Claude Haiku 5.5 定价：90% 降价背后的 100K 线

Claude Haiku 5.5 的输入令牌费用为每百万 $0.10，输出令牌费用为每百万 $0.50，分别是 Haiku 4.5 的 $1 和 $5 的十分之一。这适用于最多 100,000 个令牌的提示。在这一线以上，整个请求的费用为 $0.50 和 $2.50，这比 Haiku 4.5 的价格便宜一半，而不是十分之一。

Anthropic 将典型的节省估计为约 75%，而不是 90%，这种差异来自于本文讨论的三个方面：您的提示相对于 100K 线的位置、默认设置生成的思考令牌数量，以及一种新的分词器，它将相同的文本计算为大约 30% 更多的令牌。下面的两个实例展示了实际账单的计算方式。

费率卡

每百万令牌的价格，来自 Anthropic 的 Haiku 5.5 发布帖子和定价页面：

令牌类型	Haiku 5.5, 短	Haiku 5.5, 长	Haiku 4.5	Sonnet 5.5
输入	$0.10	$0.50	$1.00	$2.00
输出	$0.50	$2.50	$5.00	$10.00
缓存读取	$0.01	$0.05	$0.10	$0.10
缓存写入，5分钟	$0.125	$0.625	$1.25	$2.50
缓存写入，1小时	$0.20	$1.00	$2.00	$4.00

“短”指的是 100,000 个令牌或更少的提示；“长”指的是超过 100,000 的提示。批量 API 对输入和输出减半。Sonnet 5.5 的缓存读取价格在同一天从 $0.20 降至 $0.10。

AIHubMix 上的 Haiku 5.5 页面列出了相同的两个层级，网络搜索的费用为每次请求 $0.01。

容易忽视的计费规则

整个请求的计费级别会改变，而不仅仅是超出部分。 Anthropic 根据提示长度为 Haiku 5.5 定价，使用两个费率卡。一个 100,000 个令牌的提示为其输入支付 $0.0100；一个 100,001 个令牌的提示支付 $0.0500，其输出费用也要贵五倍。Haiku 5.5 在这里是个例外：Anthropic 其他当前的 1M 上下文模型会按其标准费率对整个窗口计费。

这一线到达的时间比您旧的仪表板所示的要早。 Haiku 5.5 使用了一种较新的分词器，相同的文本产生的令牌数量比 Haiku 4.5 多约 30%。将 100,000 除以 1.3 后，得到的线大约在 77,000 个令牌，按照 Haiku 4.5 的计算方式。您旧仪表板上的 78,000 个令牌提示在 Haiku 5.5 上变为大约 101,000 个令牌，并支付长费率。这个算式来自于 Anthropic 的迁移指南中的 30% 数据，确切的增加取决于内容，因此请在新模型上重新计算实际提示。

思考默认开启，并按输出计费。 Haiku 4.5 只有在请求时才会思考。Haiku 5.5 在 medium 努力级别下运行自适应思考，除非您进行更改，因此以前返回 200 个输出令牌的路径现在可以返回几百个更多的令牌。

短提示现在可以缓存。 根据 Anthropic 的迁移指南，最小可缓存提示从 Haiku 4.5 的 4,096 个令牌降至 Haiku 5.5 的 512 个令牌。一个 3,000 个令牌的系统提示在 Haiku 4.5 上无法缓存，现在可以缓存，并且缓存读取的费用是输入费率的十分之一。

优先级层级不可用。 如果您在 Haiku 4.5 上持有优先级层级的承诺，则不会转移到 Haiku 5.5。请单独规划容量。

缓存令牌和 100K 线：假设它们计入。 Anthropic 为每个层级列出了单独的缓存读取价格，这表明整个提示，无论是否缓存，决定了层级。Anthropic 并没有明确说明这一点，因此安全的假设是，95K 的缓存前缀加上 6K 的问题是一个长提示。

实例 1：支持票分类器

假设，在 Haiku 4.5 的令牌计数中：一个包含工具定义的 3,000 个令牌的系统提示，一个 1,000 个令牌的票据，一个 200 个令牌的答案，以及每月 1,000,000 次请求。Haiku 4.5 在思考关闭的情况下运行。

在 Haiku 5.5 中，相同的文本变为 3,900 + 1,300 个输入令牌和一个 260 个令牌的答案。假设思考在 low 努力级别下增加 300 个令牌，在 medium 努力级别下增加 800 个令牌。这些思考数据是假设；请测量您的数据。

