1. Anthropic
MeWai
  • 返回首页
  • 厂商速查
  • OPEN AI
    • GPT-6 Astra 模型介绍
    • GPT-6 Luna 模型介绍
    • GPT-6.1 Sol 模型介绍
    • GPT-Image-2.5 系列模型介绍（Flare / Sunburst）
    • GPT-6.1 Terra 模型介绍
  • Anthropic
    • Anthropic
    • Claude Haiku 5.5 模型介绍
    • Claude Fable 5.1 模型介绍
    • Claude Sonnet 5.5 模型介绍
    • Claude Opus 5.5 模型介绍
  • Google
    • Gemini 3.8 Flash TTS 模型介绍
    • Gemini Nano Banana 2.1 模型介绍
    • Gemini 3.8 Flash 模型介绍
    • Gemini 4 Argon 模型介绍
  • DeepSeek
    • DeepSeek V4.1 Flash 模型介绍
    • deepseek-v4-1-flash-1017-模型介绍
  • Qwen
    • Qwen3.8-Flash 模型介绍
    • Qwen3.8-Max-0902 模型介绍
    • Qwen3.8-Omni-Flash 模型介绍
    • Qwen3.8-Omni-Flash-Realtime 模型介绍
  • Minimax
    • MiniMax H3 模型介绍
    • minimax-m3-1-flash-模型介绍
  • Moonshot
    • Kimi K3.1 Pro 模型介绍
  • ChatGLM
    • GLM-5.3 与 GLM-5.3-Flash 模型介绍
  • XiaomiMiMo
    • MiMo-V2.6 系列模型介绍（Pro / Flash）
  • 腾讯
    • Hy4 preview 模型介绍
  • xAI
    • Grok Imagine Video 1.5 Lite 模型介绍
    • Grok 4.7 模型介绍
  • TypeSafe
    • jev-1-14-0-模型介绍
  • Vidu
    • viduq4-preview-模型介绍
  • PixVerse
    • PixVerse V6 Max 模型介绍
  • Kling
    • Kling 4.0（kling-video-v4）模型介绍
  1. Anthropic

Claude Haiku 5.5 模型介绍

一句话定位：Anthropic 于 2026-10-07 发布的 Claude 5.5 家族最小、最快、最便宜的模型，主打高并发、成本敏感的大批量任务（摘要、分类、数据库查询、客服、浏览器与电脑操作、子智能体）。最大亮点是AA 智能指数 43 分登顶小模型档（比上代 Haiku 4.5 高 26 分）、上下文从 20 万涨到 100 万、平均运行成本比上代降约 75%；短板是token 消耗大、超过 10 万 tokens 价格跳涨 5 倍、知识准确率偏低。
整理日期：2026-10-10 ｜ 资料来源见文末 ｜ 相关：近期新模型总览-排位与搭配推荐
项目信息
模型 IDclaude-haiku-5-5（珂艾网关同名可直接调用）
发布时间2026-10-07
厂商Anthropic
定位高并发、成本敏感的小模型；子智能体、实时客服、浏览器/电脑操作
上下文窗口1,000,000 tokens（上代 20 万）
最大输出128,000 tokens（上代 6.4 万）
知识截止2026-06
输入输出文本 + 图片输入，文本输出
官方定价≤100K tokens：输入 $0.10 / 输出 $0.50；>100K tokens：输入 $0.50 / 输出 $2.50；缓存读 $0.01 / $0.05
智能指数（AA，max 档）43（小模型档第一）
可用渠道Claude Platform、AWS Bedrock、Google Cloud、Microsoft Azure

