Anthropic于近日发布Claude Haiku 5.5，并同步下调多款模型的调用价格。据钛媒体报道，在10万Token以内，Haiku 5.5每百万Token输入0.1美元、输出0.5美元、缓存读取0.01美元，上一代Haiku 4.5对应为1美元、5美元、0.1美元，短上下文单价降幅约90%；Anthropic估算，大多数典型工作负载的实际成本约降低75%。这是它继9月22日Opus 5.5、9月28日Sonnet 5.5之后，在半个月内补齐的第三款5.5版本模型，目前已进入Claude的Free、Pro、Max、Team和Enterprise套餐，覆盖Web、iOS与Android平台，开发者可通过Claude API、Claude Code以及AWS、Google Cloud和Microsoft Foundry调用。对一家即将接受资本市场审视的公司来说，价格表上的数字变化，往往比发布会上的形容词更能说明它想抢占的位置。
先分清一件事：“降90%”是标题口径，不是账单口径。90%说的是10万Token以内的单价降幅；一旦Prompt超过10万Token，Haiku 5.5的整档价格立刻变为短上下文的5倍，即输入0.5美元、输出2.5美元、缓存读取0.05美元。也就是说，便宜是有边界的，而且边界划得相当清楚——它奖励短平快，惩罚滥用。再把镜头拉远，这次降价的真正含义不在于某一档价格打了骨折，而在于Anthropic第一次把一款具备百万级上下文、能操作浏览器、能做推理的模型，放进了“高频自动化”可以负担的成本区间。只看幅度容易误判形势，看清它被允许出现在哪些任务、以什么代价出现，才读得懂这步棋。厂商之间的价格表从来不是单个数字的比拼，而是“什么任务配什么价”的分层设计，标题上的百分比只是最外层的包装。
拆开看第一本账，是技术账，也是这轮升级里被“降价”两个字盖住的部分。Haiku 5.5的上下文窗口从上一代的20万Token提升至100万Token，最大输出从6.4万Token翻倍至12.8万Token，这两项参数恰好与OpenAI近期发布的GPT-6 Luna同位，后者同样是约100万Token上下文、12.8万Token最大输出。参数拉平意味着，短上下文的低价不再是谁的独家卖点，而会变成行业的起步线。更值得注意的是能力结构的变化：Haiku 5.5首次加入Adaptive Thinking和可调节的effort，让模型自己决定复杂问题要不要深想，这等于把“算多深”从一个固定档位变成可调变量；新增Browser Use，可以径直操作网页；安全机制也更新为新的分类器拒答。浏览器操作一度是Agent落地最难的一环，如今它被下放到最便宜的一档模型上，意味着过去因单价太贵而只能小范围试点的自动化，第一次有了大规模铺开的可能。可调effort的价值也在于此：开发者可以在“想得深”和“花得少”之间手动加权，把成本控制变成一道可以调参的工程题，而不是听天由命的固定开销。Anthropic把它定位为家族中标准模式下最快的模型，面向低延迟、大量调用的场景，包括实时聊天、客服、语音助手、信息提取、文件整理以及浏览器和电脑操作。它甚至明确把“Opus与Sonnet之下的Subagent”写进核心用途——翻译成商业语言，就是给这款模型的任务定了性：跑腿。工具属性一旦确立，考核它的就不再是智商，而是每单位成本能完成多少动作。
换一个角度看第二本账，是商业账，也是我认为最关键的一本。参数与价格只是表层，真正的动作是分工：复杂任务里，Opus或Sonnet负责整体结构与判断，Haiku负责查询数据、整理资料、网页操作与信息分类。而子任务恰恰是Agent运行时消耗Token最凶的部分——一个长任务里，主模型只发号令，反复执刀的恰恰是下层。把执行层的单价压下来，等于把“Agent能跑多久”的定价权，从上游挪回自己手里。这不是简单的降价促销，而是把成本压力重新分配到最容易膨胀的那一层。另一手同样关键：Sonnet 5.5的缓存读取价格从每百万Token 0.2美元降至0.1美元，Anthropic估算，由于Agent长时间运行会反复读取系统提示词、工具定义与历史上下文，缓存读取在Token消耗中占比很高，此举可使多数Agent任务运行Sonnet 5.5的总体成本再降约20%。