Claude Haiku 5.5、GPT-6 Luna、Gemini 3.8 Flash：标价一样的0.10美元，10万token那道线画在不同地方

1.9K 0

把模型名从 claude-haiku-4-5 改成 claude-haiku-5-5，重新跑一遍分类脚本，第一条返回就是 HTTP 400。

原因藏在一个很多人写了两年都没动过的参数上：temperature: 0。Haiku 5.5 只接受 temperature 为 1，top_p 只能是 0.99，传 top_k 也报错。删掉之后再跑，第二个 400 来自 assistant 预填充，老脚本里用来逼模型直接吐 JSON 的那一行。第三个来自 thinking 里的 budget_tokens，新模型只认自适应思考加 effort 档位。三处都改完，脚本终于跑通，返回里排第一的内容块却是思考块，取 content[0] 的代码拿到的是空字符串。

这是迁移的开胃菜。

Anthropic 10 月 7 日发布的 Haiku 5.5，标价和 OpenAI 9 月 22 日上 API 的 GPT-6 Luna 一模一样：输入每百万 token 0.10 美元，输出 0.50 美元。再加上 9 月 2 日发布的 Gemini 3.8 Flash，和 9 月 10 日上线的 DeepSeek V4.1 Flash，这一档小模型在一个多月里全部换了代。四张价目表摆在一起看着差不多，真正决定账单的东西都不在第一行。

九成降价，先被分词器吃掉一截

Haiku 4.5 的价格是 1 美元和 5 美元，5.5 打了一折。官方自己的口径却是“平均便宜约 75%”，中间少掉的那部分去了两个地方。

第一个是新分词器。官方写明，同样的文本在 Haiku 5.5 上比 4.5 多出约 30% 的 token，具体看内容。没有给分语种的数字。能参考的是第三方用计数接口对同一套分词器（Claude 4.7 换上的那套）做的实测：英文技术文档 1.47 倍，Python 1.29 倍，英文散文 1.20 倍，紧凑 JSON 1.13 倍，中文散文 1.01 倍。

中文几乎不涨，代码和英文文档涨得最凶。

第二个是 10 万 token 这道线。Haiku 5.5 的 prompt 只要超过 100,000 token，整单所有单价乘以 5，输入 0.50、输出 2.50 美元，连缓存价也一起乘。它是 Claude 现役模型里唯一按请求长度分档的，Sonnet 5.5 和 Opus 5.5 都是 100 万上下文统一价。有个细节官方没写明：缓存读写的 token 算不算进这 10 万。缓存价本身也分两档，所以大概率是算的，但这只是推断，上生产前最好自己用小流量验一下。

分词器和这道线叠在一起，效果是线被往前推了。按官方的 30% 估，一个在 4.5 上量出来 8 万 token 的英文 prompt，换到 5.5 可能就是 10.4 万，刚好跨过去。

还有一处更隐蔽。Haiku 5.5 默认会把前几轮的思考块留在上下文里，按输入计费；Haiku 4.5 及更早的 Haiku 会自动剥掉。一个来回十几轮的子代理，输入的增长速度会比在 4.5 上快，越线也就越早。

同样标 0.10 美元，GPT-6 Luna 的线画在 27.2 万

GPT-6 Luna 也有长上下文加价，门槛是 27.2 万输入 token，超出后输入和缓存乘 2，输出乘 1.5。门槛高了近三倍，涨幅温和得多。有开发者算过一个检索场景：15 万 token 输入加 1000 token 输出，Haiku 5.5 一次约 0.078 美元，Luna 约 0.016 美元，差了快 5 倍。

