10月7日,Anthropic 發布了 Claude Haiku 5.5,這是其小型高速模型系列的第四代產品——也是該公司在旗艦級模型上做出的最激進降價。在 Haiku 4.5 時代每百萬輸入 token 要價 1.00 美元,現在針對 10萬 token 以下的提示詞降到了 0.10 美元,降幅達 90%。輸出價格也在同樣門檻下從每百萬 token 5.00 美元降至 0.50 美元。Anthropic 將這次發布視為證明:「便宜」與「能力強」不再像過去那樣互相取捨。
數字背後的真相
Anthropic 自己公布的基準測試表顯示,Haiku 5.5 在所有雙方都有公開成績的測試中,不僅大幅超越前代,也領先 OpenAI 的 GPT-6 Luna。在 OSWorld 2.1(一項測量模型能否真正操作電腦、完成真實桌面與瀏覽器任務,而非僅是回答問題的基準測試)中,Haiku 5.5 的得分為 72.4%,相較之下 Haiku 4.5 僅有 15.7%,GPT-6 Luna 為 48.9%。在測試命令列任務完成能力的 Terminal-Bench 4.0 中,Haiku 5.5 取得 39.2% 的成績,而 Haiku 4.5 是 0.0%,GPT-6 Luna 是 16.4%。在不使用工具的 Humanity's Last Exam 測試中,Haiku 5.5 得分 45.9%,前代僅有 10.2%。
這些都是實實在在的差距,不是誤差範圍內的浮動。但 Anthropic 很謹慎,沒有誇大 Haiku 的能力上限:該公司自家的旗艦模型 Claude Sonnet 5.5,在上述所有基準測試中仍然勝過 Haiku 5.5——OSWorld 2.1 拿下 83.9%,Terminal-Bench 4.0 拿下 70.6%,Humanity's Last Exam 拿下 56.9%。Anthropic 的訴求並不是「Haiku 現在已經追上旗艦模型」,而是「Haiku 現在能在分類、摘要、結構化資料擷取、客戶服務、子代理協調等構成實際生產環境 API 流量大宗的較窄任務範圍內,做到旗艦等級的表現,而且成本只是一小部分」。
實際上改變了什麼
有三件事讓 Haiku 5.5 不只是一次例行的版本更新。首先,它是第一款搭載可調整「努力程度」設定的 Haiku 系列模型——這項機制 Anthropic 早先已在其更高階的產品線中推出,讓開發者可以依照每個請求在延遲與準確度之間做取捨,而不是被鎖定在單一固定行為上。對於像即時客服分流這類高流量、對延遲敏感的工作負載來說,這是一個真正的操作選項,不只是行銷噱頭。
第二,Anthropic 表示 Haiku 5.5 在標準推理速度下是公司目前最快的模型——比 Haiku 4.5 更快,也因此快過目前 Claude 系列中的所有其他模型。速度對於 Anthropic 這次發布明確瞄準的應用場景格外重要:較長代理工作階段中的摘要與上下文壓縮、資料庫與 API 查詢、高頻率分類,以及作為「子代理」讓像 Sonnet 5.5 或 Opus 5.5 這類較昂貴的模型在任務執行途中委派較窄範圍的子任務。Anthropic 的定價頁面正好列出了這種模式——Haiku 5.5 作為第三方程式開發代理 Devin Fusion 背後較便宜的工作模型,以輔助模型的身分取得 66.2 分的 FrontierCode 成績,而非主導模型。
第三——這一點比規格表更值得注意——Anthropic 表示,在內部的對齊(alignment)評估中,Haiku 5.5 相較於 Haiku 4.5 出現的失準行為大幅減少,同時網路安全防護也更加嚴格,雖然程度不如其他近期發布的模型那麼嚴苛。滲透測試相關請求仍然被明確封鎖。對於一家正急於將成本優化模型推上高流量生產環境的公司而言,在同一次發布中同時公布對齊進展與降價消息,是一個刻意的訊號:便宜的模型,並不是他們省成本的那個環節。
Anthropic 為何此刻選擇打價格戰
時間點並非偶然。Haiku 5.5 的發布,恰好落在外界傳出 Anthropic 正為可能的首次公開發行(IPO)籌備行銷與新模型發布的同一個月,也正值 OpenAI、Google DeepMind、Mistral,以及包括 Moonshot 的 Kimi、智譜的 GLM、MiniMax 等一波中國實驗室,以客戶幾乎跟不上的速度接連推出新模型的同一時期。在這樣的環境下,單純的基準測試排名只是個以週為單位就會變動的目標。相較之下,每項任務的成本更具黏性:一旦一家公司已經圍繞著每百萬輸入 token 0.10 美元的模型建好了分類流程或客服分流層,要換到競爭對手的產品,成本就不只是技術上的,還是財務部門必須重新核准的一筆支出項目。
Anthropic 自己的文件用客戶實際回報的數字,而不是合成基準測試,把成本優勢說得更具體:Box 回報 Haiku 5.5 在其內部 AI 評估中的得分比 Haiku 4.5 高出 11 分,延遲卻只有約一半;HubSpot 則回報在其 CRM 任務套組中三次執行平均達到 92.8%。這類數字即使從未出現在公開排行榜上,也足以左右採購決策。
如何取得
Haiku 5.5 現已在 Anthropic 的 API 中全面上線,模型 ID 為 claude-haiku-5-5,並透過三大雲端平台——Amazon Bedrock、Google Cloud 的 Vertex AI,以及 Microsoft Azure——提供服務,這意味著已經與其中任一平台有採購關係的企業客戶,不必更換供應商就能切換模型。Anthropic 的 Python 與 TypeScript SDK 也同步新增電腦操作(computer-use)與瀏覽器操作(browser-use)工具呼叫的測試版支援。Claude Max、Team 與 Ultra 訂閱方案的用戶則可獲得每月 API 額度,可用於 Haiku 5.5 或目前產品線中的任何其他模型——這是 Anthropic 鼓勵現有訂閱用戶,把過去可能預設丟給 Sonnet 處理的工作,改拿來試試這款較便宜的模型。
有一點值得想自行計算成本的人留意:Anthropic 的發布說明提到,Haiku 5.5 使用的 tokenizer 與前代略有不同,完成同一項任務往往會用掉稍多的 token。那個 90% 的降價是指每個 token 的單價,並不等於每項任務帳單自動降低 90%——建議在自己的工作負載上實際跑一次前後對照,而不是只看降價百分比的表面數字。
更大的格局
Haiku 5.5 不會是那種被當作「智能突破」證據來討論的模型——這一輪的那個位置,屬於 Anthropic、OpenAI 和 Google DeepMind 各自的旗艦級發布。但就 AI 實際如何被部署到日常應用而言,它或許才是更具實質意義的一次發布:現實世界中絕大多數的 API 流量,並不是前沿推理任務,而是每天執行數百萬次的常規分類、資料擷取、摘要與工具協調。一款能以十分之一的成本稱職完成這些工作的模型,會改變建立在它之上的每一項產品的單位經濟效益——這個故事沒有刷新基準測試紀錄那麼吸睛,卻更經久耐用。
