AI 圈的价格战，现在连小模型都不放过了。
Anthropic 正式发布 Claude Haiku 5.5，输入价格最低到每百万 Token 0.1 美元。
与此同时，它的电脑操作、编程和知识工作能力也迎来大幅升级，部分测试成绩已经能跟一批更高价位的模型掰手腕。
过去聊到小模型，大家的第一反应通常是便宜、快，但能力有限。遇到复杂任务，还是得请旗舰模型出马。
不到三周，Anthropic 连续更新 Opus 5.5、Sonnet 5.5 和 Haiku 5.5，三条产品线全部换代。
按照 Anthropic 的设想，Opus 5.5、Sonnet 5.5 负责规划和拆解任务，Haiku 5.5 进入多 Agent 工作流，接手大量重复、标准明确的执行工作。
能力暴涨，小模型不再打辅助
这次 Haiku 5.5 最明显的变化，不是某一项跑分小幅上涨，而是从过去相对薄弱的执行能力，开始向真正能完成任务的方向迈进。
在电脑操作基准 OSWorld 上，Haiku 5.5 的成绩从上一代 Haiku 4.5 的 15.7% 一路涨到 72.4%。
这项测试考验的是模型能否像人一样操作电脑，完成一系列实际任务。
相比只会回答问题的聊天模型，这类能力更接近 AI Agent 真正需要做的事。
编程方面也有明显进步。在 Terminal-Bench 4.0 上，Haiku 5.5 从上一代的 0 分升至 39.2%，而 GPT-6 Luna 的成绩为 16.4%。
知识工作基准 GDPval-AA v2.1 的成绩，也从 735 升至 1620。
当然，Haiku 5.5 还不能直接替代旗舰模型。
以 Terminal-Bench 4.0 为例，它的成绩仍明显低于 Sonnet 5.5 的 70.6%。面对复杂的多步编码、跨文件重构和长周期自主规划，能力差距依然存在。
开发者 Pawel Huryn 在两个代码库中测试模型寻找遗漏 Bug 的能力，也得到了类似结果：
Haiku 5.5 的成绩距离旗舰模型还有差距，但找到的 Bug 数量已经大幅超过上一代，成本也低了不少。
另一个值得关注的升级，是 Haiku 5.5 首次支持 Low、Medium、High、Xhigh、Max 五档思考程度设置，可以按任务需要调整推理投入。
以 OSWorld 为例，Low 档准确率为 42%，单次成本约 0.07 美元；Max 档准确率达到 72.4%，单次成本约 0.61 美元。
相比之下，上一代 Haiku 4.5 的 Max 档准确率只有 15.7%，成本却达到 1.45 美元。
也就是说，新一代模型在低档位下，已经比上一代的最高档位更能打，而且更省钱。
价格又一次打下来了
能力上来了，Haiku 5.5 的价格也相当激进。
10 万 Token 以内，输入每百万 Token 只要 0.10 美元，输出 0.50 美元。
按照 Anthropic 的估算，综合使用成本相比此前下降约 75%，短请求的标价降幅最高可达 90%，但长请求的降幅会收窄。
这个价格放在过去，确实很难想象。
但现在的问题是，AI 圈早就不缺便宜模型了。
DeepSeek、GLM、Kimi、MiniMax 都在卷性价比，Haiku 5.5 凭什么抢市场？
关键还是能力。
在 Artificial Analysis 的智能指数测试中，Haiku 5.5 得到 43 分，超过 DeepSeek V4.1 Flash 的 39 分和 GLM-5.3 Flash 的 42 分，与 Kimi K3 的 44 分也只差 1 分。
而上一代 Haiku 4.5 的成绩则只有 17 分。
也就是说，它不是单纯把价格压低，而是在低价位上，把模型能力推到了一个更有竞争力的位置。
不过，单价低不等于实际使用成本最低。把 Haiku 5.5 和几款主打性价比的模型放在一起，竞争就更直观了。
而不同模型的 Token 消耗和定价机制不一样，最终账单也会有差异。
尤其 Haiku 5.5 在超过 10 万 Token 后，输入单价会从 0.10 美元涨到 0.50 美元，长任务更需要精打细算。
可以说，Haiku 5.5 在低价位上拿出了更有竞争力的能力，但不是所有场景都变成了最便宜。
对开发者来说，模型选型要算的是完成任务的总账：调用多少次、消耗多少 Token、需要多少轮修正，以及最后能不能把任务做对。
押注多 Agent 协作，更有性价比
官方展示过一个实验：让模型设计鸡蛋从 32 米高处安全落地的方案。
Opus 5.5 单独执行，耗时 3 分 37 秒，尝试了 25 个方案，花费 0.47 美元。
换成 Opus 5.5 搭配 10 个 Haiku 5.5 Agent 后，耗时缩短至 58 秒，尝试的方案增加到 86 个，成本降至 0.14 美元。
时间更短、探索的方案更多，成本还下降了约 70%。
这就是多 Agent 协作的价值：把任务拆开并行处理，让贵模型不必包办所有步骤。
开发者的实测，也提供了另一种观察角度。
有开发者分别用 Haiku 5.5 和 GPT-6 Luna 生成“鹈鹕骑自行车”的 SVG 动画，并制作成 H5 页面。
从分享的成品来看，Haiku 5.5 的动画效果更好。
另一组斑马场景对比中，两个模型生成的斑马，重点比较身体条纹、四肢动作、远近景层次和草地融合。
分享者认为，Haiku 5.5 在细节上更好，对照模型在条纹、四肢和地面融合上问题比较明显。
另一位开发者岚叔则用 Haiku 5.5 做了一支宣传片。
他表示，最终效果丝毫不输 Opus 5.5，模型吞吐速度达到每秒 200 Token，累计消耗 1.6 亿 Token，花费却只有 3 美元。
而工作流的总成本，恰好是中国模型厂商过去几年重点建立的优势。
DeepSeek、GLM、Kimi、MiniMax 等国产模型，靠低价和开放权重吸引了大量开发者。
如今，Anthropic 不仅把 Haiku 5.5 的短请求输入价格压到每百万 Token 0.1 美元，还通过 Subagent 和多 Agent 协作，试图把低价模型放进更大规模的任务执行流程。
这意味着，中国模型厂商面临的压力，不再只是 API 价格被追平。模型能否以更低成本完成真实任务，正在成为新的竞争焦点。
毕竟，开发者真正要算的，不只是每百万 Token 花多少钱，还包括完成一项任务需要消耗多少 Token、调用多少轮、花多长时间，以及最后要不要人工返工。
标价再低，如果任务跑不通，成本优势也无从谈起。
参考资料：claund 官网及公众号、X 等网络平台
编辑：不吃麦芽糖
