事件与背景

2026 年 10 月 7 日，Anthropic 发布 Claude Haiku 5.5（模型 ID claude-haiku-5-5），官方称它是「史上最便宜、最快、也最强的小模型」。这是 Haiku 产品线一年来的首次大版本更新，主要动作有三件：

• 能力翻倍：官方基准上，知识工作 GDPval-AA v2.1 从 Haiku 4.5 的 735 分升到 1620 分；AA-Briefcase v1.1 从 614 到 1578；计算机操作 OSWorld 2.1 从 15.7% 到 72.4%；终端任务 Terminal-Bench 4.0 从 0.0% 到 39.2%。
• 价格下探：官方称跑起来平均比 Haiku 4.5 便宜约 75%；同时把 Sonnet 5.5 的缓存读取价格砍半，让它在多数 agent 场景下再便宜约 20%。
• 配套权益：给 Claude Max / Team 订阅者发放每月 API 额度（Max 5x 100 美元、Max 20x 200 美元、Team 最高 500 美元池化）。它也是首款带可调 effort 档位的 Haiku 级模型，上下文窗口从 20 万扩到 100 万 token。

第三方评测机构 Artificial Analysis 给出了更关键的一层事实：Haiku 5.5 智能指数得分 43，比上一代高 26 分；在最大 effort 下略胜 GLM-5.3 Flash（42）、Gemini 3.8 Flash（41）和 GPT-6 Luna（38），接近 2.8 万亿参数的开源模型 Kimi K3（44），但每个任务要消耗约 162k 输出 token，约为 GPT-6 Luna（约 50k）的 3 倍。价格结构是分档的：10 万 token 以内输入/输出为 0.10 / 0.50 美元每百万 token，超过 10 万则跳到 0.50 / 2.50 美元，整整贵 5 倍。

早期客户信号也指向同一方向：Asana 称在其 AI agent 产品的评测中，任务完成延迟下降超过 30%、每个 agent turn 的推理快达 2.5 倍；HubSpot 在一个 CRM 任务套件上拿到 92.8% 的历次最好成绩（均为厂商发布页披露）。而同一周的「便宜档」赛道上还挤着 GPT-6 Luna、Gemini 3.8 Flash、GLM-5.3 Flash 以及开源的 Kimi K3——小模型不再是「够用就好」的占位品，而已成为各家正面竞争的战场。

社区反应则喜忧参半。Hacker News 上有人直言它「每个任务要 162k 输出 token，是 GLM-5.3 Flash 的两倍多」，也有人吐槽 10 万 token 的定价断点「低得离谱」；但同样有人表示会「在生产环境里用它替换 Luna」。这种分歧本身说明：能力提升是真的，而成本是否真的下降，取决于任务形态。

来源（均已用 curl 验证返回 200）：

• Anthropic 官方发布页：https://www.anthropic.com/claude-haiku-5-5
• Artificial Analysis 独立评测：https://artificialanalysis.ai/articles/claude-haiku-5-5
• OpenRouter 模型页（实时价格与吞吐）：https://openrouter.ai/anthropic/claude-haiku-5-5
• Hacker News 讨论（1,000+ 分）：https://hn.algolia.com/api/v1/items/49996437

另：写作时核对了若干候选新闻源，其中 openai.com 索引页返回 403、ft.com 与 mathstodon.xyz 本机无法连通（000/空响应），均未采信、不作为本文事实。

为什么现在重要

1. 「便宜档」第一次真能干 agent 的活。 OSWorld 从 15.7% 跳到 72.4%、Terminal-Bench 从 0% 到 39.2%，意味着「廉价模型只能做分类和摘要」的旧假设失效。影响：过去只敢交给旗舰模型的多步 agent 循环，现在可以把子任务下放给便宜档，单次运行的成本结构被整体改写。

2. 性价比的计价单位从 token 转向任务。 官方卖点是「按 token 便宜 75%」，但独立实测显示它每个任务烧 160k+ token、是 Luna 的 3 倍，按任务算的便宜幅度会明显缩水。影响：拿单价表做选型会误判，必须按自己的真实任务画像重算「每任务成本」。

3. 10 万 token 处有一道 5 倍价格悬崖。 输入输出一过 10 万 token，单价从 0.10/0.50 直接跳到 0.50/2.50 美元。影响：长上下文、整库 RAG、长会话 agent 的成本可能不降反升；分片、滚动摘要，或把长任务拆成多次短调用，可能比一次塞满更省。

4. 小模型与开源大模型的边界被打穿。 一个 Haiku 级专有模型已咬住 2.8 万亿参数开源模型 Kimi K3 的智能分。影响：过去「要强就自托管开源大模型」的默认路径需要重估——专有小模型在延迟、运维和总成本上可能更划算。

5. 订阅额度是平台锁定的一步棋。 每月 API 额度（Max 5x 100 美元 / Max 20x 200 美元 / Team 最高 500 美元）实质在鼓励把自建工具跑在 Claude 平台上。影响：要提前评估额度耗尽后的迁移成本，别把关键 agent 深绑进一个单一额度池。

工程师/产品人今天能做什么

1. 用真实任务做 A/B，而不是看基准表。 挑 3–5 个线上高频任务，同一 prompt 分别打 Haiku 5.5 和现用模型，记录成功次数、输入/输出 token、端到端延迟和单任务成本，再决定是否迁移。

2. 给 100k 边界加监控。 在调用处埋一个 prompt 长度埋点，逼近 10 万 token 就告警，并实测「分片 + 摘要」与「一次长输入」两条路径哪个更便宜。

3. 把路由策略显式化。 用 Opus / Sonnet 负责规划与校验、Haiku 5.5 负责子任务执行（官方也建议它当 coding 子 agent），做一次「旗舰规划 + 廉价执行」的对照实验。

4. 先跑回归再放量。 Hacker News 上已有工程师反馈该模型在部分任务上出现 prompt 泄漏、速度不如预期。切换前务必跑自己的回归集，再灰度放流量。

5. 复审预算与额度。 如果你已在使用 Max / Team，把新增的月度 API 额度纳入成本模型，同时准备额度耗尽后的 fallback 路径。

待观察

1. Artificial Analysis 的 AutomationBench-AA 仅给出 35%，并说明这是发布前「过度拒答」的安全策略导致的低估，Anthropic 正在修复。修复后分数是否大幅回升、以及是否连带调整安全策略，值得跟进。

2. 目前尚缺计入 10 万 token 阶梯价的「每任务成本」第三方数据——AA 明确表示其成本图暂未包含这 5 倍跳价，真实性价比仍待独立验证。

3. 「更省 token」的营销话术与「每任务约 3 倍 token」的实测之间存在张力；token 效率会不会随 effort 档位和后续小版本改善，是判断这条产品线走向的关键节点。