设置	每次请求	每月
Haiku 4.5	$0.00500	$5,000
Haiku 5.5, 低，无缓存	$0.00080	$800
Haiku 5.5, 低，缓存前缀	$0.00045	$453
Haiku 5.5, 中，缓存前缀	$0.00070	$703
Sonnet 5.5, 中，缓存前缀	$0.01359	$13,674

每月缓存行包括大约 $4 的 Haiku 5.5 缓存写入和大约 $84 的 Sonnet 5.5 缓存写入，假设每五分钟写入一次 5 分钟的缓存。Sonnet 5.5 使用与 Haiku 相同的令牌假设，努力级别为中。

缓存 low 行的计算方式：3,900 个缓存令牌每百万 $0.01（$0.000039），加上 1,300 个新输入令牌每百万 $0.10（$0.00013），再加上 560 个输出令牌每百万 $0.50（$0.00028），总计每次请求 $0.000449。

模式：缓存和努力级别共同将账单从旧费用的 16%（无缓存，低）降低到 9%（缓存，低）。在这个量级下，将努力级别保持在默认值而不是 low 每月增加大约 $250。与 Haiku 4.5 的 $5,000 相比，这两种选择在绝对值上都没有太大影响，这就是为什么分类器案例是 90% 标题真实的原因。

实例 2：跨越界限的合同审查

假设，在 Haiku 4.5 的令牌计数中：一个包含指令的合同 70,000 个令牌，一个 1,500 个令牌的答案，无缓存。在 Haiku 5.5 中，这变为 91,000 个输入令牌，一个 1,950 个令牌的答案，以及假设的 2,000 个思考令牌，努力级别为 medium，因此输出令牌为 3,950 个。

现在将合同长度增加 14%：在 Haiku 4.5 中为 80,000 个令牌，在 Haiku 5.5 中为 104,000 个令牌。

合同大小（Haiku 4.5 计数）	Haiku 4.5	Haiku 5.5	变化
70,000 个令牌	$0.0775	$0.0111	降低 86%
80,000 个令牌	$0.0875	$0.0619	降低 29%

第二行：104,000 个输入令牌每百万 $0.50（$0.052）加上 3,950 个输出令牌每百万 $2.50（$0.0099）。多出 14% 的文本在 Haiku 5.5 上的费用是 5.6 倍。

解决方案是保持在这一线以下。将较长的合同分成两个约 53,000 个令牌的调用（每个合同的一半加上指令）总共花费约 $0.015，低于单个长调用的四分之一。是否可以拆分取决于任务；逐条审查条款可以干净地拆分，而需要整个文档一次性处理的问题则不行。

按任务成本比较

与 Sonnet 5.5 相比，Haiku 5.5 在短提示上的每令牌价格约为其二十分之一。但每令牌的价格并不是每完成任务的价格。在复杂的代理编码中，Sonnet 5.5 在 Terminal-Bench 4.0 上的得分为 70.6%，而 Haiku 5.5 的得分为 39.2%，这是 Anthropic 报告的结果，而一个失败并重新尝试的便宜请求，或者由更大模型重新处理的请求，并不便宜。Anthropic 自己的建议是在以 xhigh 或 max 运行 Haiku 之前，先与 Sonnet 5.5 进行比较。Sonnet 5.5 在同一天也降价：其缓存读取费用减半，Anthropic 表示这将大约减少 20% 的大多数代理工作。

与 GPT-6 Luna 相比，短提示的列表价格是相同的，包括缓存读取。不同之处在于长提示的规则。Luna 的长上下文费率从 272,000 个输入令牌以上开始，费用为 $0.20 / $0.75，而 Haiku 5.5 的费用从 100,000 个以上开始，为 $0.50 / $2.50。在 100K 和 272K 令牌之间的工作负载中，Luna 的列表价格要便宜得多。这两个模型使用不同的分词器，因此请比较实际账单，而不是令牌计数。

