Anthropic刚推的Claude Haiku 5.5，两个核心数字先记牢：OSWorld 2.1评测成绩从上代的15.7%跳至72.4%，平均运行成本直接砍了75%。但有个容易忽略的点：复杂编程任务，它和Sonnet 5.5的差距，没缩多少。
操作能力跳涨，复杂编程还差一截
OSWorld是测模型做连续界面任务的：比如点按钮、输内容，还要跟着页面变化调整后续动作。Haiku 5.5的成绩从15.7%蹦到72.4%，说明它干这类活靠谱太多——批量填表单、处理简单桌面操作，比上代顺手太多。
但编程这块差距还没补。FrontierCode主测试里，Haiku 5.5得46.4%，Sonnet 5.5是52.1%，差得不算特别多，但到了Terminal-Bench（测命令行多步骤任务：读文件、跑命令、处理错误），它只有39.2%，Sonnet 5.5冲到70.6%。Anthropic自己都明确说：Sonnet和Opus还是适合复杂智能体编程，Haiku只做明确的子任务、摘要这类轻量活。
自适应推理：不再固定“思考预算”
之前Haiku 4.5要开发者设死“思考Token数”，不管是查日期还是比合同，推理空间都卡死。现在Haiku 5.5改了Adaptive Thinking：模型自己选什么时候加推理、加多少，开发者只设Effort档位。
比如提取发票日期这种简单活，模型少推理、省算力；对比三份合同的条款差异，就让它多跑几步逻辑。但这里有坑：推理会占用输出Token预算——要是之前按答案长度设输出上限，现在内部推理占了空间，正文可能打不完；还有响应里会带独立的思考数据块，应用得分开处理，不能像以前那样直接拿开头当最终答案。
百万上下文没统一低价，Token费要算细
Haiku 5.5支持100万Token上下文，能放下整个代码库、长文档，这个量不小。但定价不是一口价：不超10万Token，输入每百万0.1美元，输出0.5美元；超过10万的话，输入输出单价直接翻5倍，这可不是小数目。
缓存也分层：短提示每百万缓存读取0.01美元，长的0.05美元。Anthropic说上代90%的请求都在10万以内，这部分降本明显，但分词器变了——同一段文字的Token数可能和上代不一样，计费得重新测。还有长期智能体任务，每次带完整历史，输入会越来越长，得用Prompt缓存，还要做上下文压缩，不然成本涨得比省得快。
这波更新是给Haiku升级了“干活能力”，但没补全它的短板。企业要迁移的话，要么测自己的任务是不是在它擅长的范围，要么算清Token成本，别光看降七成的宣传。最后问一句：你会选降本的Haiku处理日常活，还是选编程稳的Sonnet啃复杂任务？
素材来源：雷峰网 · AI情报、大模型、AI应用落地、AI基础设施
查看报道原文
本文由 WeValue 情报引擎基于公开报道整理改写
发表第一条评论吧