剛剛，Anthropic 發佈了 Claude Haiku 5.5，官方稱這是他們迄今為止最便宜、最快、能力也最強的小模型。

Haiku 5.5 的平均運行成本，比上一代的 Haiku 4.5 低了約 75%。

而在便宜了這麼多的同時，它在編碼、computer use 和知識工作上的分數，又都比 Haiku 4.5 高出了一大截。

Anthropic 這次還一併宣佈了另外兩件事，一是 Sonnet 5.5 的快取讀取價格減半，二是 Claude Max 和 Team 訂閱使用者每個月會多出一筆 API 額度。

表裡除了上一代的 Haiku 4.5，還拉來了 GPT-6 Luna 進行鞭打，最右邊的 Sonnet 5.5 則僅供參考。

提升最大的是 computer use。在 OSWorld 2.1（離線子集）上，Haiku 5.5 拿到了 72.4%，而 Haiku 4.5 隻有 15.7%，GPT-6 Luna 則是 48.9%。

Agentic coding 方面，Haiku 4.5 在 Terminal-Bench 4.0 上是直接交了白卷的，0.0%……而 Haiku 5.5 做到了 39.2%，GPT-6 Luna 為 16.4%。

Humanity's Last Exam 上，Haiku 5.5 不帶工具時是 45.9%，帶工具則有 57.4%，而上一代分別只有 10.2% 和 18.7%。

知識工作的 GDPval-AA v2.1 和 AA-Briefcase v1.1 兩項，Haiku 5.5 分別拿了 1620 分和 1578 分，都是 Haiku 4.5（735 和 614）的兩倍還多。

視覺推理的 Chartography 上，也從 6.4% 漲到了 46.4%。

當然，它和 Sonnet 5.5 之間還是有差距的。Terminal-Bench 4.0 上 Sonnet 5.5 是 70.6%，比 Haiku 5.5 高了三十多個點，複雜的 Agent 編碼任務還是該交給 Sonnet 5.5 和 Opus 5.5。

Haiku 5.5 適合的是範圍更窄一些的活，比如上下文壓縮、摘要和 subagent，這些任務放在以前用 Claude 來跑，成本根本劃不來。

Haiku 5.5 是第一個帶 effort 設定的 Haiku 模型，一共有 Low、Med、High、Xhigh、Max 五檔。

和 Claude 的其他模型一樣，每個任務是要省錢還是要智能，都可以自己來定了。

官方放出了三張各檔位的「分數 / 成本」曲線圖。

OSWorld 上，Haiku 5.5 開到 Max 檔之後是 72.4%，已經比 Sonnet 5.5 最低的那兩檔都要高了，而單次任務的花費還要更少一些。

GDPval-AA 上就沒有這麼好看了。在便宜的那幾檔裡，GPT-6 Luna 花同樣的錢拿到的分數還要略高一點，Haiku 5.5 是靠著 Xhigh 和 Max 兩檔才把分數給拉上去的。

Humanity's Last Exam 上，從 Xhigh 再往上加到 Max，分數就漲不太動了。

Haiku 5.5 的定價按 prompt 長度分成了兩檔，以 10 萬 token 為界。

算下來，10 萬 token 以內的請求便宜了 90%，超過 10 萬 token 的便宜了 50%。

而在 Haiku 4.5 上，大約有 90% 的請求都落在 10 萬 token 以內。

那為什麼平均下來只有 75% 呢？

官方在腳註裡解釋，這個平均數還把 token 用量的變化也算了進去。Haiku 5.5 換上了和 Sonnet 5.5、Opus 5.5 類似的新 tokenizer，干同樣一件事會多用掉一些 token。

再和 Sonnet 5.5 比一下，後者的輸入是 $2.00、輸出是 $10.00。

10 萬 token 以內的 Haiku 5.5，輸入和輸出的價格都只有它的二十分之一。

Haiku 5.5 同時也是 Claude 目前最快的模型。不過腳註裡也註明了，這是按各個模型的標準速度來比的，Opus 開了 Fast Mode 之後還是要更快。

官方給它安排的活，主要有這麼幾類。

•  摘要、上下文壓縮、資料庫查詢、分類這種量大且重複的任務

•  編碼時給 Opus 5.5 和 Sonnet 5.5 當 subagent

•  即時客服、瀏覽器操作這類對速度敏感的場景

幾家提前拿到模型的公司也給出了各自的資料。

Asana 拿自家 Agent 產品 AI Teammates 的評測集跑了一遍，和他們現在在用的模型相比，任務完成的延遲降了 30% 以上，單輪推理速度最高是原來的 2.5 倍。

