Claude Haiku 5.5 是首个具有努力设置的 Haiku，而该设置比您控制的其他任何因素更能影响结果。在人工分析的独立测试中，Haiku 5.5 在最大努力下的智力指数得分为 43，而在低努力下得分为 29。最大努力还使用了 4.4 亿个输出令牌来完成该指数；低努力则使用了 3200 万个。
所以简短的答案是：将大部分工作保持在默认的 medium。将高容量、简单的路径降到 low。将知识工作和严格的指令遵循提高到 high。将 xhigh 和 max 视为需要证据的设置，并在您决定之前与 Sonnet 5.5 进行比较。
本文的其余部分展示了每个级别的成本、提升到更高级别的收益何时停止，以及在更改努力时哪些设置会失效或变得昂贵。
设置是什么
Claude Haiku 5.5 支持五个级别：low、medium、high、xhigh 和 max。默认值为 medium，这很不寻常：大多数当前的 Claude 模型默认值为 high，只有 Haiku 5.5 和 Opus 5.5 默认值比其他模型低一个级别。发送 medium 与省略该参数是一样的。
努力替代了 Haiku 4.5 使用的手动思考预算。现在，带有 thinking: {"type": "enabled", "budget_tokens": N} 的请求返回 400，因此没有旧的数字可以延续。根据 Anthropic 的 努力文档，您可以在 output_config 中设置它：
output_config={"effort": "low"}
以下三条事实框定了下面的所有内容：
- 思考默认开启。 Haiku 5.5 在未另行说明的情况下运行自适应思考。较低的努力意味着较少的思考，在简单请求中，模型可以完全跳过思考。
- 思考令牌是输出令牌。 它们计入
max_tokens，并按输出费率计费（每百万个提示 $0.50，最多 100K 令牌）。 - 在提示中要求减少思考无效。 在 Anthropic 的测试中，当提示要求直接回答时，模型仍然进行了思考。努力是杠杆。
每个级别的成本
两个独立来源测量了 Haiku 5.5 在不同努力级别下的表现。指数数据来自 Artificial Analysis；FrontierCode 数据来自 Cognition 的公开结果文件，由 Kingy.ai 编制。两者都不涵盖您的工作负载，因此将其视为曲线的形状，而不是您的数据。
人工分析智力指数 v4.3.2（十次评估，从知识工作到终端任务）：
| 努力 | 指数得分 | 用于指数的输出令牌 | 每个任务的成本 | 首次令牌的时间 |
|---|---|---|---|---|
| low | 29 | 3200万 | $0.02 | 9.9秒 |
| medium | 34 | 5400万 | $0.05 | 13.4秒 |
| high | 38 | 9700万 | $0.08 | 28.0秒 |
| max | 43 | 4.4亿 | $0.21 | n/a |
人工分析没有发布 xhigh 的运行数据。其最大努力的延迟数据看起来异常，因此被省略。
FrontierCode 1.1 主程序，Haiku 5.5 在 Claude Code 中运行：
| 努力 | 综合得分 | 每次推出的成本 | 每次推出的输出令牌 |
|---|---|---|---|
| low | 34.8% | $0.06 | 23,868 |
| medium | 41.6% | $0.13 | 36,172 |
| high | 41.9% | $0.26 | 55,149 |
| xhigh | 45.8% | $0.63 | 100,847 |
| max | 46.4% | $1.33 | 181,387 |
成本四舍五入到分。
将这两张表一起阅读，有三件事突出。
从低到中是最便宜的提升。 在指数上，它以大约 1.7 倍的输出令牌购买了 5 分。在 FrontierCode 上，它以大约两倍的推出成本购买了 6.8 分。
从中到高可能是平坦的。 在 FrontierCode 上，高得分比中高 0.3 分，成本大约是中等的两倍。在更广泛的指数上，高确实增加了 4 分。您的工作负载是否像第一种情况或第二种情况，正是快速评估所告诉您的。
