Claude Haiku 5.5 价格实测：超出 100K 一个 token，费用变为 5 倍

Claude Haiku 5.5 有两档价格，整个请求按 prompt 的长度选档。我们发送了一个恰好 100,000 个 token 的 prompt，费用是 $0.0100。只多 1 个 token，费用就变成 $0.0500。prompt 包括发送的所有内容：system prompt、工具定义和消息。从 prompt cache 读取的 token 也算在内。Anthropic 的价格表没有明确说明这一点，我们用 Anthropic 的账单做了核对。

TL;DR

• 100,000 个 token 的 Claude Haiku 5.5 prompt 费用为 $0.010008。增加到 100,001 个 token，费用变为 $0.050041，是原来的 5 倍。
• 一个 102,011 个 token 的 prompt 中，94% 来自 cache read，但仍按高价档计费：$0.0078；按低价档计算则是 $0.0016。
• 同一段英文在 Haiku 5.5 上的 token 数是 Claude Haiku 4.5 的 1.4 到 1.5 倍。
• 一次 agent 循环花费 $0.083，其中 6 个超过门槛的请求占了 76%。压缩上下文或使用 sub-agent 后，费用分别降到 $0.026 和 $0.016。

测量方法

大多数请求于 2026 年 10 月 8 日和 9 日通过 Synthorai gateway 发送。文中的“费用”指 gateway 对请求收取的金额。gateway 按 Anthropic 的两档价格计费，并将响应中的三项输入 token 数相加，作为 prompt 长度：未缓存的输入、cache read 和 cache write。我们检查的 581 笔费用都与其中一档价格计算出的结果一致，精确到小数点后 6 位。

Anthropic 的价格页面只说模型“按 prompt 长度定价”，API 响应也不包含价格。因此，我们还将其中 23 个相同的 prompt 直接发给 Anthropic API，并在 Anthropic Console 中查看该模型当天的费用：$0.33。如果超过 100,000 个 token 的 prompt 无论是否命中缓存都按高价档计费，这些请求合计为 $0.3301；如果 cache read 不计入门槛，合计则是 $0.2678。Anthropic 与 gateway 的计费方式一致。

Claude Haiku 5.5 在门槛两侧分别怎么收费？

prompt 一旦超过 100,000 个 token，价格表每一项都变为 5 倍。下表价格均按每百万个 token 计算。

Cache write 指首次请求将 prompt 前缀写入缓存，cache read 指后续请求复用该前缀。Batch 是 Anthropic 的异步 API，价格减半。

高价档适用于整个请求，不只是对超过门槛的 token 加收费用。我们构造了一个 99,872 个 token 的 prompt，然后每次补入 1 到 2 个 token：

恰好 100,000 个 token 仍按低价档收费，符合价格说明中“超过 100,000”的表述。Anthropic 表示，Claude Haiku 4.5 约 90% 的请求，其 prompt 不超过 100,000 个 token。按每个 token 计算，新模型在门槛以下比旧模型便宜 90%，超过门槛后便宜 50%。

缓存 token 和输出 token 算入 100,000 个 token 的门槛吗？

缓存 token 算，输出 token 不算。我们先缓存了一个 96,045 个 token 的前缀，再搭配不同长度的后缀重复发送：

最后一个请求有 94% 的 token 来自 cache read，仍按高价档收取 $0.0078；如果按低价档计算，费用会是 $0.0016。输出则不计入门槛：一个 97,864 个 token 的 prompt 生成了 1,905 个 token 的回复，费用为 $0.010739，属于低价档。

判断是否超过门槛，需要将响应中的三个字段相加。如果想在发送前确认，可以用 token 计数接口，传入与实际请求相同的 system、tools 和 messages：

import anthropic

client = anthropic.Anthropic()

# after a request: the length the price list is chosen by
u = response.usage
prompt_tokens = u.input_tokens + u.cache_read_input_tokens + u.cache_creation_input_tokens

# before a request
count = client.messages.count_tokens(model="claude-haiku-5-5", system=system, tools=tools, messages=messages)
over_the_line = count.input_tokens > 100_000

