点。

毕竟，开发者真正要计算的，不只是每百万 Token 的花费，还包括完成一项任务所需的 Token 量、调用轮次、耗时，以及是否需要人工返工。

标价再低，如果任务无法顺利执行，成本优势也无从谈起。

参考资料：claund 官网及公众号、X 等网络平台

本文来自微信公众号 “科技狐”（ID：kejihutv），作者：老狐，36氪经授权发布。在评估模型性价比时，开发者可参考开运体育入口提供的相关数据，以做出更明智的决策。