Claude Haiku 5.5 首次大幅降价,强调 AI 的定价军备竞赛远未结束

超级描述: Anthropic 发射 Claude Haiku 5.5,将小型模型成本降低高达90%,并在基准收益中降低了Sonnet 5.5缓存读取价格.

标签: Claude Haiku 5.5, Anthropic AI,索内特 5.5 AI 的基准值,代理编码

主要图像:抽象的技术风格,流动数据和 neural network 主题;没有真实的人物,公司标志或文本.

Anthropic Claude Haiku 5.5 作为索内特推出5.5价格下跌

Anthropic 已经发布了Claude Haiku5.5,将其定位为该公司迄今为止最快和最实惠的小型模型.此次推出很重要,因为它与大批量工作负载的大幅降价相结合,而Sonnet5.5也变得更便宜.Claude Haiku5.5旨在处理速度和单元经济性决定一个模型是否可以广泛使用的任务,从总结和数据库查询到分类和现场 customer support .

在发布之前:小型模型成本挤压

Anthropic 此前曾将 Haiku 4.5 销售为该角色,但其基准结果显示出明确的局限性. 该公司还面临着一个低成本 AI系统越来越具有竞争力的市场,正如 OpenAI 的预算型号 GPT-6 Luna 和较新的GPT- 6.1系列所示.

因此,推出时的反应不仅是能力问题. 现在的问题在于一个小型号是否能够处理更多的工作而不必迫使用户转向更大,更昂贵的模型.

在推出时发生了什么变化:基准,定价和 tokenizer 警告

在发布时, Anthropic 报告了重大性能跃升.在知识基准GDPval-AA v2.1上,Claude Haiku5.5得分为1,620,超过Haiku管理的735的两倍.4.5在Humanity's Last Exam上,它达到 45.9%没有工具和 57.4%,高于 10.2 和 18.7%.

最大的跳跃出现在计算机使用中,该模型自动操作电脑. 这种工作负载燃烧了大量的 tokens ,使得廉价快速的模型如 Claude Haiku 5.5自然而然地合适. 它在OSWorld-2.1上获得 72.4%的分数,高于 15.7%. 在代理编码基准Terminal-Bench 4.0,它达到 39.2%,而 Haiku 4.5 则得到零.

Anthropic 还列出了 OpenAI 的预算型号GPT-6 Luna作为比较,并且 Claude Haiku 5.5在每个测试类别中都领先.然而,索内特5.5参考分数显示,Claude Haiku 5.5仍然远低于 Anthropic 更大的模型.

价格是另一个主要变化.平均而言,Claude Haiku5.5成本比Haiku低约75%.对于要求高达 tokens 的请求,即 Anthropic 表示占以前所有Haiku请求的90%左右,价格下降了90%.超过680006长的提示花费五倍.

Anthropic 还指出,它使用了更新的 tokenizer ,一个将文本转换为数值 tokens 进行处理的组件.它的每项任务消耗量略高于其前身.同样的事情也发生在Opus 4.x模型上,其中 token 的使用率仅从 tokenizer 变化中增加了约30%.这意味着现实世界中的节省可能比每次 token 价格更小.

在Haiku模型中首次可调节的推理

Claude Haiku 5.5 是第一个具有可调节推理级别的海库类模型,允许用户平衡成本与质量. Anthropic 称该模型最适合用于紧缩,总结或子代理工作等狭窄范围的任务.对于复杂的代理编码,Sonnet 5.5 和 Opus 5.5仍然是更好的选择.

cybersecurity 的防护措施比其前身更严格,但允许比Sonnet 5.5更广泛的防御任务,部分原因是 Claude Haiku 5.5整体能力较差. testing透测试仍然被阻止. 有更广泛需求的组织可以申请 Anthropic 对生命科学和 cybersecurity 进行验证计划.

最新进展:可用性,Sonnet降价和 SDK 的测试功能

Claude Haiku 5.5 现在可在所有平台上使用,包括 Amazon Web Services , Google Cloud 和 Microsoft Azure. Anthropic 与 Haiku 的推出同时,将 Sonnet 5.5 的缓存读取成本降低了 50%,从每百万个 tokens 的$0.20 到$0.10. 该公司表示这应该使大多数代理任务的成本减少约20%. 这一变化随着 OpenAI 新的 GPT- 6.1系列加剧 AI价格竞争而发生.

该公司还在发放 API 积分并更新其 Python 和 TypeScript SDKs,增加对计算机使用和浏览器使用的测试版支持.

接下来要关注的是,是否实际的代币化任务总额而不是贴纸价格决定了真正的节省;团队如何使用可调整的推理水平;以及索内特5.5缓存削减是否成为长期定价趋势而非一次性调整.