前两个级别很昂贵。 从高到最大，在指数上，输出令牌增加了大约 4.5 倍，得分增加了 5 分。在 FrontierCode 上，最大成本大约是中等成本的十倍，得分增加了 4.8 分，而从 xhigh 到 max 的提升大约使成本翻倍，得分增加 0.6 分。Anthropic 自己的指导以更简单的术语说明了同样的事情：仅在评估显示收益的地方使用 xhigh 和 max，并首先与 Sonnet 5.5 在性能、成本和速度上进行比较。
另一个理由说明默认设置的重要性：Anthropic 的启动基准是在最大努力下进行的。系统卡的中等努力结果较低（在 GDPval-AA 上为 1277，而不是 1620）。如果您以默认值进行部署，这些就是要比较的数字。
按工作负载开始的地方
| 工作负载 | 从哪开始 | 何时提升 |
|---|---|---|
| 分类、路由、标记 | low | 在困难案例中标签漂移 |
| 从短文档中提取 | low | 字段被遗漏或合并 |
| 聊天和实时支持 | low | 在长聊天中规则滑落 |
| 摘要和压缩 | medium | 关键细节丢失 |
| 在更大模型下的子代理工作 | medium | 主模型重新做工作 |
| 代理编码、狭义更改 | medium | 测试在第一次尝试时失败 |
| 知识工作、长代理任务 | high | 评估显示有提升空间 |
这些起始点遵循了 Anthropic 对 Haiku 5.5 的指导；“提升”信号是您在自己日志中需要关注的内容。
值得再次关注的一行是聊天。低级是最快的级别，适合实时支持。但 Anthropic 建议在指令遵循最重要时使用 high，例如一个必须在用户争论时保持其系统提示规则的支持助手。在过去出现问题的对话中测试这两者。
当努力变化时，什么会失效或变得昂贵
小的 max_tokens 可能会在回复开始之前结束回复。 思考计入 max_tokens。为单词分类设置的上限，例如 50 个令牌，可能会完全用于思考，导致响应以 stop_reason: "max_tokens" 结束而没有文本。提高上限以留出空间，或降低努力。
在对话中更改努力会重置缓存。 在请求之间更改顶级努力值会使该对话的消息的提示缓存失效。如果代理在 low 对话中需要一次 high 的困难转变，Anthropic 提供了每条消息的努力更改（测试版头 mid-conversation-output-config-2026-07-01，Claude API 和 Google Cloud），可以保持缓存。它需要思考开启。检查网关是否传递该测试版头是值得的，以便在依赖它之前确认。
关闭思考有其限制。 thinking: {"type": "disabled"} 在 low、medium 和 high 下被接受。在 xhigh 或 max 下返回 400。关闭思考时，每条消息的努力更改也会返回 400，并且模型可能会跳过它需要的工具调用，当同一请求要求 JSON 输出时。Anthropic 的建议是保持思考开启，而是使用较低的努力级别。
低努力可能会提前停止。 在 low 下使用长编码代理系统提示时，Haiku 5.5 有时会在工作完成之前停止并将任务交回。在 Anthropic 的测试中，从 low 提升到 medium 大约将提前停止的次数减少了一半，并且每次尝试的输出令牌增加了两倍多。Haiku 5.5 提示指南 中有一条简短的“继续工作直到完成”的指令，以较低的价格解决同样的问题。
低级和中级可能会跳过验证。 在编码任务中，模型有时会在未运行测试的情况下报告更改已完成。提示指南中对此有一个验证段落；它会消耗令牌，但会提高检查更改的比例。
xhigh 可能返回空回复。 在 xhigh 的多轮聊天中，模型有时会将整个答案写在思考中，并以没有可见文本结束该轮。如果您在 xhigh 下运行，请检查是否有空文本块。
强制工具调用会跳过思考。 Haiku 5.5 接受强制的 tool_choice，但响应将以工具调用开始，而没有思考。如果模型需要在调用工具之前进行推理，请使用 auto 并在提示中说明何时调用它。
通过 AIHubMix 进行自己的努力测试
选择的最快方法是以两个或三个级别运行相同的 20 到 50 个真实提示，并比较质量、输出令牌和延迟。通过 AIHubMix Claude 原生端点，设置 AIHUBMIX_API_KEY：
import os
import time
import anthropic
client = anthropic.Anthropic(
api_key=os.environ["AIHUBMIX_API_KEY"],