一、官方上线介绍#

Haiku 5.5 是 Anthropic「迄今最快、最便宜」的模型，标准速度下是官方口径下的最快款（但在 Opus 的 Fast 模式下会更慢）。它服务于「重复、时间敏感」的工作：摘要、分类、查数据库、客服回答，也可以在复杂编码任务里当 Opus / Sonnet 的子智能体。
分档计价（这次最需要看懂的设计）
项目提示 ≤100K提示 >100K
缓存读$0.01$0.05
缓存写（5 分钟）$0.125$0.625
输入$0.10$0.50（5 倍）
输出$0.50$2.50（5 倍）
官方给的关键背景：约 90% 的历史 Haiku 请求在 10 万 tokens 以内，所以绝大多数场景能吃到 90% 的降价；但长提示会直接跳到 5 倍价，这是本文最需要提醒的一点。
官方基准
基准Haiku 5.5上代 Haiku 4.5
OSWorld 2.1（电脑操作，离线子集）72.4%15.7%
GDPval-AA v2.1（知识工作）1620735
Terminal-Bench 4.0（终端编码）39.2%0%（完全无法完成）
AA-Briefcase v1.1（智能体知识工作）1578 Elo——
Terminal-Bench 从 0% 到 39.2% 是最夸张的一处——上代 Haiku 根本完不成终端智能体任务。
Haiku 家族的两个首次
1.
首个支持 effort 档位调节的 Haiku：配合自适应思考，开发者可以在 medium（默认）/ high / xhigh / max 之间权衡成本与能力。
2.
支持电脑操作与浏览器操作工具（beta）：Anthropic 同步扩充了 Python / TypeScript SDK，官方称 Haiku 5.5 凭借速度、能力、价格的组合特别适合这类任务。
同时发布的两项福利
Sonnet 5.5 缓存读降价 50%：$0.20 → $0.10。官方称这让多数智能体任务的成本再降约 20%（长对话里缓存读占大头）。
Max / Team 订阅用户月度 API 额度：Max 5x 每月 $100、Max 20x 每月 $200、Team 合计最高 $500。可用于任意模型，但不能用于 Claude Code 交互会话，也不能通过第三方云厂商使用，过期不结转。
安全与对齐
对齐评测几乎全面优于 Haiku 4.5，越界行为与配合滥用的意愿都明显下降（详见 system card）。
网络安全护栏比 Haiku 4.5 更严，但比 Sonnet 5.5 等近期模型略宽：允许更宽的防御性任务，仍阻断渗透测试等更可能被攻击者利用的手法。
生物护栏与 Sonnet 5 / 5.5 / Opus 5 一致。

二、KOL / 评测机构真实反馈#

独立评测给出的图景是：能力确实登顶小模型档，但「便宜」这件事有水分。
Artificial Analysis（独立评测）——最完整的一份拆解：
智能指数 43 分（max 档），小模型档第一，略高于 GLM-5.3 Flash（42）、Gemini 3.8 Flash（41）、GPT-6 Luna（38）；与 2.8 万亿参数的 Kimi K3（44）接近；落后 Sonnet 5.5（max，56）13 分。
token 消耗是最大短板：max 档跑一次指数任务要用 约 16.2 万输出 tokens，是 GPT-6 Luna（max，约 5 万）的 3 倍多；甚至 xhigh 升到 max 也只多 2 分、token 却涨 1.8 倍。
Pareto 效率上其实输：Haiku 5.5（max）43 分约 $0.21/任务，略低于 Pareto 前沿；GPT-6 Luna（max）拿相近分数只要约三分之一成本。
知识准确率低但幻觉也少：AA-Omniscience 准确率仅 36%（Gemini 3.8 Flash 55%、GPT-6 Luna 44%），但幻觉率也更低——40% vs 55% / 77%。差距部分来自它更愿意承认「不知道」。
AA-Briefcase 1578 Elo：超过 Kimi K3、GLM-5.3，与 GPT-6 Astra（max）、Fable 5.1（high）落在置信区间内——以小模型的体量做到接近旗舰的知识工作水平。
Terminal-Bench 4.0 独立测得 33%（官方自报 39.2%），与 GLM-5.3 Flash 持平，高于 Gemini 3.8 Flash（20%）和 GPT-6 Luna（13%）。
AutomationBench-AA 只有 35%（对手 53–60%），但 AA 说明这是被低估的：预发布测试中有一次安全拒答问题导致模型过度拒绝，Anthropic 正在修复，修好后 AA 会重跑。
aicoderscope（开发者实测视角）：
编码上确实「够用了」——FrontierCode 1.1 Main 拿 46.4%，反超同价位的 GPT-6 Luna（42.4%），距 Sonnet 5.5（52.1%）只差 6 分。这是 Haiku 第一次在编码上真正可用。
但天花板明显：Terminal-Bench 4.0 上 Sonnet 5.5 是 70.6%，Haiku 只完成一半多一点。
踩到一个重要坑：effort 档位的延迟陷阱。AA 实测在 10K 输入任务上，medium 的首字响应约 13 秒，xhigh 约 87 秒——因为模型把时间都花在思考上。「选最快模型却等一分多钟」违背了选 Haiku 的初衷。
实践建议很实在：把「失败代价容易发现」的活给 Haiku（lint 修复、测试循环、单文件重构、commit message、代码库摘要），多文件改动留给 Sonnet。否则 Haiku 失败后你重跑 Sonnet，两份钱都花了。
速度实测输出 137–243 tokens/秒（Anthropic API），OpenRouter 独立测得 100+ tok/s；同价位推理模型中位数约 111 tok/s。
heise / The Decoder（媒体观察）：
新 tokenizer 会让同一段文本比 Haiku 4.5 多约 30% tokens。由于按 token 计费，实际省钱幅度低于标价看起来的幅度——这点很关键，官方自己也承认。
单价降 90%，但综合下来平均约省 75%。
对比 GPT-6 Luna：Haiku 在智能体编码上更强（39.2% vs 16.4%），但 Luna 在成本效率上更好（Pareto 效率占优）。
Cursor / Cline 生态：Cursor 发布当天即支持（10 月 7 日），定价口径与 Anthropic 一致；官方说法是短请求成本比 Haiku 4.5 低 10 倍。客户侧反馈包括 Asana 报告 agent 轮次快 2.5 倍、Box 报告延迟较 Haiku 4.5 减半。
系统卡：另有 Claude Haiku 5.5 System Card（anthropic.com/claude-haiku-5-5-system-card）公开了对齐评估细节。
一句话结论：Haiku 5.5 是「能力最强的小模型」，不是「最划算的小模型」。要小模型能力选它，要极致性价比选 GPT-6 Luna。