HubSpot 用模擬的 CRM 環境來測模型，Haiku 5.5 三次平均拿到了 92.8%，是這套評測上出現過的最高分。

AlphaSense 的文件問答功能，每周在生產環境裡要呼叫約 800 萬次。他們跑了 400 條查詢，Haiku 5.5 得分 0.84，Haiku 4.5 是 0.76。

Box 的早期測試裡，Haiku 5.5 比 Haiku 4.5 高了 11 分，延遲則只有一半左右。

Cognition 則把它加進了 Devin Fusion 的 sidekick 陣容。有 Haiku 5.5 當副手，Fusion 的 FrontierCode 得分還能保持在 66.2，成本和延遲也都降了下來。

現在在 Devin CLI 裡就可以用上這個組合，由 Opus 5.5 來主導。

更大的模型在做 deck 的時候，一個 Haiku 5.5 subagent 就鑽進 10-K 裡，把 deck 要用的分部營收那一行給找出來。它足夠準，我們敢把這活交給它；也足夠快、足夠便宜，可以大量地跑。

對齊評測上，Haiku 5.5 相比 Haiku 4.5 幾乎是全面改進，失當行為少了很多，配合濫用的意願也更低了。

防護措施方面，它在網路安全上比 Haiku 4.5 管得更嚴，但比近期的其他模型要鬆一些。

和 Sonnet 5.5 相比，它放行的防禦類任務要更多一些，而滲透測試等更可能被攻擊者用到的技術，仍然會被攔下。

生物方面的防護，則與 Sonnet 5、Sonnet 5.5 和 Opus 5 保持一致。

Sonnet 5.5 的快取讀取價格，從每百萬 token $0.20 降到了 $0.10。

快取讀取在 Agent 任務的 token 消耗裡佔了很大一塊，所以降價之後，Sonnet 5.5 跑大多數 Agent 任務的成本會下降約 20%。

訂閱使用者專屬的是，所有 Max 和 Team 訂閱本周起每月會多一筆 API 額度，可以在 Claude Platform 上使用。

Max 5x 每月有 $100，Max 20x 每月 $200，Team 則是最高 $500，由團隊成員共用。

這筆額度所有模型都能用，Anthropic 希望大家拿它來試著做些呼叫 API 的工具、應用和 Agent。

就是特麼的不知道會不會封號，我剛封一個……

Haiku 5.5 現在已經在所有平台上線，包括 AWS、Google Cloud 和 Microsoft Azure。

Claude Platform 上的模型 ID 是 claude-haiku-5-5。(AGI Hunt)

Claude新模型來了，呼叫價格直接打一折！

美國時間10月7日，Anthropic發佈Claude Haiku 5.5。在不超過10萬token的請求中，新模型的輸入、輸出單價均比上一代降低90%。它能整理文件、查詢資料庫、操作瀏覽器，也能給更強的Opus和Sonnet當助手。

在Anthropic公佈的客戶案例中，金融AI公司Rogo已經用上了這種分工：大模型負責製作簡報，Haiku則去翻公司的年度報告，找出需要的收入數字。

一份工作拆開來做，不必從頭到尾都呼叫昂貴的大模型。

Haiku 5.5按輸入提示詞的長度分兩檔計費。提示詞不超過10萬token時，每百萬輸入token收費0.10美元，輸出0.50美元；超過這一長度，輸入、輸出單價分別為0.50美元和2.50美元。

上一代Haiku 4.5的輸入、輸出單價分別是1美元和5美元。因此，短提示詞請求的單價降了90%，長提示詞請求也降了50%。Anthropic所說的“我們發佈過的最便宜的小模型”，比較的是自家歷代產品。

至於使用者平均能省多少，Anthropic給出的估算是運行成本降低約75%。

公司稱，上一代Haiku約90%的請求不超過10萬token；計算平均降幅時，已經考慮了不同長度請求的價格，以及新分詞器帶來的token用量變化。

分詞器決定一段文字會被拆成多少個token。開發者西蒙·威利森(Simon Willison)用同一段長提示詞測試，發現Haiku 5.5的計數比4.5多了約25%。

接近10萬token分界的請求，遷移後尤其需要重新計數：原本按低價計費的輸入，可能進入另一檔。

降價後，Haiku 5.5在10萬token以內的輸入、輸出單價，已經與GPT-6 Luna持平。按威利森列出的價格，Luna要到27.2萬token以上才進入長上下文收費檔，屆時輸入、輸出分別為0.20美元和0.75美元，仍低於Haiku 5.5長提示詞檔的單價。

