如果你上周处理过10万级token的文档分类或摘要，大概率会注意到Anthropic刚推出的Claude Haiku 5.5——这个小模型就是为这类高批量、低复杂度的任务量身打造的。它的输入token定价是每百万0.1美元，比上代Haiku 4.5便宜了90%，上下文窗口保持1M，刚好覆盖大部分高量任务的需求。
核心参数：不贪多的实用设计
Claude Haiku 5.5的核心参数没有追求极致，而是瞄准了高频场景的需求。它支持1M token的上下文窗口，最大输出128K token，默认开启自适应思考，还加入了可调的努力程度参数，方便用户根据任务调整算力投入。输入支持文本和图像，输出为文本，知识截止时间是2026年6月。
不过有两个需要留意的细节：如果使用非默认的temperature、top_p或top_k参数，会返回400错误；新的tokenizer会把相同文本算成比Haiku 4.5多约30%的token，这个差异会直接影响实际成本，迁移指南里也专门提到了这一点。
定价：两层结构的成本玄机
Haiku 5.5的定价采用两层结构，核心是区分普通高量任务和超长任务的成本。输入token在10万及以下时，价格是每百万0.1美元，输出每百万0.5美元；超过10万的输入部分，输入价格涨到每百万0.5美元，输出每百万2.5美元。缓存读取是每百万0.01美元，5分钟缓存写入是0.125美元，批量任务还能再打5折。
对比上代Haiku 4.5的定价（输入每百万1美元，输出每百万5美元），Anthropic提到约90%的Haiku 4.5请求都在10万token以内，所以Haiku 5.5的平均成本要比上代低约75%。和竞品比，它和GPT-6 Luna的短上下文定价相同，但Luna的高价 tier要到272K输入才触发，所以150K输入的任务，Luna的列表价更便宜。
表现与场景：瞄准高量活的细分需求
从Anthropic公开的基准测试结果看，Haiku 5.5的表现明显优于上代Haiku 4.5，部分指标接近GPT-6 Luna。比如OSWorld离线子集的准确率是72.4%，比Luna的48.9%和Haiku 4.5的15.7%高不少；Terminal-Bench 4.0的准确率是39.2%，远超Luna的16.4%和Haiku 4.5的0分；FrontierCode 1.1主任务的准确率是46.4%，和Luna的42.4%接近。不过复杂代码任务上，Sonnet 5.5还是领先，Anthropic也推荐用Sonnet或Opus 5.5处理复杂的智能体编码任务。
它的适用场景也很明确，主要有三类：第一是作为Opus或Sonnet的子智能体，比如Rogo用它提取10-K的收入条目，大模型负责生成文档；第二是高批量的文档问答和摘要，比如AlphaSense用来处理每周约800万次的调用；第三是对速度敏感的任务，比如实时客户支持。
Anthropic这次的动作，核心是把小模型的成本压到能支撑高批量业务的水平，填补了之前的空白。不过有个疑问：开发者会不会因为忽略tokenizer的计数差异，在刚好卡在100K输入阈值的任务上，意外触发高价 tier？
素材来源：MarkTechPost · AI情报、大模型、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