base_url="https://aihubmix.com",
)
prompts = [
"将此支持票总结为一句话：...",
"从中提取发票号码和总额：...",
]
for effort in ["low", "medium", "high"]:
out_tokens, seconds = 0, 0.0
for prompt in prompts:
start = time.time()
r = client.messages.create(
model="claude-haiku-5-5",
max_tokens=8000,
output_config={"effort": effort},
messages=[{"role": "user", "content": prompt}],
)
seconds += time.time() - start
out_tokens += r.usage.output_tokens
text = next((b.text for b in r.content if b.type == "text"), "")
# 将 `text` 保存到提示旁边，并根据您自己的评分标准进行评分。
print(f"{effort}: {out_tokens} 输出令牌, {seconds:.1f}秒总计")
如果在 low 和 high 之间输出令牌几乎没有变化，则该设置可能没有达到模型；检查您的网关转发的请求。在 AIHubMix 上的 Haiku 5.5 页面，每个令牌的价格在每个努力级别都是相同的，因此此测试的令牌计数可以直接转换为美元。
常见问题
Claude Haiku 5.5 的默认努力级别是什么？
中等。大多数当前的 Claude 模型默认值为高，因此依赖于其他模型默认值的代码将在 Haiku 5.5 中运行一个级别较低，除非明确设置努力。
我可以完全关闭思考吗？
在低、中和高努力下，可以通过将思考设置为禁用来实现。在 xhigh 和 max 下会返回错误。Anthropic 建议降低努力，因为模型可以在简单请求中自行跳过思考，并保持其工具调用行为不变。
哪个努力级别最便宜？
低。在人工分析的测试中，它使用了大约 3200 万个输出令牌来完成整个指数，而中等为 5400 万，最大为 4.4 亿。每个级别的每个令牌价格相同；区别在于生成了多少令牌。
在 Haiku 5.5 上最大努力值得吗？
只有在您自己的评估中有证据的情况下。根据 FrontierCode，最大成本大约是中等的十倍，得分增加 4.8 分。在这一点上，Anthropic 建议与 Sonnet 5.5 进行比较，后者可能以更低的成本达到相同的质量。
为什么我的响应在没有文本的情况下停止？
通常是因为思考在答案开始之前耗尽了 max_tokens。提高 max_tokens 或降低努力。在多轮聊天中，xhigh 也可能意味着模型将其答案放在思考中。
更改努力会影响提示缓存吗？
是的。在请求之间更改顶级努力会使该对话的缓存消息失效。每条消息的努力更改（目前处于测试版）可以避免这种情况。
为什么启动基准与我在默认情况下看到的结果不匹配？
启动数据是在最大努力下进行的。在中等努力下，系统卡报告的得分较低，例如在 GDPval-AA 上为 1277，而不是 1620。
继续阅读：Claude Haiku 5.5 系列
- 努力决定您生成的令牌数量。要了解 Haiku 5.5 与 Haiku 4.5、GPT-6 Luna 和 Sonnet 5.5 在范围顶部的比较，请阅读 Claude Haiku 5.5 vs Haiku 4.5: 现在十美分能买到什么
- 思考令牌按输出计费，提示长度决定费率卡。要将您的努力选择转化为每月账单，请阅读 Claude Haiku 5.5 定价：90% 削减背后的 100K 线
- 努力替代了旧的思考预算，旧预算现在返回错误。有关该修复和从 Haiku 4.5 迁移的其余内容，请阅读 从 Claude Haiku 4.5 迁移到 5.5：五个 400 错误和静默更改
来源
- 努力（Claude 平台文档）
- 提示 Claude Haiku 5.5（Claude 平台文档）
- AIHubMix 上的 Claude Haiku 5.5
- Claude Haiku 5.5 智力、性能与价格分析（人工分析）
- Claude Haiku 5.5：基准、规格、Sol 和 Luna 比较（Kingy.ai）