三、核心优势#

1.
小模型档能力第一：AA 43 分登顶，比上代高 26 分，是目前 1M 上下文小模型里的天花板。
2.
上下文 5 倍扩容：20 万 → 100 万 tokens，最大输出 6.4 万 → 12.8 万，长文档批处理不再受限。
3.
成本大幅下降：≤100K 提示下输入/输出均为上代的 1/10，平均运行成本降约 75%。
4.
电脑操作能力飞跃：OSWorld 2.1 从 15.7% → 72.4%，这是代际级提升。
5.
终于能写终端代码：Terminal-Bench 4.0 从 0% → 39.2%（独立测 33%），超过 GPT-6 Luna。
6.
智能体知识工作接近旗舰：AA-Briefcase 1578 Elo，与 GPT-6 Astra、Fable 5.1 置信区间重叠。
7.
幻觉率低：40%，显著低于 Gemini 3.8 Flash（55%）和 GPT-6 Luna（77%）。
8.
Haiku 首次支持 effort 调节：可在 medium 到 max 之间按需权衡成本与能力。
9.
支持电脑 / 浏览器操作工具（beta）：小模型里少见。
10.
速度最快：标准速度下官方最快，输出 137–243 tok/s。
11.
多云可用：AWS Bedrock、Google Cloud、Microsoft Azure 全部上架。

四、适合用在哪#

高并发批量任务：摘要、分类、标签、抽取、去重。
实时客服 / 聊天机器人：低延迟、低成本是首要指标。
数据库查询与工具调用：小模型里少见地支持函数调用与工具链。
子智能体（subagent）：配 Sonnet 5.5 / Opus 5.5 做复杂任务的并行分工——这是官方主推用法。
上下文压缩（compaction）：长会话自动摘要，官方点名的高价值场景。
浏览器 / 电脑操作：beta 工具 + 72.4% 的 OSWorld 成绩，适合自动化。
单文件级编码辅助：lint 修复、测试循环、写 commit message、代码库摘要——「失败代价容易被发现」的活。
长文档处理：100 万上下文 + Sonnet 5.5 新降价后，长文档流水线成本进一步下降。
经验法则：把「失败便宜」的活交给 Haiku 5.5，把「失败昂贵」的活留给 Sonnet / Opus。按任务类型分流，而不是按价格分流。

