Claude Haiku 5.5 同价表现优于 GPT-6 Luna

自 Anthropic 发布 Haiku 4.5 以来大约已有一年，随着 Sonnet、Opus 和 Fable 相继推出直至 5.5，它似乎有些被遗忘了，尤其是 OpenAI 在推出 Astra 和 Sol 6 的同时还推出了 Luna 6。

好了，它来了，这是一次受欢迎的更新。更多内容见下方摘要。

2026年10月6日至10月7日的 AI 新闻。我们查看了 12 个 subreddit、544 个 Twitter，没有更多 Discord。AINews 网站可让你搜索所有往期内容。提醒一下，AINews 现已成为 Latent Space 的一个栏目。你可以选择加入/退出邮件发送频率！

AI Twitter 回顾

头条：Anthropic 发布 Claude Haiku 5.5

发生了什么

Anthropic 发布了 Claude Haiku 5.5，这是约一年来 Haiku 层级的首次更新。其定价与 OpenAI 的 GPT-6 Luna 持平，Anthropic 还在同一天下调了 Sonnet 5.5 及其订阅方案的价格。

• 发布前信号。 @scaling01 在公告前发帖称“happy Haiku 5.5 day”。@kimmonismus 表示该模型已出现在一次 Claude Code 更新中，并预测了“Luna-pricing”。随后他在官方帖文之前公布了定价（@kimmonismus），并在上线时予以确认（@kimmonismus）。

• 正式发布。 @claudeai 和 @AnthropicAI 称其为“我们发布过的最便宜、最快、能力最强的小型模型”，平均运行成本比 Haiku 4.5 低约 75%。

• 可用性与预期用途。 它已在 Claude Platform 和 Claude Code 中上线（@ClaudeDevs）。Anthropic 将其定位为与 Opus 5.5 或 Sonnet 5.5 搭配的子代理，用于摘要、压缩和数据库查询等高量、对成本敏感的工作。@mikeyk 将这种分工描述为“Opus 负责深度思考，Haiku 负责高量工作。”

• 分级定价（@ClaudeDevs）：

  提示长度每 100 万 token 的输入/输出每 100 万次缓存读取低于 10 万 token$0.10 / $0.50$0.01超过 10 万 token$0.50 / $2.50$0.05

• Sonnet 5.5 降价。 缓存读取价格从每 100 万 token $0.20 减半至 $0.10。Anthropic 表示，这使 Sonnet 5.5 在大多数长时间运行或代理类工作上便宜约 20%（@claudeai）。

• 订阅用户的 API 额度。 每月 Claude Platform API 额度现随 Max 5x（$100）、Max 20x（$200）和 Team（最高 $500，共享）提供。这些额度适用于任何模型，包括 Haiku 5.5，也可用于第三方 harness（@ClaudeDevs）。

• 同日 SDK 更新。 Computer-use 和 browser-use 工具集现已内置到 Python 和 TypeScript 版 Claude SDK 中。SDK 会运行动作循环，并将点击和按键发送到来自 browser_use、Browserbase、E2B 或 Daytona 的驱动程序，因此开发者无需再自行编写该循环（@ClaudeDevs，快速入门）。

• 首日合作伙伴推出：

  • Cursor：@cursor_ai 声称在较短请求上“比 Haiku 4.5 低 10 倍”，并发布了 CursorBench 对比（@cursor_ai）。

  • VS Code 中的 GitHub Copilot：@code 报告称，它“在许多编程任务上与 Claude Sonnet 5 相当，同时使用更少的 token 和步骤。”

  • Devin：@cognition 报告称，其在 FrontierCode 1.1 上达到 58.4%，领先于 Sonnet 5，且每项任务成本约为后者的八分之一，并建议在 Fusion 中将其作为由 Opus 5.5 主导的“副手”。

  • Arena：已加入 Agent Arena、Code Arena WebDev、Text、Document 和 Vision，分数待定（@arena）。

  • OpenDocRouter：于同日加入（详情见下文）。

独立评测：Artificial Analysis

@ArtificialAnlys 发布了最详细的第三方数据（各项评测明细、对比页面）。

• Intelligence Index：43，max effort 下较上一代 Haiku 提升 26 分。

  • 略高于 GLM-5.3 Flash（42）、Gemini 3.8 Flash（41）和 GPT-6 Luna（38）。

  • 与 Kimi K3（44）相当，后者是一个 2.8T 参数的开放权重模型。

  • 落后于 max effort 下的 Claude Sonnet 5.5（56）13 分。

• 新的控制项。这是首个具备 Anthropic 的 effort 设置与自适应思考的 Haiku。

• Token 用量是主要注意事项。

  • 在 max effort 下，每个 Index 任务约使用 162k 输出 token，约为 GPT-6 Luna 在 max 下（约 50k）的 3 倍。

  • 从 xhigh 提升到 max 可增加 2 分，token 用量约为 1.8 倍。

  • 在得分相同的情况下，它仍然更冗长：Haiku 5.5 在 high effort 下得 38 分，使用约 55k token，而 Luna 在 max 下得 38 分，使用约 50k。差距在更低的 effort 设置下会进一步扩大。

• 成本数据为暂定。Artificial Analysis 尚未对超过 100K token 后的 5 倍价格阶梯进行建模。每任务成本数据将随后公布。

• AA-Briefcase（私有智能体知识工作评测）：1578 Elo。领先于 Kimi K3 和 GLM-5.3，与 max 下的 Muse Spark 1.3 相当。

