Claude Haiku 5.5 实测：降价九成，对上 GPT-6 Luna

9 月 22 日 Anthropic 发布 Opus 5.5 时，不少开发者就在等 Sonnet 5.5 和 Haiku 5.5。10 月 8 日 Haiku 5.5 上线，Claude 5.5 家族至此补齐：Opus 5.5（旗舰，输入/输出每百万 token $4/$20）、Sonnet 5.5（主力，$2/$10）、Haiku 5.5（轻量，$0.10/$0.50）。

这次发布最受关注的是价格：$0.10/$0.50 与 OpenAI 的 GPT-6 Luna 完全一致。两家公司这两个月在中高端模型上贴身竞争，到了轻量级，连价签都不再错开。

价格之外，先看能力

官方 benchmark 表里有一行格外醒目：在 Terminal-Bench 4.0（命令行多步任务）上，Haiku 4.5 的成绩是 0.0%，Haiku 5.5 是 39.2%。

上一代 Haiku 在这项测试中一件任务都没完成。这也是过去两年小模型的普遍处境：总结、分类、改写、翻译可以胜任，但只要任务需要长程规划，就无能为力。

Haiku 4.5 到 5.5 的主要指标变化如下：

提升明显，但不宜拿它和旗舰比。官方选的参照是中端主力 Sonnet 5.5：Terminal-Bench 70.6%，OSWorld 83.9%。

这组数字真正说明的是：小模型的能力边界从“不能”变成了“入门”。OSWorld 72.4% 意味着 Haiku 级模型第一次能胜任真实的电脑操作任务；Terminal-Bench 39.2% 意味着它能完成约四成需要连续执行几十步的任务。

官方定位：Subagent

Anthropic 对 Haiku 5.5 的定位很明确：摘要、上下文压缩（compaction）、数据库查询、分类这类快速且重复的工作；凭借速度优势，适合在线客服、浏览器操作等对延迟敏感的场景；以及作为 Opus/Sonnet 的 subagent 参与编码。

用过 Agent 编程的人对这个场景不会陌生：Opus 在规划代码架构时，需要有人翻文档、查日志、跑测试、做摘要，让旗舰亲自做这些显然大材小用。Haiku 5.5 就是来承担这些跑腿活的。它首次在 Haiku 级别提供 5.5 家族同款的自适应思考和 effort 档位，简单任务压低档位，复杂任务调高；支持 1M token 上下文、128k 输出，并原生支持浏览器操作工具。

榜单排名

在 Artificial Analysis 榜单中，Haiku 5.5 目前总排名第 31 位，在 Flash 级别模型中排名第一。

实测：Haiku 5.5 对 GPT-6 Luna

基准分数之外，同价位的实际表现更值得关注。以下是 Haiku 5.5 与 GPT-6 Luna 在同一套题目下的对比实测。

参测模型

测评方法

本次评测侧重逻辑、数学、编程、多模态和人类直觉类问题，并非专业前沿领域的权威测试，目的是观察模型的进化趋势，为选型提供参考。

• 题库：逻辑与数学 10 题、人类直觉 7 题、多模态 20 题、编程模拟 12 题（题库链接）。
• 记分：每题满分 10 分，按扣分标准评分，最终取各轮平均值。
• 所有模型使用统一提示词，取第一次生成结果；编程题在 Claude Code 沙盒中完成。

编程案例按以下等级评定：

• ⭐⭐⭐⭐⭐ S 级：行业标杆，重新定义标准。
• ⭐⭐⭐⭐ A 级：生产力合格，无明显短板。
• ⭐⭐⭐ B 级：表现中规中矩，存在短板。
• ⭐⭐ 及以下 C 级：不可用，存在明显问题。

测试结果总览

Haiku 5.5 加权总分 38.17，在榜单中排第 16；GPT-6 Luna 37.54，排第 25。两者在逻辑与数学上同为 9.60 分，Haiku 5.5 在人类直觉（9.80 对 9.70）、编程模拟（9.77 对 9.74）和多模态（9.00 对 8.50）上均领先。

