小模型正在变成「子 Agent 标准件」：Claude Haiku 5.5 降价背后的多 Agent 成本经济学

Anthropic 在 2026 年 10 月 7 日发布了 Claude Haiku 5.5，官方给出的定位毫不含糊：这是他们「最便宜、最快速、功能最强大的小型模型」。官方博客同时给出了一句话，值得单独拎出来读：Haiku 5.5 与 Opus 5.5、Sonnet 5.5 配合得非常好，可以作为 coding 工作中的 subagent。模型 ID 是 claude-haiku-5-5，已经在 Claude 平台、AWS、Google Cloud 和 Azure 全面上线。

这条新闻乍看平淡：大厂又发了个便宜小模型，benchmark 涨了，价格降了，年年有。但把定价表摊开看，你会发现一个刻意设计的细节——Anthropic 在用价格本身给用户写产品说明书。它把提示词按 10 万 token 划了一条线：线内，输入降到每百万 token 0.10 美元、输出 0.50 美元，相对 Haiku 4.5 降价约 90%；线外，输入输出分别是 0.50 美元和 2.50 美元，降价约 50%。缓存读在 10 万以内只要 0.01 美元（Haiku 4.5 是 0.10 美元），缓存写 0.125 美元（Haiku 4.5 是 1.25 美元）。官方还顺手披露了一个分布：此前 Haiku 模型约 90% 的请求提示词在 10 万 token 以内——换句话说，这条悬崖线之下覆盖了绝大多数真实工作负载，综合算下来运行成本比 4.5 代平均低了约 75%。

「10 万 token 价格悬崖」：定价就是产品说明书

传统上，模型降价是线性动作：全场景统一打折。但 Haiku 5.5 的降价是阶梯式的，这不是财务部门的心血来潮，而是一种行为引导。Anthropic 在用定价告诉你：把长上下文任务切碎。10 万 token 大概是 7 万多字的文档，或者一个中等规模仓库的关键文件切片——大多数 agent 场景的单次子任务（读一个文件、跑一次测试、总结一段 diff）都落在这个区间里。超过 10 万 token 之后降价力度腰斩，等于在说：「你要么把任务拆得更碎，让每个子 Agent 的上下文保持苗条；要么就付溢价给全量长上下文。」

这背后是一套成熟的成本经济学。当一个 coding Agent 一天调用子模型几百上千次时，成本结构完全由两件事决定：单次调用的 token 量和调用次数。90% 降幅的档位精准地落在「高频、短 prompt」的子 Agent 场景里——摘要、compaction、数据库查询、分类请求，官方博客把这些例子点名写了出来。而那些动不动塞几十万 token 上下文的用法，价格优惠就大打折扣。这不是在惩罚长上下文，而是在承认一个现实：小模型的性价比优势，只在「任务被切碎」时成立。

更深一层看，价格悬崖是 Anthropic 对自己生态的诚实定价。它没有像某些厂商那样宣传「超长上下文、小模型价格」，而是公开承认：长上下文推理的真实成本就是高，硬压价只会让服务质量崩。所以它把悬崖线画在 90% 请求的分位点上——对大多数人是真降价，对重度长上下文用户是「别指望小模型干这个活」。

Benchmark 讲的是一个「被指挥」的故事

再看官方给出的 benchmark。这张表最有意思的地方不是 Haiku 5.5 赢了谁，而是它被拿来和谁比。

在 agentic coding 的两张核心榜单上，Haiku 5.5 的 Terminal-Bench 4.0 得分 39.2%——上一代 Haiku 4.5 在这项上是刺眼的 0.0%，同期对比的 GPT-6 Luna 是 16.4%，自家大哥 Sonnet 5.5 是 70.6%。FrontierCode 1.1 上 Haiku 5.5 拿到 46.4%，超过 GPT-6 Luna 的 42.4%，逼近 Sonnet 5.5 的 52.1%（高 effort 档）。注意这组对比的潜台词：Anthropic 拿自家小模型去对标的是 OpenAI 的同级小模型，而不是自家旗舰——小模型的战场，已经从「能不能聊天」彻底转向「能不能干活」。