五、劣势与注意事项#

1.
超过 10 万 tokens 价格跳 5 倍：这是最需要提前算账的地方。长文档场景不要默认用 Haiku，先估长度。
2.
token 消耗大：max 档每次指数任务约 16.2 万输出 tokens，是 GPT-6 Luna 的 3 倍多——低单价被高消耗部分抵消。
3.
Pareto 效率不如 GPT-6 Luna：相近分数下 Luna 只要约三分之一成本。要纯性价比就别选 Haiku。
4.
新 tokenizer 让实际降价打折：同一段文本多约 30% tokens，按 token 计费下省得没标价那么多。
5.
知识准确率偏低：AA-Omniscience 只有 36%。它「不知道就说不知道」，但也确实知道得少——冷门事实必须核实。
6.
effort 档位有延迟陷阱：xhigh 首字响应可能到 87 秒。交互式场景请用 medium / high。
7.
自动化基准分偏低：AutomationBench-AA 只有 35%（对手 53–60%），不过这是过度拒绝 bug 导致的偏低，修复后可能回升。
8.
复杂编码仍不够：Terminal-Bench 4.0 远低于 Sonnet 5.5 的 70.6%，多文件复杂改动别交给它。
9.
尚无独立 SWE-bench Verified 成绩：截至 10 月 10 日暂无，编码数据目前主要来自厂商自报。

六、与近期新模型排位对比 / 不同推荐维度#

近期新模型智能指数排位（Artificial Analysis Intelligence Index，越高越好）#

排名模型指数发布定价（$in/$out 每百万）备注
1Claude Opus 5.557.609-22$4 / $20综合最强
2Claude Sonnet 5.55609-28$2 / $10编码 + UI 美学标杆
3Claude Fable 5.153.409-01$10 / $50知识 / 写作最强之一
4Gemini 4 Argon5309-30$2 / $10（首发）→ $4 / $20低幻觉知识型；珂艾未上架
4GPT-6 Astra52.709-03$10 / $50科研 / 电脑操作旗舰
6GPT-6.1 Sol51.8–5209-29$2 / $10最佳性价比主力
7Claude Opus 550.807 月$5 / $25上代 Opus
8GPT-6 Sol47.509-22$2 / $10上代 Sol（已被 6.1 取代）
9Claude Haiku 5.54310-07$0.10 / $0.50（>100K 涨 5 倍）小模型档第一
10GLM-5.3 Flash42—$0.15 / $0.50同档竞品
11Gemini 3.8 Flash41—$0.75 / $3.75（促销）同档竞品
12Kimi K344—$0.65 / $3.41开源 2.8T，能力接近
13GPT-6 Luna37.3–3809-22$0.10 / $0.50极致性价比之选
注：Haiku 5.5 的 43 为 AA 在 max 档的测评值。这是「小模型档」的天花板，不是全模型排位——它与 Sonnet 5.5 仍差 13 分。

小模型档怎么选（Haiku 5.5 vs 主要对手）#

模型指数每百万 tokens强项短板
Claude Haiku 5.543$0.10 / $0.50能力最强、编码可用、幻觉低、100 万上下文token 耗量大、>100K 跳 5 倍
Kimi K344$0.65 / $3.41分数略高、开源 2.8T价格贵 6 倍
GLM-5.3 Flash42$0.15 / $0.50性价比接近 Haiku能力略低
Gemini 3.8 Flash41$0.75 / $3.75知识准确率最高（55%）、幻觉 55%价格最贵
GPT-6 Luna38$0.10 / $0.50Pareto 效率最优、token 最省编码仅 16.4%、幻觉 77%

不同推荐维度#

你想解决什么首选理由
综合最强智能Claude Opus 5.5指数 57.6
编码 + UI 美学Claude Sonnet 5.5社区实测领先
性价比主力GPT-6.1 Sol$2/$10 拿指数 52
企业知识工作 / 低幻觉Gemini 4 Argon（上架后）Vals Index 第 1、幻觉率 15%
最难科研 / 电脑操作GPT-6 AstraTerminal-Bench Science、OSWorld 领先
小模型里要最强能力Claude Haiku 5.5AA 43 分，小模型档第一
小模型里要极致省钱GPT-6 Luna同为 $0.10/$0.50，但 token 省 3 倍、Pareto 更优
长文档（>100K）小模型Claude Haiku 5.5 慎用 / 转 Sonnet 5.5Haiku 超 100K 跳 5 倍；Sonnet 缓存读刚降 50%
子智能体 / 并行分工Claude Haiku 5.5官方主推，配合 Sonnet / Opus
实时客服 / 高并发Claude Haiku 5.5最快 + 便宜，延迟敏感场景优
免费档体验小模型GPT-6 Luna唯一进入 ChatGPT 免费档的 GPT-6 模型

