Anthropic 发布了 Claude Haiku 5.5，在 Artificial Analysis Intelligence Index 上得分为 43，较上一款 Haiku 发布一年后提升了 26 分
查看模型页面Haiku 5.5 是首款具备 Anthropic 努力设置和自适应思考的 Haiku 模型，Anthropic 还引入了分级定价。
Haiku 5.5 比其前代更便宜——对于最多 100k token 的提示词，每 1M 输入/输出 token 的价格为 0.10/0.50 美元（与 GPT-6 Luna 相同，为上一款 Haiku 模型的 10%）。然而，超过 100k 后价格会上涨 5 倍，达到 0.50/2.50 美元。该网站尚未反映分级定价，因此 Haiku 5.5 的临时成本数据不包含这一阶梯涨价。我们正在开发相关支持，并将很快跟进 Cost per Task 报道。
要点：
➤ 领先的小型模型性能： 在 max 努力下，Haiku 5.5 略微领先于 GLM-5.3 Flash（42）、Gemini 3.8 Flash（41）和 GPT-6 Luna（38）等模型。其得分与 2.8T 参数的开源权重模型 Kimi K3（44）相当，比 Claude Sonnet 5.5（max，56）低 13 分
➤ 与 GPT-6 Luna 相比 token 用量较高： Haiku 5.5（max）在每项 Intelligence Index 任务上使用约 162k 输出 token，约为 GPT-6 Luna（max，约 50k）的 3 倍。从 xhigh 升到 max 会增加 2 分，token 用量增加约 1.8 倍。在相似智能水平下，它也比 GPT-6 Luna 使用更多 token：Haiku 5.5（high）以每项任务约 55k token 得 38 分，而 Luna（max）以约 50k token 得 38 分，且在更低努力设置下差距进一步扩大
➤ 在智能体知识工作方面能力出色： 在 AA-Briefcase——我们用于真实知识工作任务的内部评测上，Haiku 5.5（max）达到 1578 Elo，领先于 Kimi K3 和 GLM-5.3 等模型，并与 Muse Spark 1.3（max）相当
➤ 终端使用方面的改进： 在 Terminal-Bench 4.0 上它得分为 33%，而 Haiku 4.5 为 0%。这与 GLM-5.3 Flash 持平，领先于 Gemini 3.8 Flash（20%）和 GPT-6 Luna（13%）
➤ 事实知识较低，但幻觉相对较少： 作为一款较小级别的模型，Haiku 5.5 的事实知识低于其同系列模型，这在意料之中。AA-Omniscience 准确率为 36%，而 Gemini 3.8 Flash 为 55%，GPT-6 Luna 为 44%，但这部分归因于它更愿意承认自己不知道——其幻觉率更低，为 40%，而另两者分别为 55% 和 77%
➤ AutomationBench-AA 结果可能被低估： Haiku 5.5 得分为 35%，而 GPT-6 Luna、Gemini 3.8 Flash 和 GLM-5.3 Flash 为 53–60%。在发布前测试中，一个安全拒绝问题导致模型过度拒绝。Anthropic 正在解决此问题——我们将在修复后重新运行此评测，并预计该分数会上升
其他模型细节：
➤ 上下文窗口： 1 百万 token，而 Claude 4.5 Haiku 为 200k
➤ 定价： 最多 100k token 时每 1M 输入/输出 token 为 0.10/0.50 美元，超过 100k 后为 0.50/2.50 美元。缓存读取 0.01 美元（超过 100k 为 0.05 美元），5 分钟缓存写入 0.125 美元（超过 100k 为 0.625 美元）
➤ 多模态： 支持文本和图像输入，文本输出
Claude Haiku 5.5（max）在每项 Intelligence Index 任务上使用约 162k 输出 token，多于 Opus 5.5（max），约为 GPT-6 Luna（max）的 3 倍。在各努力设置下，Haiku 5.5 要达到与 GPT-6 Luna 相似的 Intelligence Index 分数需使用更多输出 token
Claude Haiku 5.5（max）在 AA-Briefcase——我们的内部前沿知识工作评测上达到 1578 Elo，处于 GPT-6 Astra（max）和 Claude Fable 5.1（high）的置信区间内
Claude Haiku 5.5 在各努力设置下 Artificial Analysis Intelligence Index 各项评测的完整细分数据