Computer use 场景的跃升更夸张：OSWorld 2.1 离线子集上 Haiku 5.5 拿到 72.4%，上一代只有 15.7%，GPT-6 Luna 是 48.9%，Sonnet 5.5 是 83.9%。知识工作类的 GDPval-AA v2.1 拿到 1620 分（GPT-6 Luna 1437，Sonnet 5.5 1840），AA-Briefcase v1.1 拿到 1578 分（GPT-6 Luna 1336，Sonnet 5.5 1824）。连 Humanity's Last Exam 这种纯推理榜单，Haiku 5.5 都从上一代的 10.2%（无工具）/ 18.7%（有工具）爬到了 45.9% / 57.4%。

但真正定义这款产品的是官方博客里那句不起眼的话：「Sonnet 5.5 和 Opus 5.5 在 Terminal-Bench 这类复杂 agentic coding 任务上仍然是更好的选择；相比之下，Haiku 5.5 最适合那些范围更窄的任务——比如 compaction、摘要，或者 subagent 工作。」翻译一下：Anthropic 不指望你用 Haiku 5.5 独立解决难题，它希望 Opus/Sonnet 把任务拆开，Haiku 5.5 去当那个被指挥的执行者。这是官方第一次如此直白地把「大模型拆任务、小模型分头跑」的多 Agent 编排写进产品定位。

还有一个被低估的更新：Haiku 5.5 是首个支持可调 effort 档位的 Haiku 模型。用户可以在成本和智能之间自己拨旋钮。这意味着「小模型」不再是一个固定档位，而是一条连续光谱——当你需要时，它可以往上探一探；当你只想要便宜时，它退回底座。小模型第一次有了「弹性」。

生态已经用行动投票：Devin Fusion 的 66.2 分

发布当天，Cognition 就宣布 Haiku 5.5 进入 Devin。数字很有说服力：在他们自家的 FrontierCode 1.1 基准上，Haiku 5.5 单模型拿到 58.4%，超过 Sonnet 5，而单次任务成本只有约八分之一；把它放进 Devin Fusion 当 sidekick（副手），由 Opus 5.5 担任 lead（主 Agent），Fusion 整体在 FrontierCode 上保持 66.2 的顶级分数，同时成本和延迟双双下降。

这个案例恰好是 Anthropic 官方叙事的现实注脚：前沿模型负责 plan、歧义处理和最终 review，便宜的 sidekick 负责执行。「主从分工」不再是论文里的架构图，而是已经跑在生产环境里的计费单。Asana 的早期测试也佐证了速度维度：任务完成延迟降低超过 30%，每个 Agent 回合的推理速度最高快 2.5 倍——对「一次会话 fan-out 几十个子 Agent」的场景，延迟的改善和成本的改善是同一枚硬币的两面。

「一大一小」的两极分化正在成型

把视野拉远一点，2026 年的模型格局正在出现清晰的两极。一极是「大而全」路线：堆参数、补能力、上限越高越好，代表选手是 Mistral 那一类万亿参数级的旗舰——它们的使命是把智能的天花板继续往上顶。另一极就是 Haiku 5.5 代表的「小而专」路线：不追求单点智能的极限，追求在特定分工里的性价比极限。

这两极不是竞争关系，而是共生关系。大模型越强，它拆出来的子任务就越多、越细，对「便宜、快、够用」的执行层需求就越大。Anthropic 这次的组合拳恰恰印证了这一点：同一天，它把 Sonnet 5.5 的缓存读价格砍了一半（从每百万 token 0.20 美元降到 0.10 美元），让 Sonnet 在大多数 agentic 工作负载上便宜约 20%——因为缓存读占了 Agent token 消耗的大头；同时给 Claude Max 和 Team 订阅用户新增每月 API 额度（Max 5x 每月 100 美元、Max 20x 每月 200 美元、Team 汇总最高 500 美元），明确说这是为了「支持用户在 Claude 平台上构建新的 Agent 和应用」。降价、返额度、推小模型，三件事指向同一个战略：让多 Agent 应用的账算得过来。

