一句话看懂：Anthropic 发布小模型 Claude Haiku 5.5，在 Artificial Analysis 智能指数上得分 43，比上一代 Haiku 一年前的成绩提升 26 分，并首次引入 effort 设置、自适应思考和按上下文长度分档的定价机制。
事件核心：发生了什么
据 Artificial Analysis 在 X 上发布的信息，Anthropic 已推出 Claude Haiku 5.5。该模型在 Artificial Analysis 智能指数上得分为 43，相比上一次 Haiku 发布（一年前）提高了 26 分。
Haiku 5.5 是首个具备 Anthropic effort 设置和自适应思考（adaptive thinking）的 Haiku 模型，同时 Anthropic 为其引入了阶梯定价。在 100k tokens 以内的提示中，输入/输出价格为每 100 万 tokens 0.10 美元/0.50 美元，与 GPT-6 Luna 相同，约为上一代 Haiku 价格的 10%；超过 100k tokens 后，价格升至 0.50 美元/2.50 美元，为前者的 5 倍。Artificial Analysis 同时指出，其网站尚未反映阶梯定价，因此 Haiku 5.5 的临时成本数据未包含涨价部分，后续将补充 Cost per Task 覆盖。
其他规格方面，Haiku 5.5 的上下文窗口从 Claude 4.5 Haiku 的 200k 提升至 100 万 tokens；缓存读取价格为 0.01 美元（超过 100k 后 0.05 美元），5 分钟缓存写入为 0.125 美元（超过 100k 后 0.625 美元）；支持文本与图像输入，输出为文本。
为什么重要
小型模型历来在智能指数上落后于旗舰模型，Haiku 5.5 以 43 分超过 GLM-5.3 Flash（42）、Gemini 3.8 Flash（41）和 GPT-6 Luna（38），并与 2.8 万亿参数的开源模型 Kimi K3（44）接近，但仍落后 Claude Sonnet 5.5（max，56）13 分。这意味着小模型在部分评测中已能触及更大参数模型的能力区间。
阶梯定价也值得注意。它把低价区间锁定在 100k tokens 以内，超过后成本提高 5 倍，这会影响长上下文任务的 API 调用成本结构，对高频、长输入的开发场景尤其敏感。
对用户/开发者/创作者的影响
开发者需要重新评估 Haiku 5.5 的成本模型。在 100k tokens 以内的调用中，它比上一代便宜约 90%；但一旦超过阈值，单位成本明显上升，长文档处理、长对话记忆、代码库级分析等场景的实际花费可能高于预期。Artificial Analysis 也提醒，当前临时成本数据未反映阶梯加价。
AI 工具推荐
想把多个 AI 模型放在一个入口？
GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型，适合写作、绘图、视频和日常 AI 工作流。
推广链接：通过此链接购买，我可能获得佣金，不影响你的价格。
在 agentic 知识工作方面，Haiku 5.5（max）在 AA-Briefcase 上达到 1578 Elo，领先 Kimi K3 和 GLM-5.3，与 Muse Spark 1.3（max）接近；在 Terminal-Bench 4.0 上得分为 33%，而 Haiku 4.5 为 0%，与 GLM-5.3 Flash 持平，高于 Gemini 3.8 Flash（20%）和 GPT-6 Luna（13%）。这对需要终端操作和自动化的开发工具是一个可用性信号。
代价是 token 消耗较高。Haiku 5.5（max）在每个智能指数任务上约使用 162k 输出 tokens，约为 GPT-6 Luna（max，约 50k）的 3 倍；从 xhigh 提升到 max 会增加 2 分，但 token 用量约为 1.8 倍。在相近智能水平下，Haiku 5.5（high）以约 55k tokens 得 38 分，GPT-6 Luna（max）以约 50k tokens 得 38 分，差距在更低 effort 设置下进一步拉大。
事实知识方面，Haiku 5.5 的 AA-Omniscience 准确率为 36%，低于 Gemini 3.8 Flash（55%）和 GPT-6 Luna（44%），但幻觉率为 40%，也低于两者的 55% 和 77%。部分原因是它更愿意承认不知道。AutomationBench-AA 得分 35%，低于 GPT-6 Luna、Gemini 3.8 Flash 和 GLM-5.3 Flash 的 53%–60%，但 Artificial Analysis 表示，预发布测试中的安全拒绝问题导致模型过度拒绝，Anthropic 正在修复，后续将重新评测，预期分数会上升。
值得关注的后续
一是阶梯定价何时被 Artificial Analysis 等平台完整纳入成本对比，以及 Cost per Task 数据是否改变 Haiku 5.5 的性价比结论。二是 AutomationBench-AA 的重新评测结果，过度拒绝问题若解决，分数可能明显变化。三是高 token 消耗在真实 agentic 工作流中会如何影响开发者的总体成本和部署选择。
