知澜资讯网

Anthropic于周二正式发布Claude Haiku 5.5。这款小型模型在AI计算机操作标准基准测试OSWorld 2.1中取得72.4%的得分，与原始评估论文中确立的72%人类基线持平。在定价方面，针对绝大多数现实世界请求（提示词长度低于10万token），其输入价格定为每百万token 0.10美元，较前代Haiku 4.5的1.00美元大幅降低90%。

这两项关键数据标志着Haiku 5.5跨越了从“实用便利”到“可部署子代理”的阈值。凭借极具规模经济性的成本，该模型现已具备处理多模型AI流水线中执行层任务的能力。

子代理经济学：降价重塑成本结构

90%的价格降幅在实际应用中的价值，取决于其在多模型架构中的角色分工。在此类架构中，昂贵的前沿大模型负责规划、推理及边缘情况判断，而更小、更便宜的模型则承担文档摘要、记录分类、长上下文压缩、数据库查询及浏览器任务等重复性执行工作。

此前，当Haiku 4.5输入价格为每百万token 1.00美元时，作为高频子代理每周处理数百万次API调用仍是一笔显著开支。而当价格降至0.10美元时，相较于前沿模型的巨额成本，这部分费用几乎可以忽略不计。

Cognition在其多模型编码平台Devin Fusion中验证了这一转变。通过让Haiku 5.5作为“副手”处理执行任务，并与主规划者Opus 5.5配合，Devin Fusion在FrontierCode 1.1基准测试中获得66.2分，高于单一模型表现，同时降低了单任务成本和延迟。相比之下，单独运行的Haiku 5.5在该基准上得分为46.4%，Sonnet 5.5为52.1%。

对于Anthropic列举的用例——包括文档摘要、上下文压缩、数据库查询、记录分类、浏览器自动化和实时客户支持——Haiku 5.5已具备足够能力处理这些高吞吐量任务，且成本大致相当于零。

双层定价机制解析

每百万输入token 0.10美元的优惠价格仅适用于提示词长度低于10万token的请求，Anthropic表示这约占Haiku 4.5所有请求的90%。超过该阈值的请求定价为每百万输入token 0.50美元，虽高于低价档，但仍比前代费率降低50%。

完整定价对比如下：

这种双层级结构源于Haiku 5.5架构的变化。该模型采用了与Sonnet 5.5和Opus 5.5相同的更新分词器，在更细粒度的语义层面运行。虽然提高了每个token的能力，但也导致每个任务产生的token数量略多于前代。Anthropic的双层定价旨在校准这一变化：对于约90%低于10万token阈值的请求，大幅的单token折扣足以抵消token数量的增加，实现真正的90%成本降低。综合所有请求类型，Anthropic估计有效成本降低幅度约为75%。

性能表现：首个追平人类基线的小型模型

在OSWorld 2.1基准测试中，Haiku 5.5在离线子集上得分72.4%，成为首个达到人类基线阈值的小型模型。作为参考，Haiku 4.5在同一评估中仅得15.7%；OpenAI的可比小型模型GPT-6 Luna得分为48.9%；Anthropic更大的Sonnet 5.5则以83.9%领先。

在知识工作评估中，Haiku 5.5同样表现强劲。在涵盖九个行业44种职业真实专业任务的GDPval-AA v2.1基准中，Haiku 5.5录得1,620分，是Haiku 4.5（735分）的两倍多，并超越GPT-6 Luna的1,437分。配套的AA-Briefcase v1.1评估显示一致排序：Haiku 5.5为1,578分，GPT-6 Luna为1,336分，Haiku 4.5为614分。

在研究生级别学术推理测试“人类最后考试”（Humanity's Last Exam）中，Haiku 5.5在无工具情况下达到45.9%，有工具情况下达到57.4%，远高于Haiku 4.5的10.2%和18.7%。

在涉及复杂多步命令行任务的Terminal-Bench 4.0中，Haiku 5.5得分为39.2%，而Haiku 4.5得分为零，GPT-6 Luna为16.4%。值得注意的是，Epoch AI独立分析指出，约15%的OSWorld任务可通过终端快捷方式而非真正的GUI导航完成，约30%可用脚本替代GUI交互。因此，这些分数部分反映了脚本技能及真正的计算机使用能力。