不過，價目表上的差距，未必會原樣出現在帳單上。同一項任務，兩款模型生成多少內容、需要呼叫幾輪，也會影響最後的花費。

除了尋找指定資料，Haiku還可以把長對話整理成摘要，供後續任務繼續使用，也能承擔文字分類、資料庫查詢。在程式設計流程中，Anthropic將它定位為Opus和Sonnet的子智能體，處理已經拆分好的任務。

智能體連續工作時，會反覆讀取相同的指令、文件和對話背景。快取可以讓這些已處理過的內容復用，不必每次都重新計算。

與Haiku發佈同時，Anthropic把Sonnet 5.5每百萬token的快取讀取價格從0.20美元降至0.10美元。按公司的估算，這會讓大多數智能體任務的運行成本再降低約20%。

想自己搭應用或智能體的訂閱使用者，還能領取每月API額度：Max 5x為100美元，Max 20x為200美元；Team按席位彙總，整個團隊每月最多共享500美元。

這些額度用於Claude平台上的API呼叫，可以選擇不同的Claude模型；它們不會提高Claude或Claude Code的訂閱使用上限，未用完的部分也不結轉到下個月。

Haiku 5.5接下這些工作，靠的也不只是低價。

在Anthropic公佈的OSWorld 2.1離線子集評測中，它的得分從上一代的15.7%提高至72.4%，高於同表中GPT-6 Luna的48.9%。這項測試考察模型操作電腦的能力，允許對部分完成的任務計分。

其他測試也有進步：知識工作評測GDPval-AA的Elo評分從735升至1620；“人類最後的考試”在不使用工具時，得分從10.2%升至45.9%。這些成績來自Anthropic的發佈材料。

這代Haiku還首次支援調整推理強度，從low到max共五檔。

同一個模型可以少想一會兒、盡快回答，也可以投入更多計算。Anthropic稱，按各款模型的標準速度模式比較，Haiku 5.5是公司目前最快的模型，適用於線上客服等需要快速響應的場景。

威利森用他慣常的“鵜鶘騎自行車”題目試了五個檔位。這次要求生成的是SVG繪圖程式碼：由程式碼描述鳥、自行車和各個圖形的位置，再顯示成圖像。

低檔只用了7秒，費用為0.0936美分；中檔及以上就能畫出像樣的自行車架。最高檔則花了5分9秒，費用升至3.3826美分。

同一道題，調高推理強度，等待時間和花費都明顯增加。

威利森還注意到，新模型默認使用中檔，推理環節不能完全關閉。

一年前，他讓Haiku 4.5畫同樣的東西，得到的是一隻圓乎乎、粉嘴橙腿的鳥。他當時的評價是：“它畫鵜鶘畫得很糟。”

畫出一幅SVG，與在終端裡連續完成複雜工作，對模型的要求不同。在Terminal-Bench 4.0中，Haiku 5.5得分39.2%，Sonnet 5.5為70.6%。

對於複雜智能體程式設計，Anthropic仍建議優先選擇Sonnet或Opus。

開發者也開始把它放進已有流程。Kacper Kapuściak把一套智能體端到端測試從GPT-6 Luna換到Haiku 5.5，觀察到的結果是：運行更快，但用了更多token，錯誤也更多。

另一位開發者James在自己的內部測試中累計跑了五輪，認為Haiku 5.5的表現仍不及Luna。

對Kapuściak來說，速度的提升沒有讓這次換模型留下來。他最後又把那套測試切回了Luna。 (網易科技)

距離上一款旗艦模型發佈已經過去7個月，Google終於拿出了新東西。這一次，它想用更寬的能力覆蓋面和更低的價格，把自己重新拉回前沿第一梯隊。

美國當地時間9月30日，GoogleDeepMind正式發佈Gemini 4 Argon，這是該公司半年多以來首款超越Flash等級的前沿專有模型，主打軟體工程、企業知識工作和網路防禦三大場景。

GoogleCEO桑達爾·皮查伊。圖片由AI生成

Gemini 4 Argon的測試成績相當亮眼：在Google公開的18項基準對比中，該模型在12項中領先、1項並列第一，超過了GPT-6 Astra和Claude Opus 5.5。