分层路由推荐（Haiku 5.5 加入后的四阶架构）#

层级模型承接什么
战略规划Claude Opus 5.5复杂架构、开放式难题
通用执行Claude Sonnet 5.5 / GPT-6.1 SolAgent 主流程、编码
轻量子智能体 / 批处理Claude Haiku 5.5摘要、分类、压缩、子 agent 分工
外层蜂群 / 海量分流GPT-6 Luna意图识别、路由、预筛、极简任务

七、在珂艾网关怎么调#

项目信息
模型 IDclaude-haiku-5-5
计费方式按量计费（quota_type=0）
网关倍率输入 0.05 / 输出 5
可用分组AWS-Bedrock-2、AWS-Claude-2、AWS-Claude-3、Claude-Code-1、Claude-Code-2
各分组实际价格（$/每百万 tokens）
分组倍率输入输出
Claude-Code-10.2206$0.022$0.110
Claude-Code-20.3677$0.037$0.184
AWS-Bedrock-20.7353$0.074$0.368
AWS-Claude-21.1030$0.110$0.551
AWS-Claude-31.3750$0.138$0.688
💡 珂艾的 Claude-Code-1 / Claude-Code-2 分组价格明显低于 Anthropic 官方价（官方 ≤100K 为 $0.10 / $0.50）。订阅 Claude Code 场景走 Claude-Code-1，同样的模型能比官方直连省一半以上。
注意：网关按 token 计费，官方 >100K 的 5 倍跳价规则在网关侧如何体现，建议实际调用前小样本验证一次。
effort 档位建议：交互式场景用 medium 或 high，xhigh / max 仅用于批处理与后台子任务（延迟可能到 87 秒）。

八、来源#

1.
Anthropic 官方 — Introducing Claude Haiku 5.5：https://anthropic.com/claude-haiku-5-5
2.
Anthropic — Claude Haiku 5.5 System Card：https://www.anthropic.com/claude-haiku-5-5-system-card
3.
Artificial Analysis — Claude Haiku 5.5 评测（43 分、token 消耗、Pareto 分析）：https://artificialanalysis.ai/articles/claude-haiku-5-5
4.
AICoderScope — Claude Haiku 5.5 for Cursor / Cline（effort 延迟陷阱、路由建议）：https://aicoderscope.com/blog/claude-haiku-5-5-cursor-cline-byok-2026
5.
heise online — Claude Haiku 5.5 降价 90%（新 tokenizer 影响）：https://www.heise.de/en/news/Claude-Haiku-5-5-Anthropic-cuts-API-prices-by-up-to-90-percent-11480285.html
6.
The Decoder — Haiku 5.5 发布与定价军备竞赛：https://the-decoder.com/claude-haiku-5-5-arrives-with-massive-price-cuts-proving-the-ai-pricing-arms-race-is-far-from-over/
7.
OfficeChai — Haiku 5.5 独立评测摘要：https://officechai.com/ai/claude-haiku-5-5-scores-43-on-artificial-analysis-index-just-behind-kimi-k3-while-ahead-of-gpt-6-luna
8.
LLM Reference — Claude Haiku 5.5 规格与多云定价：https://www.llmreference.com/model/claude-haiku-5-5
9.
环球网 — 成本下降 75% 报道：https://www.toutiao.com/article/7694129928258535951/
说明：官方基准为 Anthropic 自报，独立评测（AA 等）已单独标注；Haiku 5.5 于 2026-10-07 发布，数据很新，部分口径（如 AutomationBench 重测、每任务成本）仍在更新，以官网与网关实时页面为准。
修改于 2026-11-02 16:47:53
上一页
Anthropic
下一页
Claude Fable 5.1 模型介绍
Built with