关于 100K 阈值和分词器效果的数据也已通过 Roo 的新闻通讯进行了讨论，其算式与上述示例相匹配。

降低账单的步骤

在新模型上计算令牌，并在 100K 前发出警报。 记录每个请求的完整提示大小，并在大约 90,000 个令牌时发出警报，以便在提示上升时进行修剪或拆分，以免改变层级。
缓存稳定前缀。 首先是系统提示和工具定义，最后是可变内容。由于最小为 512 个令牌，现在大多数生产系统提示都符合条件。AIHubMix 的 Claude 提示缓存指南显示请求格式。
明确设置努力级别。 对于高流量、简单的路径使用 low。默认的 medium 在每个请求中都要花费更多，无论该路径是否需要。
为思考和答案设置 max_tokens。 太小会导致您为没有答案的思考付费。
批量处理可以等待的请求。 批量 API 将输入和输出费率减半。
向上路由而不是向下重试。 如果某种任务类型在 Haiku 上经常失败，请先将其发送到 Sonnet 5.5，而不是支付 Haiku 尝试加上后备费用。

步骤 1 和 2 的记录模式通过 AIHubMix 的 Claude 原生端点：

import os
import anthropic

client = anthropic.Anthropic(
    api_key=os.environ["AIHUBMIX_API_KEY"],
    base_url="https://aihubmix.com",
)

SYSTEM_PROMPT = "您对支持票进行分类..."  # 稳定的、可缓存的前缀

def classify(ticket: str) -> str:
    r = client.messages.create(
        model="claude-haiku-5-5",
        max_tokens=1024,
        output_config={"effort": "low"},
        system=[{"type": "text", "text": SYSTEM_PROMPT,
                 "cache_control": {"type": "ephemeral"}}],
        messages=[{"role": "user", "content": ticket}],
    )
    u = r.usage
    prompt_tokens = (u.input_tokens + (u.cache_read_input_tokens or 0)
                     + (u.cache_creation_input_tokens or 0))
    if prompt_tokens > 90_000:
        print(f"警告：提示为 {prompt_tokens} 个令牌，接近 100K 价格线")
    return next(b.text for b in r.content if b.type == "text")

如果 cache_read_input_tokens 在重复调用中保持为零，则表示请求之间的前缀发生了变化，例如系统提示中的时间戳。

常见问题

Claude Haiku 5.5 的费用是多少？
对于最多 100,000 个令牌的提示，输入令牌为每百万 $0.10，输出令牌为每百万 $0.50。对于更长的提示，费用为 $0.50 和 $2.50，适用于整个请求。缓存读取的费用是输入费率的十分之一，批量 API 将输入和输出价格减半。

Haiku 5.5 真的是比 Haiku 4.5 便宜 90% 吗？
按令牌计算，在短提示上是的。按任务计算则少一些：新的分词器将相同文本计算为大约 30% 更多的令牌，思考默认开启，长提示仅获得 50% 的折扣。Anthropic 估计典型的节省约为 75%。使用缓存的短提示分类器可以节省约 90%。

如果我的提示刚刚超过 100,000 个令牌会发生什么？
整个请求将转到更高的费率卡，输入和输出都一样。在上面的合同示例中，多出 14% 的文本使请求的费用增加了 5.6 倍。

缓存令牌计入 100K 阈值吗？
Anthropic 尚未明确说明这一点。其定价为每个层级列出了单独的缓存读取价格，因此安全的假设是，整个提示，无论是否缓存，决定了层级。

思考令牌需要额外费用吗？
它们按正常输出费率计费。由于思考默认开启且努力级别为中，因此它们可能会显著增加原本只产生短答案的路径。降低努力级别会减少它们。

Haiku 5.5 比 GPT-6 Luna 便宜吗？
在最多 100K 个令牌的提示上，列表价格是相同的。在 100K 和 272K 令牌之间，Luna 保持其基本费率，而 Haiku 5.5 则转到更高的费率，因此在列表价格上 Luna 更便宜。分词器不同，因此请比较实际账单。

我可以在 Haiku 5.5 上使用优先级层级吗？
不可以。Haiku 5.5 不支持优先级层级，因此在 Haiku 4.5 上的承诺不会转移。

继续阅读：Claude Haiku 5.5 系列

低每令牌价格只有在模型能够完成任务时才有意义。要了解 Haiku 5.5 与 Haiku 4.5、GPT-6 Luna 和 Sonnet 5.5 的比较，请阅读 Claude Haiku 5.5 vs Haiku 4.5：十美分现在能买到什么
思考令牌是上述示例中最大的假设。有关每个努力级别的测量令牌计数，请阅读 Claude Haiku 5.5 努力级别：中是默认，低通常足够
分词器的变化和新的缓存最小值也显示为迁移工作。有关从 Haiku 4.5 切换到 5.5 时预期的错误和微小变化，请阅读从 Claude Haiku 4.5 迁移到 5.5：五个 400 错误和微小变化