獨立評估機構Artificial Analysis的智能指數中，Argon得分53，與GPT-6 Astra持平。

第三方測評Arena.ai的Text Arena榜單上，Argon以1525分登頂。

價格同樣是Argon的一張王牌。Google沒有把它定位成高價旗艦模型，而是通過更低的呼叫成本和快取優惠降低使用門檻，試圖讓Argon在性能之外，再建立一層價格優勢。

但普通使用者暫時還拿不到。Argon首先通過Fairwind計畫向可信的網路防禦者開放，同時正在參與美國政府的自願預發佈程序。更廣泛的開放從付費API客戶和Google AI Ultra訂閱使用者開始，具體時間表未公佈。

對於Google來說，這次發佈的意義遠不止一款新模型。過去大半年，Gemini 3.5 Pro幾經推遲後夭折，OpenAI和Anthropic快速迭代拉大差距，內部人才流失和領導層調整不斷。Argon是Google對“已經掉隊”敘事的集中回應。

01. 跑分第一梯隊，但不是全面碾壓

從基準測試看，Argon交出了一份不錯的答卷，其優勢主要集中在企業和長上下文工作流。Harvey法律代理基準中，Argon得分19.6%，是第二名的三倍以上。Zapier的AutomationBench端到端業務執行測試中，Argon以51.3%領先。

金融方面，Vals Finance Agent v2得分65.4%，超過Claude Opus 5.5和GPT-6 Astra。程式設計方面，DeepSWE v1.1長周期軟體工程測試以77.9%位居第一。長視訊理解基準LVBench上，Argon得分91.7%。網路安全CWE-bench v1上，則與GPT-6 Astra並列第一。

Artificial Analysis重點強調了Argon的兩大亮點：

一是Argon的幻覺率僅15%，是智能指數得分45分以上模型中最低的，遠低於GPT-6 Astra的51%。Argon更傾向於承認自己不知道，而不是錯誤猜測。

二是Argon輸出token限制達到100萬，是此前6.4萬的15倍以上，對智能體程式設計、審計、遷移等長鏈條工作尤為關鍵。

AI測評人@notjazii評論稱，Google團隊在這個模型上卯足了勁。幻覺率最低、登頂Vals指數、Text Arena排名第一、AA上得分53追平Astra、每任務成本更低——幾乎在大多數測試中都排第一或第二。

但Argon不是全面碾壓，它也有幾個明顯落後的項目，尤其是FrontierSWE v2和Terminal-Bench Science 0.1，GPT-6 Astra在這兩項中都領先10個百分點以上。Claude Opus 5.5在Terminal-bench 4.0上領先約9個百分點。

同時，彭博社披露稱，一些Google員工對Gemini 4的實際表現持懷疑態度，尤其是在程式設計領域。基準測試分數不錯，但真實工作場景中處理某些編碼任務時表現不如人意，前端設計能力尤為薄弱。

內部有人將這種現象歸因於“benchmaxxing”——工程師更專注於在基準測試上取得好成績，而不是打造真正好用的產品。AI初創公司Surge AI創始人埃德溫·陳（Edwin Chen）打過一個比方：這就像孩子SAT考了高分，但分數並不一定能轉化為現實世界的表現。

基準測試之外，更有說服力的是Argon已經進入Google內部真實業務流程。

GoogleDeepMind高級副總裁兼首席AI架構師科雷·卡夫克丘奧盧（Koray Kavukcuoglu）表示，已有數千名Google員工開始使用Argon，應用場景覆蓋程式碼開發、工程最佳化、研究分析等多個方向。

其中，Argon最具代表性的能力體現在複雜工程任務上。量子計算團隊曾用Argon最佳化瓶頸子例程的時空資源，一個案例在幾分鐘內就比已發表的基線提升了40%。

在記憶體最佳化方面，一組Argon智能體分析Google全艦隊性能資料，自主識別並執行最佳化方案，部署後已釋放超過300TiB記憶體，預計總節省規模達到500TiB至1PiB。

科技分析師@kimmonismus稱，最值得關注的是，這些智能體已經開始在Google自身基礎設施中承擔真實任務，包括分析遙測資料、最佳化記憶體以及遷移程式碼庫，而不是停留在演示環境中。

程式碼遷移是Argon落地的另一項重點工作。它正在幫助Google將內部C/C++程式碼遷移至Rust，涉及範圍從核心庫的數萬行程式碼，到Fuchsia作業系統Zircon核心的80萬行以上程式碼。由於這些系統承擔關鍵功能，所有遷移結果都需要經過自動化檢測和人工審計後才能部署。