100,000 个 token 与 Claude Haiku 4.5 上的文本量相同吗？

不同。Claude Haiku 5.5 使用更新的 tokenizer。同一段文本经过切分后，比在 Claude Haiku 4.5 上产生更多 token，计费也按切分后的 token 数计算。Anthropic 的迁移指南称，大约会“多 30%”。我们在两个模型上统计了 5 份样本：

一段英文正文在 Haiku 4.5 上如果是 68,000 个 token，换到 Haiku 5.5 就已达到门槛。沿用旧模型的 token 预算会误判门槛位置。按整篇文档计算，节省幅度也小于按单个 token 计算的幅度：英文正文的 token 数增加到 1.48 倍后，在门槛以下比 Haiku 4.5 便宜 85%，门槛以上只便宜 26%。

Agent 的上下文超过门槛后会怎样？

越过门槛的那个请求，费用约为前一个请求的 5 倍，之后的请求也会维持在这一档。agent 每轮都会重新发送完整对话；如果每轮多加入一条工具结果，prompt 迟早会达到 100,000 个 token。

我们用 Claude Haiku 5.5 运行了一个 agent：它通过 read_file 工具读取 20 个日志文件，每个文件约 7,000 个 token，然后汇报汇总值。每条工具结果都保留在对话中，前缀会进入缓存。这是此类循环的常见实现方式。下面是其中一次运行的第 15 到 18 个请求：

第 17 个请求比第 16 个多约 7,000 个 token，费用却是后者的 5.2 倍。整次运行共发送 22 个请求，费用为 $0.0833。其中超过门槛的 6 个请求花了 $0.0636，占 76%。如果同样的 token 都按低价档计费，总费用会是 $0.0324。

如何让 agent 保持在门槛以下？

不要让旧的工具结果不断堆积在主对话中。我们用 Claude Haiku 5.5 以 4 种方式运行同一任务，每种各运行 5 次，每次都从空缓存开始：

• 压缩。 prompt 超过 80,000 个 token 时，额外发送一次请求，让模型生成进度记录，再以这份记录重新开始对话。触发阈值要留出余量，因为下一条工具结果也必须能放进 100,000 个 token 以内。
• 裁剪。 每次请求前，除最新结果外，所有工具结果都替换成一行占位说明。5 次运行中有 2 次返回错误总值，原因是模型在回复中维护的累计值出现了算术错误。5 次运行不足以证明裁剪的可靠性更低（3/5 对 5/5 的差异不显著），但风险很明确：原始数据裁剪掉后，错误就无法再核对纠正。
• Sub-agent。 主 agent 的工具将每个文件交给一个独立请求处理，后者返回一行结果。这种方式最便宜，请求数最多，耗时也长了约四分之一。独立请求只能看到传给它的内容，因此必须像主 agent 一样，在指令中明确说明要查找什么。

4 种方式都关闭了 thinking。thinking 是模型回答前的隐藏推理过程，该模型默认开启。Anthropic 的迁移指南指出：如果前面的消息被修改，请求又把 thinking block 发回去，API 会返回 400 错误。对于 2026 年 8 月 31 日之前创建的账户，只有主动启用该检查才会触发。因此，裁剪时要么关闭 thinking，要么不传回 thinking block。压缩和 sub-agent 都会开启新对话，可以避开这个问题。

相同标价下，它比 GPT-6 Luna 便宜吗？

在我们的测试中没有：准确率相当时，费用约为后者的两倍。GPT-6 Luna 的标价同样是 $0.10 和 $0.50，而且不随 prompt 长度变化。

Anthropic 公布的数据显示，在 agent 基准测试中，Claude Haiku 5.5 领先 GPT-6 Luna，也大幅领先 Claude Haiku 4.5：

我们让这 3 个模型按默认设置运行；Haiku 5.5 还额外测试了关闭 thinking 的配置。测试分两组，答案都可核对：一组是 96 道分类、抽取和工具路由题，属于 Anthropic 为该模型列出的应用场景；另一组是 14 道多步骤题，每题运行 3 次。