• Terminal-Bench 4.0：33%，较 Haiku 4.5 的 0% 有所提升。

  • 与 GLM-5.3 Flash 持平。

  • 领先于 Gemini 3.8 Flash（20%）和 GPT-6 Luna（13%）。

• 知识与幻觉对比（AA-Omniscience）：

  模型准确率幻觉率Haiku 5.536%40%Gemini 3.8 Flash55%55%GPT-6 Luna44%77%

  Haiku 准确率较低的部分原因在于它更愿意表示自己不知道。

• AutomationBench-AA：35%，而 Luna、Gemini 3.8 Flash 和 GLM-5.3 Flash 为 53–60%。发布前的一个安全漏洞导致该模型过度拒绝。Anthropic 正在修复，Artificial Analysis 将重新运行该评测，并预计分数会上升。

• 规格：

  • 上下文为 1M token，高于 Haiku 4.5 的 200k。

  • 支持文本与图像输入，文本输出。

  • 5 分钟缓存写入费用为每 1M token $0.125（超过 100K 时为 $0.625）。

其他基准测试说法（多为厂商或二手信息）

• @ShayneRedford 总结了 Anthropic 报告的提升幅度：

  • OSWorld（计算机使用）：15% → 72%。

  • TerminalBench：0% → 39%。这与 Artificial Analysis 在 Terminal-Bench 4.0 上独立测得的 33% 不同。

  • 知识工作与推理方面提升 10–50%。

  • 在其中大多数项目上胜过 Luna。

  • 1M 上下文，最大输出 token 约 12k。

• @alexalbert__（Anthropic）强调 Haiku 4.5 于 2025 年 10 月 15 日发布，因此对比时间跨度不到一年。

• @TheRundownAI 报道称，它“在多项基准测试中”胜过 GPT-6 Luna。

• 文档解析（独立评测，基于 ParseBench）：

  • @LoganMarkewich：整体接近 Luna，表格略优，图表理解较差。

  • @jerryjliu0：约每 1,000 页 $1.2。就价格而言，表格和阅读顺序表现良好；在图表、语义格式和边界框方面较弱。

• 轶事性反馈：

  • @simonw 写了定价笔记，并运行了他的 pelican-on-a-bicycle 测试。他说它比贵 10 倍的 Haiku 4.5“好太多了”（对比）。

  • @AI_Screening 称 Haiku 5.5 在 Three.js 斑马模拟中“碾压”了 Luna（单次提示，并非系统性测试）。

观点与反应

看多

• @kimmonismus：“比 GPT-6-Luna 好得多，更接近 Sonnet 5.5……便宜又聪明。”

• @theo 喜欢这种分级定价：在 100K token 以下只收取五分之一的价格，“让这个模型的用途变得非常清晰。”他还觉得看到 Anthropic 的模型“在成本/智能图表上如此靠左”很引人注目（@theo），并在直播中介绍了此次发布（@theo）。

• @draecomino：“Haiku 在最高 effort 下表现得像前沿模型。”

• @kipperrii 认为，既然小型廉价模型现在能做“大量有用的事”，它们就更加重要了。

• @scaling01（“便宜得离谱”），后来（@scaling01）：“5.5 系列模型看起来不错。”

• @NotTomBrown（“小而强”）和 @edwinarbus 都来自 Anthropic 一方，发布了庆祝性的帖子。

竞争叙事

• 此次发布被广泛解读为针对 OpenAI 的 GPT-6 Luna：“gpt 6 luna 完了”（@dejavucoder），“该碾压 Luna 了”（@scaling01）。

• @kimmonismus 将 Sonnet 缓存读取降价解读为 Anthropic 在向 OpenAI 施压。关于 API 额度，他补充道：“OpenAI：轮到你了”（@kimmonismus）。

• @teortaxesTex 称 Anthropic 如今拥有“所有实验室中最深的产品阵容”（Haiku/Sonnet/Opus/Fable 加上 Mythos），对比 OpenAI 的 Luna/Sol/Astra。他仍然认为 Anthropic“不太在意产品”，并将此解读为它贯穿 2026 年一直有多大余裕的迹象。

• ThursdAI 的 @altryne 质疑中间档：“当初 Opus 很贵时，Sonnet 才说得通。”该节目计划报道 Haiku 5.5（@thursdai_pod）。

注意事项（主要来自数据，而非高声的批评者）

• 标价可能夸大了实际节省。

  • 大量 token 消耗（在最高 effort 下约为 Luna 的 3 倍）抵消了部分按 token 计价的折扣。

  • 超过 100K token 的提示需支付 5 倍价格，这对长上下文智能体循环很重要。

  • 这两种效应很可能解释了为何 Cursor 所说的“短请求便宜 10 倍”与 Anthropic 所说的“平均便宜 75%”并不一致。

• 事实回忆弱于 Gemini 3.8 Flash 和 Luna。

• 过度拒绝的 bug目前压低了自动化得分。

• 尚未完成基准测试：Arena 分数尚待公布，独立的单任务成本数据则有待分级定价支持。

背景

• 自 2025 年 10 月以来，Haiku 4.5 一直是 Anthropic 的小型模型。此后，OpenAI 的 GPT-6 Luna、Gemini 3.8 Flash、GLM-5.3 Flash 和 DeepSeek V4.1 Flash 在低成本端展开竞争。

• Haiku 5.5 的标价与 Luna 完全一致。它增加了 effort 控制以及 1M 上下文。

• 它被明确定位为多模型智能体框架中的廉价执行者：Claude Code 子智能体、Devin Fusion、Copilot 子智能体，以及压缩或摘要步骤。

• Anthropic 将其与 Sonnet 缓存读取降价以及订阅 API 额度搭配推出，这是对智能体经济的一次协同推进。这一推进正值围绕 token 账单的更广泛讨论之际（见下方 @theo）。

其他新闻

OpenAI 的 722 篇数学手稿：规模、效率与余波

阅读更多