新功能：可调节努力程度

Haiku 5.5首次在小型模型类别中引入了“可调节努力程度设置”（Adjustable Effort Setting）。此前，该功能仅存在于Sonnet 5.5和Opus 5.5等大型模型中，允许开发者在耗时、成本与准确性之间进行权衡。

现在，开发者可以在Haiku定价范围内，将努力程度从Low调至Max。这一功能对于流水线尤为重要：当子代理遇到接近其固定计算性能极限的任务时，可被指示在该任务上深入思考，而无需路由至更昂贵的模型。

企业早期反馈

五家早期试用公司分享了初步结果：

• Asana：在其AI Teammates产品中使用Haiku 5.5，任务延迟降低30%，每次代理轮次的推理速度提高高达2.5倍。
• HubSpot：在内部CRM任务套件测试中录得92.8%的成绩，创该套件历史最高分，同时在陈旧记录识别任务中具有最快完成时间、最高命中率及最低误报率。
• AlphaSense：每周处理约八百万次API调用，质量分数从Haiku 4.5的0.76提升至0.84。
• Box：在成本报告和财务摘要等分析任务上，得分比前代高出11分，延迟几乎减半。

上述数据来自Anthropic发布材料，反映客户生产部署结果，非标准化第三方审计。

平台其他变更

伴随Haiku 5.5发布，Anthropic开发者平台还进行了三项调整：

1. Sonnet 5.5缓存读取减半：价格从每百万token 0.20美元降至0.10美元。Anthropic估计，这将使典型代理任务上运行Sonnet 5.5的整体成本降低约20%。
2. 订阅者每月API积分：向Claude Platform Max订阅者推出每月积分。Max 5x计划用户每月100美元，Max 20x用户每月200美元，Team计划订阅者在用户间最高可共享500美元。积分可用于任何Claude模型。
3. 计算机操作SDK测试版：发布支持Python和TypeScript的计算机操作和浏览器操作SDK测试版。结合Haiku 5.5的速度、低成本及改进的OSWorld分数，该模型被定位为浏览器自动化和桌面控制任务的理想选择。

安全性与可用性

Anthropic报告称，Haiku 5.5在对齐评估方面有显著改善，包括减少不对齐行为及降低对滥用尝试的配合意愿。其网络安全评分比Haiku 4.5更严格，但略低于Sonnet 5.5和Opus 5.5的安全标准，以允许更广泛的防御性安全任务，同时阻止渗透测试和攻击者导向技术。生物安全标准与Sonnet 5和Opus 5一致。

Claude Haiku 5.5已通过Claude Platform以及Amazon Web Services、Google Cloud和Microsoft Azure上线。开发者可通过API字符串claude-haiku-5-5访问该模型。

常见问题解答

Claude Haiku 5.5与Haiku 4.5有何区别？

Haiku 5.5采用了与Sonnet 5.5和Opus 5.5共享的更新分词器，并首次在Haiku系列中引入可调节努力程度设置。在基准测试中，其OSWorld 2.1得分从15.7%跃升至72.4%，追平人类基线。对于大多数现实世界请求，输入价格从每百万token 1.00美元降至0.10美元。此外，Haiku 4.5为固定推理模式，而Haiku 5.5允许开发者调节努力程度。

Claude Haiku 5.5如何融入多模型AI流水线？

Anthropic将Haiku 5.5定位为子代理模型，用于处理由Opus 5.5等大型模型规划后的高吞吐量执行任务（如文档摘要、数据库查询、浏览器自动化）。每百万输入token 0.10美元的价格使其在规模上具有经济可行性，可将子代理层的成本降低90%，从而改变整个系统的经济模型。

Claude Haiku 5.5真的能使用计算机吗？

是的。其在OSWorld 2.1上的72.4%得分匹配了人类基线，使其成为首个达到该阈值的小型模型。该模型可通过鼠标和键盘命令控制计算机，导航应用程序和浏览器，并在真实的Ubuntu环境中完成多步任务。Anthropic同步发布的SDK提供了集成层。需注意，OSWorld部分任务可通过脚本完成，因此分数也反映了脚本能力。

什么是可调节努力程度设置，为什么它对Haiku很重要？

该设置允许开发者控制模型在生成响应前执行的计算推理量。在Low设置下，模型快速回答；在更高设置（最高至Max）下，模型运行扩展推理链，以速度和成本的增加换取更高准确性。此前该功能仅限大型模型。对于部署Haiku为子代理的开发者而言，这意味着可选择性地增加最难执行任务的推理深度，而无需路由至更昂贵的模型。