每个正确答案的费用，是总支出除以答对数。Haiku 5.5 和 GPT-6 Luna 在两组题上的准确率相当（42 次中答对 39 次和 38 次，可视为相同结果），但 Haiku 5.5 的费用略高于两倍。在短任务中，同样的内容，Haiku 5.5 计为 482 个输入 token，GPT-6 Luna 计为 231 个；在多步骤任务中，前者每次调用平均输出 1,902 个 token，后者为 759 个。与默认未开启 extended thinking 的 Haiku 4.5 相比，Haiku 5.5 在短任务上便宜 84%，多步骤任务的答对数约为其 4 倍。

thinking 默认使用 medium effort。effort 控制模型的推理量，范围从 low 到 max；thinking: {"type": "disabled"} 则会关闭 thinking。关闭后，短任务得分基本相同，费用降至三分之二；但多步骤任务在 42 次中少答对了 6 次，而且对于只要求一个数字的问题，模型每次都把推导过程写进了回复。使用 max effort 时，得分仍是与默认配置相同的 39，费用却翻倍。

适用范围可以这样看：Haiku 5.5 是 Claude 系列中的低价档，相比 Haiku 4.5 提升很大，而每个 token 的价格只有后者的十分之一。对于短小、高调用量的请求，我们的测试中 GPT-6 Luna 用一半费用完成了同样的工作。Haiku 5.5 更适合 agent 任务，Anthropic 的基准测试显示它在这方面明显领先，但我们没有对这两个模型做 agent 对比；同时要确保 prompt 保持在 100,000 个 token 以下。迁移 Haiku 4.5 工作负载前，应先用新模型重新统计 prompt 的 token 数。还要按迁移指南移除 Haiku 5.5 会以 400 错误拒绝的配置：手动设置的 thinking 预算、非默认的 temperature、top_p 或 top_k，以及预填充的 assistant 消息。

常见问题

Claude Haiku 5.5 怎么收费？

prompt 不超过 100,000 个 token 时，Claude Haiku 5.5 每百万个输入 token 收费 $0.10，每百万个输出 token 收费 $0.50。超过 100,000 个 token 后，分别为 $0.50 和 $2.50，且高价适用于整个请求。两档的 cache read 价格分别为 $0.01 和 $0.05；Batch API 的输入和输出价格在两档都减半。

缓存 token 算入 Claude Haiku 5.5 的 100,000 个 token 门槛吗？

算。发送给 Claude Haiku 5.5 的一个 prompt 共 102,011 个 token，其中 96,045 个从缓存读取，最终按高价档收取 $0.0078；按低价档计算则是 $0.0016。prompt 长度等于未缓存的输入、cache read 和 cache write 三项之和。Anthropic 的价格表没有明确说明，但我们直接通过其 API 发送的 10 个此类请求，在 Anthropic 账单上都按高价档计费。输出 token 不计入门槛。

Claude Haiku 5.5 比 Claude Haiku 4.5 便宜吗？

门槛两侧都更便宜，但省钱幅度没有价格表看上去那么大，因为同一段文本在新模型上会产生更多 token。我们测得英文正文的 token 数是原来的 1.48 倍。因此，按同一段文本计算，Claude Haiku 5.5 在 100,000 个 token 以下比 Claude Haiku 4.5 便宜约 85%，超过门槛后便宜约 26%。

Claude Haiku 5.5 比 GPT-6 Luna 便宜吗？

我们的测试结果是否定的，尽管两者标价相同。在 96 道短任务中，Claude Haiku 5.5 使用默认设置时，每 1,000 次调用花费 $0.107；GPT-6 Luna 为 $0.049，准确率相同。同样的题目，Haiku 5.5 统计出的输入 token 约为两倍，输出也更多。

如何让 Claude Haiku 5.5 的请求保持在 100,000 个 token 以下？

发送前先统计 token 数。在 agent 循环中，不要让旧工具结果持续堆积。可以在对话达到门槛前将其压缩成一份记录，也可以让独立请求读取每份大型输入，只返回结果。我们用 Claude Haiku 5.5 测试时，这两种方式分别将费用从 $0.082 降至 $0.026 和 $0.016，而且每次运行都得到了正确答案。

延伸阅读

• 长上下文的分档定价：其他会随 prompt 长度改变价格的模型。
• Claude Sonnet 5.5 与 Sonnet 5 对比：更高一档模型的 effort 和单任务费用。
• GPT-6 Luna：推理强度如何影响费用：与 Haiku 5.5 标价相同的模型。
• Claude Sonnet 5 的 tokenizer：Haiku 5.5 现在也使用的 tokenizer。

← 返回博客