案例 1：多模态推理

提示词：找出与其他图形规律有区别的一项。

答案：蓝色正方形。每个图形都有一个对应的异色复制项，只有蓝色正方形没有。

案例 2：程序化 SVG 图形生成

提示词一：绘制一幅运动员在网球对打的动态 SVG 图。

提示词二：绘制一幅马快跑到河边饮水的动态 SVG 图。

简评：Haiku 5.5 在图形构成复杂度和动态表现上都略优于 GPT-6 Luna。

案例 3：3D 跑酷小游戏

提示词（英文原文）：

Create a polished 3D endless runner game as a single self-contained HTML file.
The gameplay should be inspired by the familiar mechanics of mobile endless runners: the character automatically runs forward along a multi-lane path, while the player can switch lanes, jump, slide, and dodge obstacles. Add collectible items, increasing speed, score tracking, and game-over/restart states.
Create a completely original setting, characters, environment, and visual identity. Do not copy the visual style, characters, locations, props, UI, or assets of any existing game. Use a stylized 3D aesthetic with a strong sense of depth and motion.
Include:
Smooth third-person camera following the character
Three-lane movement with responsive controls
Jumping, sliding, and obstacle avoidance
Procedurally generated sections so the run can continue
Moving obstacles and varied environmental hazards
Collectibles and score progression
Increasing difficulty and speed
Polished animations, lighting, particles, and camera effects
Keyboard and mouse controls
A clear start screen, HUD, game-over screen, and restart button
The final result should feel like a complete, polished 3D mini-game rather than a technical demo.

Claude Haiku 5.5

优势：

• 工程化架构更强：障碍物使用对象池，赛道分段循环回收，状态机清晰。
• 反馈与音效完善：跳跃换道、金币、撞击各有音效，碰撞时有屏幕震动和红屏径向渐变。
• 动画细节更多：图形虽简单，但有换道时身体侧倾、投影随高度缩放变淡等细节。
• 手势更精细：区分点击跳跃、横滑换道、上滑跳跃、下滑滑铲四种操作。

不足：

• 相机偏静态，缺少随速度变化的 FOV、加速时拉远等动态效果。
• 金币串偶尔与障碍重叠，可能与下一行障碍物落在同一车道，缺少全局避让检查。

GPT-6 Luna

优势：

• 有矮障碍、横杆、门框三种障碍几何，视觉区分度尚可。
• 玩家模型有人形结构，腿部有跑步摆动动画。
• 使用 PCFSoftShadowMap，渲染管线配置更现代。

不足：

• 对象管理原始，障碍和金币都没有对象池，长时间运行会有 GC 压力。
• 判定粗糙：只要有跳跃动作就能通过，不考虑障碍的实际高度。
• HUD 简单，只有距离和金币，没有速度条、最佳成绩，开始/结束画面也较简陋。

案例 4：网页设计

提示词（英文原文）：

Create a polished, interactive editorial website titled "The Making of a Painting", exploring how Vincent van Gogh created The Starry Night.
Design it as an immersive digital art exhibition, not a standard gallery or information page. Use elegant typography, generous whitespace, subtle paper textures, large artwork, and a restrained palette inspired by the painting.
Structure the experience as a visual journey:
Opening: Full-screen artwork, title, artist, year, and subtle background motion.
The Context: Explore the painting's historical background, creation, and Van Gogh's circumstances through archival imagery and concise text.
The Sketch: Present preparatory sketches with hover/zoom interactions and a transition from sketch to finished painting.
Color & Composition: Interactive highlights reveal how colors, stars, moon, village, and cypress tree shape the composition.
The Brushwork: Zoom into swirling brushstrokes, using subtle animation to emphasize texture and movement.
The Finished Painting: Dramatically reveal the complete artwork with essential details and a brief interpretation.
Legacy: Conclude with a visual timeline tracing the painting's cultural influence.
Use scroll-driven transitions, parallax, image reveals, hover effects, zoomable artwork, and smooth typography animations. Keep motion subtle and purposeful, like a curated museum exhibition.
Make the website fully responsive, with coherent storytelling, strong visual hierarchy, polished interactions, and high-quality external images where appropriate. Prioritize visual storytelling, editorial design, and atmosphere over complex UI components.