短请求里两边标价相同，差距又出在别处。

Artificial Analysis 的智能指数里，Haiku 5.5 开 max 档拿 43 分，GPT-6 Luna 开 max 是 38 分，Haiku 赢了。代价是 token：在同一套任务上，Haiku 5.5 max 档的输出 token 大约是 Luna 的 3 倍。几处来源给的具体数字口径不一，“约 3 倍”这个量级是一致的。HN 上有人引同一组数据算每完成一个任务的成本，Haiku 在各个档位都比 Luna 贵出约 3 倍。

effort 档位就是这笔账的旋钮。Anthropic 在提示词文档里给过一组数：长的编程智能体 prompt 下，从 low 调到 medium，提前停工的情况减少约一半，每次尝试的输出 token 翻了一倍多。思考 token 按输出价算，也算进 max_tokens。在 4.5 上只回 100 个 token 的分类器，换到 5.5 如果不主动压档，回出来的会长得多。

可压到 low 也有代价。simonw 拿他那个“鹈鹕骑自行车”的 SVG 测试跑了各档，low 和 medium 画出来的车架是坏的，xhigh 以上才正常；max 一次 3.38 美分，low 只要 0.09 美分。官方文档也承认，low 档在长 prompt 里更容易漏搜索、提前收工，编程任务里会出现没跑检查就报完成的情况。

Luna 的毛病在另一头。Artificial Analysis 测出它的幻觉率 77%，而且在 SWE-Atlas-QnA、DeepSWE 等几项上比上一代 GPT-5.6 Luna 还退了，比如 SWE-Atlas-QnA 从 49% 掉到 44%。同一项幻觉测试里 Haiku 5.5 是 40%，四家里最低。便宜、话少、但更敢编，这是 Luna 的画像。

	Claude Haiku 5.5	GPT-6 Luna	Gemini 3.8 Flash	DeepSeek V4.1 Flash
发布	2026-10-07	2026-09-22（API）	2026-09-02	2026-09-10
输入 / 输出（每百万 token）	$0.10 / $0.50	$0.10 / $0.50	$0.75 / $3.75（限时至 12-31）	闲时 $0.15 / $0.60，峰时翻倍
缓存命中	$0.01	$0.01	$0.075 + 存储费	闲时 $0.003
长请求加价	超 10 万，全部 ×5	超 27.2 万，输入 ×2、输出 ×1.5	未分档	未分档
上下文 / 最大输出	1M / 128K	1.05M / 128K	1M / 64K	1M / 384K
Terminal-Bench 4.0	39.2%	16.4%	19.1%	31.2%
AA 智能指数	43（max）	38（max）	41	39

表里的 Terminal-Bench 4.0 有个前提：Haiku 5.5 那 39.2% 是 max 档、5 次平均跑出来的，Luna 的 16.4% 由 Anthropic 在系统卡里给出。各家自报的分数测法不完全一样，看量级就好，别抠个位数。

Gemini 3.8 Flash 的价格，有效期到年底

单看能力，Gemini 3.8 Flash 是这一档里最均衡的。AA 智能指数 41，知识类的 AA-Omniscience 拿到 55%，Haiku 5.5 只有 36%。要查事实、问冷知识，它比 Haiku 靠谱。

价格页上写得很清楚，0.75 美元和 3.75 美元是限时价，截止 2026 年 12 月 31 日。2027 年 1 月 1 日起恢复 1.50 和 7.50 美元，翻一倍。现在按它做的成本预算，三个月后就得重算。

缓存也不便宜。命中价 0.075 美元之外，还按每百万 token 每小时 0.50 美元收存储费。长时间挂着一份大系统提示的服务，这笔存储费会悄悄累积。

它在智能体任务上偏弱。Terminal-Bench 4.0 只有 19.1%，OSWorld-2.0 是 59.0%。谷歌自己在说明里写了，遇到更长更复杂的任务它会用更多 token，“这是设计如此”。最大输出 64K，也是四家里最短的。

DeepSeek V4.1 Flash：白天跑批贵一倍

V4.1 Flash 的闲时价是这一档的地板：缓存命中 0.003 美元，未命中 0.15，输出 0.60。命中和未命中差了 50 倍，缓存设计得好，长系统提示的成本几乎可以忽略。权重是 MIT 协议开源，552B 的 MoE，解码时激活 16B，自己部署也是一条路。