对开发者来说还有一个实操层面的信号：Python 和 TypeScript SDK 这次新增了 computer use 和 browser use 的 beta 支持，而官方点名 Haiku 5.5「尤其适合」这两类任务——速度、能力和价格的组合，正好对上浏览器自动化、桌面操作这种高频、短 prompt、延迟敏感的场景。小模型的第一块根据地，正在从「文本分类」迁移到「操作电脑」。

风险面：便宜的子 Agent 不是没有代价

当然，把小模型推上 subagent 的位置，也有三笔账要算清楚。

第一笔是幻觉与指令跟随的短板。Haiku 5.5 的对齐评估相对 4.5 代有大幅改善，官方也承认它的网络安全防护「比 Haiku 4.5 更严格，但比其他新模型稍宽松」——允许更广泛的防御性任务，但依然封锁渗透测试等攻击性技术。这句话的另一面是：当你把成百上千个子 Agent 放出去自主跑，任何一个的指令跟随偏差都会被 fan-out 放大。多 Agent 架构下，小模型的错误不是线性叠加，而是指数扩散。主 Agent 的 review 环节必须跟上，否则省下的 token 钱会以 debug 时间的形式加倍还回去。

第二笔是价格悬崖诱发的 token 博弈。10 万 token 的分水岭一旦成为公共知识，开发者一定会开始「削足适履」：把 prompt 压到 99999 token 以内，或者把本该一次完成的任务硬拆成两次调用。短期看这是省钱，长期看可能扭曲架构设计——当定价开始指挥架构，架构就不再只为正确性服务。Anthropic 把线画在 90% 分位点上是聪明的，但任何硬阈值都会催生围绕阈值的博弈，这是所有阶梯定价逃不掉的宿命。

第三笔是生态锁定的隐性成本。Devin Fusion 的 66.2 分很漂亮，但它是「Opus 5.5 当 lead + Haiku 5.5 当 sidekick」这套特定组合打出来的。一旦你的 Agent 编排深度绑定某一家的大小模型搭配，切换成本就不只是 API 价格差，而是整个任务拆分、prompt 工程和评估体系的重写。小模型越便宜，迁移时沉没的工程投入反而越多——便宜的是 token，贵的是重构。

对开发者的实际意义

抛开宏大叙事，Haiku 5.5 发布后，值得动手的三件事很具体。

第一，重新审计你的 Agent 成本结构。如果你已经在用多 Agent 编排（Claude Code 的 subagent、LangGraph 的 fan-out、或者自研的 orchestrator），把其中「读文件、跑测试、做摘要、分类打标」这类窄任务切到 Haiku 5.5，账面上可能直接省掉七成以上。官方说的「平均便宜约 75%」不是营销话术，是 90% 降幅档位覆盖 90% 请求的数学结果。

第二，试试 effort 档位这个新旋钮。以前 Haiku 是「要么用、要么不用」的二选一，现在可以在单次调用级别调 effort。对那些「偶尔需要聪明一点」的子任务（比如让 subagent 先做一轮代码审查再动手改），把 effort 往上拨一档，可能比换大模型便宜一个数量级。

第三，关注 computer use / browser use 的 beta。Haiku 5.5 在 OSWorld 上从 15.7% 干到 72.4%，这个跃升幅度说明小模型操作电脑已经从「玩具」进入「可用」区间。RPA、自动化测试、网页数据采集这类场景，第一次有了「又快又便宜」的官方选项。

一句话总结：Haiku 5.5 的真正意义，不是「又一个便宜模型」，而是 Anthropic 把多 Agent 编排从最佳实践变成了官方产品形态。小模型正在变成子 Agent 的标准件——有标准定价（10 万 token 悬崖）、有标准分工（被大模型指挥）、有标准生态位（Devin Fusion 已经示范了一遍）。接下来拼的，不是谁的单模型更聪明，而是谁的编排能把「一大一小」的组合用出最高的投入产出比。这场仗，才刚刚开场。