Claude Haiku 5.5

优势：

• 叙事结构完整：七个章节加尾声，视觉节奏一致，信息的学术性较高。
• 图片策略稳健：每张图片都带备用地址，加载失败时自动切换，性能意识明确。
• 交互更精细：线稿到彩绘的平滑过渡、图画放大镜，增强互动感。
• 视觉细节考究：首屏以星空插画营造景深，纸纹背景区分明暗。

不足：

• 代码体量偏大，部分 CSS 有冗余，维护成本较高。
• 没有针对每张图调整 object-position，部分细节可能被裁掉。

GPT-6 Luna

优势：

• 首屏设计克制优雅，采用编辑设计式排版，字体组合有艺术感。
• 响应式断点更细：首屏、信息块、时间线、页脚逐项调整，移动端隐藏导航中间两项。

不足：

• 叙事完整度稍弱，信息量单薄。
• 图片（包括首屏大图）没有加载态，首屏负担重，部分图片可能加载失败。

结论

只看同级对手，Haiku 5.5 交出了一份更有竞争力的答卷：对比 GPT-6 Luna，基础题整体占优，编程实现也体现出更成熟的工程思路。不过，降价解决的是使用门槛，能力边界依然存在，复杂编程和高难度自主执行任务上，它与旗舰模型仍有差距。

同级横向对比：最能打的一个

Haiku 5.5 在多模态推理和 SVG 绘制上都略胜 GPT-6 Luna，真正拉开差距的是编程。在 3D 跑酷和主题网页这类复杂任务里，它的优势体现在工程细节和完成度上：前者有较完整的对象管理、操作反馈和游戏状态设计，后者有展览级叙事、线稿到彩绘的交互过渡和细节放大。Luna 在部分视觉设计和响应式布局上也有亮点，但论综合完成度与实现质量，这个价位里能正面胜过它的只有 Haiku 5.5。

单价降九成，但账要分开算

这是 Haiku 有史以来降价最多的一次，起步价只有上一代的十分之一。价格分两档：10 万 token 以内的请求（占 Haiku 4.5 调用量的九成）输入输出都降了九成，每百万 token 输入 $0.10、输出 $0.50；再配合首次加入的五档 effort，开发者可以按任务难度调节推理投入。摘要、分类、信息提取，以及需求和验收标准都明确的小型编程任务，都能从中受益。

但便宜账经得起细算吗？Haiku 5.5 换了分词器，相同内容的 token 消耗可能增加约 30%；在高 effort 和 Agent 多轮调用中，额外的思考 token、重复执行和上下文累积也会推高成本；提示词超过 10 万 token 后，输入和输出价格分别升至每百万 token $0.50 和 $2.50。评估性价比时，最好把完整任务的成功率、token 用量、重试次数和执行时间一起算进去，只看 API 单价很容易高估降本幅度。

执行层进化，能力边界仍明显

Haiku 5.5 的价值在于“被调度”，而不是“挑大梁”。Anthropic 建议把它用作高阶模型的子代理，这与它的能力相符：旗舰负责拆解和统筹，Haiku 承担边界清晰、便于并行的执行工作。它的进步集中在执行层：OSWorld 从 15.7% 升到 72.4%，无工具 HLE 从 10.2% 升到 45.9%，路径清晰的执行任务相当能打，摘要、分类、压缩上下文、当子代理都是它的主场。

一旦任务依赖常识和世界知识，短板就会暴露：需要根据现实情况自动补全的任务，表现会明显变差，这是世界知识储备不足的典型特征。编程差距最直观：Terminal-Bench 39.2%，而 Sonnet 5.5 是 70.6%。复杂多步编码、跨文件重构、长周期自主规划，仍应首选 Sonnet 或 Opus。

把 Haiku 5.5 放进由旗舰模型指挥的流水线里，它才真正称得上便宜、快速、够用。总体来看，这是一次有分量的小模型升级：同级对比有优势，价格足够有竞争力，适合高频、标准化、边界清楚的工作流，值得用来压低一部分任务的成本。

转自 302.AI