AI领域的价格竞争，如今连小型模型都未能幸免。
Anthropic 推出了 Claude Haiku 5.5，其输入价格最低降至每百万 Token 0.1 美元。
与此同时，该模型在电脑操控、编程和知识处理方面的能力有了显著提升，部分测试成绩已能与一些定价更高的模型相抗衡。
过去谈及小型模型，人们通常认为它们价格低廉、响应迅速，但能力有限。遇到复杂任务时，仍需依赖旗舰模型。
在不到三周的时间里，Anthropic 相继更新了 Opus 5.5、Sonnet 5.5 和 Haiku 5.5，完成了所有产品线的换代。
根据 Anthropic 的规划，Opus 5.5 和 Sonnet 5.5 负责规划和任务分解，而 Haiku 5.5 则融入多 Agent 工作流，处理大量重复且标准明确的执行工作。
能力大幅提升，小型模型不再只是辅助角色
这次 Haiku 5.5 最显著的变化并非某项指标的微幅增长，而是从过去相对薄弱的执行能力，开始向真正能够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% 跃升至 72.4%。
这项测试评估模型能否像人类一样操作电脑，完成一系列实际任务。
相较于仅能回答问题的聊天模型，这种能力更接近 AI Agent 实际所需。
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 分提升至 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 分提升至 1620 分。
当然，Haiku 5.5 尚不能完全替代旗舰模型。
以 Terminal-Bench 4.0 为例，其成绩仍明显低于 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 数量已大幅超越上一代，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，可根据任务需求调整推理投入。
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 档准确率仅为 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具效能，且更节省成本。
价格再次被压低
能力提升的同时，Haiku 5.5 的定价也相当激进。
10 万 Token 以内，输入每百万 Token 仅需 0.10 美元，输出为 0.50 美元。
根据 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。
这个价格在过去确实难以想象。
但如今的问题是，AI 领域早已不缺廉价模型。
DeepSeek、GLM、Kimi、MiniMax 等都在比拼性价比，Haiku 5.5 凭什么争夺市场？
关键在于能力。
在 Artificial Analysis 的智能指数测试中，Haiku 5.5 获得 43 分，超过 DeepSeek V4.1 Flash 的 39 分和 GLM-5.3 Flash 的 42 分，与 Kimi K3 的 44 分也仅差 1 分。
而上一代 Haiku 4.5 的成绩仅为 17 分。
也就是说，它并非单纯压低价格，而是在低价位上，将模型能力提升到了更具竞争力的位置。
不过，单价低并不等同于实际使用成本最低。将 Haiku 5.5 与几款主打性价比的模型放在一起比较，竞争态势更为直观。
而不同模型的 Token 消耗和定价机制各不相同，最终账单也会有差异。
尤其是 Haiku 5.5 在超过 10 万 Token 后，输入单价会从 0.10 美元涨至 0.50 美元，长任务更需要精打细算。
可以说，Haiku 5.5 在低价位上展现了更具竞争力的能力，但并非所有场景都变成了最便宜的选择。
对于开发者而言，模型选型需要计算完成任务的总成本：调用次数、Token 消耗量、所需修正轮次，以及最终能否正确完成任务。
押注多 Agent 协作，更具性价比
Agent 工作流的成本，很大程度上取决于你让什么模型执行什么任务。
如果每个步骤都调用旗舰模型，成本自然难以降低。
Anthropic 的思路非常直接：Opus 5.5、Sonnet 5.5 负责规划，Haiku 5.5 作为 Subagent 批量执行。
大模型分解任务，小模型执行操作，无需每一步都花费旗舰模型的成本。
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：将任务拆解并行处理，让昂贵模型不必包揽所有步骤。
开发者的实际测试，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 的动画效果更佳。
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 在细节上表现更好，对照模型在条纹、四肢和地面融合上问题较为明显。
另一位开发者岚叔则用 Haiku 5.5 制作了一支宣传片。
他表示，最终效果丝毫不逊于 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构建的优势。
DeepSeek、GLM、Kimi、MiniMax 等国产模型，凭借低价和开放权重吸引了大量开发者。
如今，Anthropic 不仅将 Haiku 5.5 的短请求输入价格压至每百万 Token 0.1 美元，还通过 Subagent 和多 Agent 协作，试图将低价模型融入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，不再仅仅是 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，开发者真正要计算的，不只是每百万 Token 花费多少钱，还包括完成一项任务需要消耗多少 Token、调用多少轮、耗时多久，以及最后是否需要人工返工。
标价再低，如果任务无法顺利完成，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
本文来自微信公众号 “科技狐”（ID：kejihutv），作者：老狐，36氪经授权发布。