坑在时段。峰时价是闲时的两倍，峰时定在工作日北京时间 9 点到 12 点、14 点到 18 点。国内团队最常跑任务的时间，正好被划进了贵的那一档。把批处理挪到晚上，能直接省一半。

另一个让人不放心的是路由。DeepSeek 公告里说，从 9 月 14 日起 V4-Pro 的请求会被路由到 V4.1-Flash，但定价页上 V4-Pro 的价格还挂着，Hugging Face 讨论区有用户反映模型 ID 和计费对不上。这种事发生一次，财务对账就得多花一个下午。能力上，它的 Terminal-Bench 4.0 是 31.2%，HLE 是 36.8%，复杂推理和头部闭源模型还有明显差距。

Haiku 5.5 自己的两处硬伤

一是拒答。系统卡里有个矛盾的数字：普通良性请求的过度拒答率从 4.5 的 0.44% 降到 0.17%，但在自动行为审计里，它的过度拒答比测过的所有模型都多。新加的安全分类器会返回 stop_reason 为 refusal，而 Haiku 5.5 没有服务端兜底，同样的请求重发多半还是拒。在 Terminal-Bench 4.0 的 660 次试验里，有 12 次就是被分类器拦下判了失败。做安全、做逆向的团队，迁移前要先拿自己的真实请求过一遍。

二是档位不太听话。有用户反映在 Claude Code 里把 effort 设成 max，会被自动改回 xhigh，思考内容又是隐藏的，没法核对它到底想了多少。顺带一提，Max 订阅每月送的 100 美元和 200 美元 API 额度，恰好不能用在 Claude Code 上，只能走 API、Agent SDK 和 Playground，当月到期也不结转。

它也有 4.5 没有的好处。最小可缓存长度从 4096 token 降到了 512，系统提示短的子代理以前根本吃不到缓存，现在可以了。不过改顶层 effort 会让整段会话的缓存失效，想按任务动态调档，得用逐消息 effort 那个 beta 头。

一个跟主流评测相反的判断

HN 上骂 Haiku 5.5 的帖子，几乎都在说它对智能体不友好：10 万线太低，max 档太费 token，按任务算比 Luna 贵。这些都对，但讨论的基本是英文编程智能体。

中文的情况正好反过来。

如果中文真像第三方测的那样只多 1% 的 token，那么中文分类、中文摘要、中文客服回复这类短请求，就能吃到几乎完整的九折降价，而且很难碰到 10 万线。分词器那 30% 的税，主要收在英文技术文档和代码上，也就是 HN 上那批人自己的工作负载。Haiku 5.5 被骂最狠的场景，恰好是中文用户用得最少的场景。

这个判断有个前提没验证过：Haiku 5.5 的中文能力本身。官方只给了 42 种语言平均 87.8% 的 GMMLU，没有中文单项分数，社区里也还没看到像样的中文实测。所以我的建议是小批量灰度，盯住两个数：同一批中文请求在 4.5 和 5.5 上的 token 计数，以及 medium 档的输出质量。

按请求形状分派

中文短请求、高并发、要结构化输出：Haiku 5.5，effort 从 low 或 medium 起步，抽检质量再往上调。记得先把 temperature、预填充和 budget_tokens 三处改掉。

英文长上下文检索、一次就要塞十几万 token：GPT-6 Luna。27.2 万的门槛加上温和的涨幅，长请求的账单最可控。但它幻觉率高，结果要能被校验，别让它直接回答事实问题。

知识问答、事实核查：Gemini 3.8 Flash，前提是能接受明年价格翻倍，或者到时候再换。

夜间跑批、对成本极度敏感、或者想自己部署：DeepSeek V4.1 Flash，把任务排到北京时间 18 点以后。

多轮编程智能体：这一档四个都不太合适。Haiku 5.5 的 max 档能力够，但 token 和 10 万线会把账单推上去；这类活更适合直接上 Sonnet 5.5，它的缓存读取价刚降到 0.10 美元。