其中，libgav1視訊解碼器是一個較為具體的案例。Argon使用3.2萬行安全Rust程式碼替換原有SIMD程式碼，並通過編譯器自動向量化，最終生成的記憶體安全解碼器相比此前Rust移植版本速度提升2.7倍，同時保持視訊輸出完全一致。

網路安全方面，Google專門訓練了Argon的防禦能力，它可以自主發現、驗證並修補關鍵漏洞。對於可信防禦者和內部團隊，Google將提供不帶網路安全護欄的版本，使其發揮全部前沿級防禦能力。

雲安全公司Wiz已經通過其“善意掃描”計畫使用Argon。早期驗證中，模型發現了一個全球醫院醫療軟體中暴露敏感個人資訊的關鍵漏洞，而此前的前沿模型都沒有發現。

03. 半價搶市場，但普通人買不到

Argon的定價策略，簡單說就是“便宜、但你暫時買不到”。

首發促銷價輸入2美元、輸出10美元每百萬token，只有GPT-6 Astra標價的五分之一，是Claude Opus 5.5的一半。快取輸入折扣95%，折後僅0.10美元。Artificial Analysis測算，折扣下Argon每智能指數任務成本為1.99美元，相當於GPT-6 Astra的60%。促銷結束後標準價與Opus 5.5持平，每任務成本約為Astra的1.2倍。

AI行業觀察者@NFT_Chen稱，Gemini 4 Argon正好卡在帕累托最優線上。折扣價下每任務成本只有Astra的60%，DeepSWE新SOTA，AutomationBench第一，幻覺率同檔最低，輸出上限1M tokens。沉寂7個月後，Google終於把真正的前沿模型端上桌了。

安全方面，Google強調四大防護領域：防止網路和CBRN濫用、抵禦提示注入攻擊、監控錯位行為、加固沙箱環境。

其中Gray Swan間接提示注入測試中，Argon的攻擊成功率僅0.7%，低於Claude Opus 5.5的1.0%和GPT-6 Astra的8.5%。Google還部署了錯位緩解系統，監測Argon的思維鏈和行動，必要時停止執行，並明確主張在能力提升的關鍵階段保持推理透明度。

Argon的發佈，是Google對“已經掉隊”的大眾印象的一次集中回應。

過去大半年，Google在前沿模型領域的存在感下降。Gemini 3系列發佈於2025年11月，原定的Gemini 3.5 Pro幾經推遲後最終被放棄。彭博情報分析師曼迪普·辛格（Mandeep Singh）估算，訓練這樣一款模型的成本可能高達4億美元。同期OpenAI和Anthropic快速迭代，差距越拉越大。

內部動盪也加劇了擔憂。2026年8月，戴密斯·哈薩比斯（Demis Hassabis）卸任DeepMind CEO轉任Alphabet董事長兼首席科學家，傑夫·迪恩（Jeff Dean）離職創業，卡夫克丘奧盧接任最高職位，這被稱為Google自2023年OpenAI動盪以來最大的AI領導層洗牌。

傳奇工程師傑夫·迪恩、諾貝爾獎得主約翰·江珀（John Jumper）、諾姆·沙齊爾（Noam Shazeer）等明星研究者也相繼離開。

Creative Strategies分析師馬克斯·溫巴赫表示，他此前對Gemini整體評價不高，但從目前的表現來看，Google似乎終於拿出了有競爭力的前沿模型，也可能解決了過去的過度推理等問題。

Argon就是在這樣的背景下登場的。它至少在紙面上給出了一份有說服力的答卷。但要真正重回前沿競爭，光靠基準測試還不夠。

首先是真實可用性。基準高分不等於生產環境好用，前端設計等場景的短板、模型過大帶來的推理成本壓力、以及“為跑分最佳化”的傾向，都需要在實際部署中驗證。

Google首席執行長桑達爾·皮查伊（Sundar Pichai）在社交媒體上表示，將盡快且儘可能安全地使Argon可用，“還有很多內容即將推出，你將看到我們快速迭代。”

沉寂7個月後，Google終於拿出了新的前沿模型。它能不能真正扭轉局面，讓Google重新站回AI前沿的中心舞台？答案，或許就在接下來幾個月的快速迭代裡。 (騰訊科技)

彙整鉅亨號中所有使用「AI模型發佈」關鍵字，所發布的內容 (依照時間排序，最新在前，舊的在後)`

Claude 發佈 Haiku 5.5，跑分暴漲並降價 75%

Claude新模型來了，呼叫價低至一折！有開發者試完卻換回了GPT

Google發佈Gemini 4 Argon：追平Astra，價格便宜六成？