缓存读取往往是长任务里最容易被忽视的隐性成本，它不出现在对话里，却随运行时长线性累积；把它砍半，收益直接落在那些一跑就是几十分钟的重度Agent上，而不只是demo阶段的一次性调用。再叠加Max 5x每月100美元、Max 20x每月200美元、Team最多共享500美元的API配额，它压低的不只是单次调用价，而是整个开发者的试错成本。当试错变便宜，尝试的频次就会上去，需求也就被自己养了出来——这是把成本让利，直接转化为使用惯性的做法。
第三本账是格局账。对位已经很清楚：GPT-6 Luna在短上下文区间同样是输入0.1美元、输出0.5美元、缓存读取0.01美元，定价几乎贴身，这说明短上下文的低价已是两家的共识而非差异。真正的分野在长上下文。Haiku 5.5超过10万Token即整档跳至5倍，而Luna要到Prompt超过27.2万输入Token才启动涨价，幅度是输入与缓存翻倍、输出涨至1.5倍，即输入0.2美元、输出0.75美元、缓存读取0.02美元。这是一次路线选择：Anthropic把便宜锁在短上下文与高频子任务，把长上下文的溢价留给复杂推理；OpenAI则把“便宜区”撑得更靠后。两种切法各有算盘，短期内谈不上谁更高明：Anthropic赌的是高频子任务的规模，OpenAI赌的是长文档处理的深度，谁押中的场景更多，要等真实用量说话。性能上，按Anthropic公布的数据，Haiku 5.5在OSWorld 2.1得72.4%、Luna为48.9%，在Terminal-Bench 4.0为39.2%对16.4%，在FrontierCode 1.1为46.4%对42.4%，知识工作上GDPval-AA v2.1为1620分对1437分、AA-Briefcase v1.1为1578分对1336分，Artificial Analysis的Intelligence Index上最高档得43分、Luna为38分；但同一机构的AutomationBench-AA里，Luna以53.2%反超Haiku的35.4%。谁更强，取决于任务类型，而不是厂商自己的评测表；一份总分领先的榜单，撑不起一个场景里的真实胜负。
风险与边界同样要说清。其一，上述成本降幅多来自厂商自估，75%与20%都建立在“典型工作负载”的假设之上，真实账单取决于输入输出配比、缓存命中率与长上下文占比，未必能照搬。其二，性能数据是厂商公布的评测，第三方结果已经出现交叉，AutomationBench-AA上Luna明显领先，说明在自动化这类场景里，Haiku的优势并非无差别，选型不能只看总分。其三，长上下文5倍的阶梯会惩罚那些把整份文档、整段历史一股脑塞进去的粗暴用法，模型便宜了，滥用反而更贵，工程上的上下文管理与缓存设计重新变成必修课。其四，价格是可以被跟随的，今天的地板价明天可能就是别人的起售价，单点价格优势的保质期很短，真正能沉淀下来的，是围绕它搭起来的工作流与生态。把这些边界划清，才能避免把一次定价动作，误读成一次能力碾压。
所以，这件事该怎么定性？不是“某款模型变便宜了”，而是Token经济学正在改写下游的成本结构。当一款能操作浏览器、能做推理的模型，把执行层单价打到输入0.1美元、输出0.5美元，过去因成本被搁置的高频自动化任务——实时客服、信息提取、文件整理、网页操作——就具备了被规模化的条件。对SaaS而言，这既是机会也是压力：谁先把Token单价锁在低位，谁就有资格承接这些高频、长时间、可放大的任务，谁的成本曲线就更抗压；反过来看，如果一家产品的毛利建立在“模型很贵、客户用得少”之上，那么当执行层突然变得廉价，它的护城河会被重新丈量。价格从来不只是价格，它是产品边界的定价。真正的信号不是那个百分比，而是Anthropic开始公开承认：未来的模型体系会像组织一样分层，上层做决策、做判断，下层做执行、做跑腿，而决定商业胜负的，常常是下层那笔不起眼的单价。谁先把执行层的Token单价打到低位，谁就掌握了高频自动化时代的成本定价权。
该文观点仅代表作者本人，企服科学平台仅提供信息存储空间服务。
