Claude Haiku 5.5发布：成本直降75%的最强小模型

Anthropic推出了Claude Haiku 5.5，官方称其为迄今发布的最便宜、最快、能力最强的小型模型。与前代Claude Haiku 4.5相比，运行成本平均降低约75%，同时在编程、计算机操作和知识类任务上实现了明显的能力跃升。对于需要大规模、高频调用模型的开发者和企业来说，这是一个值得关注的更新。

定价策略：把成本压到极致

Haiku 5.5最直接的卖点是价格。Anthropic披露了一组相当具体的成本数据：在10万token以内的任务上，每token成本比Haiku 4.5低90%。这一区间并非随意划定——官方数据显示，约90%的Haiku请求都落在这个长度范围内。换句话说，绝大多数真实使用场景下，用户将直接享受到近九成的降价。

对于超过10万token的长任务，价格优势有所收窄，但仍然只有前代的一半。综合算下来，平均运行成本降低约75%。这种按任务长度分层的定价逻辑，反映出Anthropic对用户实际调用分布的清晰认知，也让降价不只是一个营销口号，而是落在了高频场景上。

除了Haiku本身，Anthropic还顺带调整了Sonnet 5.5的缓存读取价格，将其减半。对于需要长时间运行的工作负载，这意味着Sonnet 5.5的综合运行成本可以再降约20%。两条产品线同步降价，意图很明显：进一步降低企业规模化部署的门槛。

定位：高频、低成本、可当子代理

Haiku 5.5的设计目标是服务高并发、对成本敏感的任务。它擅长处理那些快速、重复的工作，比如内容摘要和文本分类。这类任务通常调用量巨大，对单次成本极为敏感，恰好是小模型的主战场。

更有意思的是它在多模型协作中的角色。官方明确提到，Haiku 5.5可以作为子代理（sub-agent），与Claude Opus 5.5和Sonnet 5.5搭配完成编程工作。在这种架构下，强大的大模型负责规划和复杂推理，Haiku则承担大量轻量级执行任务，从而在保证质量的同时压低整体开销。这也契合了当前Agent系统中"分层调度、按需用模型"的工程趋势。

此外，Haiku 5.5的响应速度足以支撑实时客户支持和浏览器操作（browser use）等场景。低延迟加上低成本，使它成为构建面向用户的实时AI应用的候选项。

子代理（sub-agent）架构是当前大模型工程实践中的一种常见模式。其核心思想是将复杂任务拆解后交由多个模型协同完成：能力较强的"主模型"（Orchestrator）负责整体规划、分解任务和汇总结果，而若干"子代理"则各自执行被分配到的具体子任务。这种分层调度的好处在于，主模型调用次数相对较少，子代理则被高频调用——用廉价的小模型完成大量执行工作，可以在维持整体输出质量的前提下大幅压低总成本。在实际编程任务中，典型流程可能是：Opus或Sonnet理解需求并制定方案，Haiku负责批量生成样板代码、跑单元测试或查找文档片段，最终再由主模型整合输出。这一模式对Haiku的吞吐量和延迟要求很高，也正是为什么低成本与快速响应对子代理角色而言缺一不可。

新特性：首次引入可调节的"努力程度"

Haiku 5.5是首个带有可调节effort设置的Haiku模型。用户可以针对每个任务单独决定：是优先优化成本，还是优先追求智能表现。

这个设计的价值在于把取舍权交还给了开发者。并非所有任务都需要模型全力输出——简单的分类任务可以调低努力程度以省钱，而需要更强推理的任务则可以调高。相比过去只能在不同模型之间切换，这种细粒度的单任务控制让成本与效果的平衡更加灵活。随着模型调用成本成为企业AI支出的重要部分，这类精细化控制能力正变得越来越重要。

可调节的effort（努力程度）本质上是对模型推理深度的控制开关。在支持该特性的模型中，开发者可以在API调用时传入effort参数（通常为low / medium / high或对应的数值），模型会据此决定投入多少计算资源进行内部"思考"——例如是否进行多步推理、是否自我反思并修正答案。调高effort往往会增加延迟和token消耗，但能提升准确率和推理质量；调低则反之。这与"扩展推理"（Extended Thinking）或"思维链"（Chain-of-Thought）的概念相关，但不同之处在于effort是一个可由调用方动态控制的旋钮，而非模型固定的行为。对于同一个应用来说，简单的意图识别、打标签等任务可以用低effort快速处理，而需要复杂逻辑判断的任务则按需提高，从而在一个模型内部实现差异化的成本控制，而无需在多个模型之间频繁切换。

可用性与看点

Haiku 5.5已在所有平台上线，包括Amazon Web Services、Google Cloud和Microsoft Azure三大主流云服务。多云覆盖意味着企业无需改变现有基础设施即可接入，迁移成本较低。

从整体来看，这次更新延续了AI行业"能力上升、价格下降"的大方向。Anthropic没有把重点放在旗舰模型的能力突破上，而是着力打磨小模型的性价比——这恰恰是大规模落地阶段最关键的变量。当模型调用从实验走向规模化生产，单次成本的高低往往直接决定一个AI应用能否跑通商业模型。Haiku 5.5在编程、计算机操作和知识工作上相较前代的提升，叠加大幅降价，使它成为开发者在构建成本敏感型应用时需要重新评估的选项。

需要提醒的是，以上性能与成本对比均来自Anthropic官方口径，实际表现仍有待第三方评测和真实业务场景的验证。