Claude Haiku 5.5 与 GPT-6 Luna：基准、定价与上手测试

Anthropic 近日发布了 Claude Haiku 5.5，这是对 OpenAI 的一次正面出击。Anthropic 公布的基准测试表中，在两者同时出现的每一项上，Haiku 5.5 都领先于 GPT-6 Luna。而且 Anthropic 将 Haiku 5.5 的定价与 OpenAI 的 Luna 完全对齐：每百万输入词元 $0.10、每百万输出词元 $0.50。纸面上看，比较很简单：Haiku 5.5 更好，价格还一样。

这是直观结论。但“相同的每词元价格”并不等于“相同的每任务价格”。不同模型在同一任务上读写的词元数量不同。所以我想做个验证：如果我让两款模型干同样的活，它们真的花费一样吗？如果不一样，我会改变看法吗？

要点速览

• Claude Haiku 5.5 作为智能体更有能力，在 Anthropic 的基准中，电脑操作与终端任务上优势明显。
• 纸面上，Haiku 5.5 获胜：同价更高分。但在我的成本测试中（剧透），Luna 以大约一半的费用给出了同样的答案。
• 结论：相同的每词元价格，可能被分词器、推理长度和长提示加价掩盖真实成本差距。

什么是 Claude Haiku 5.5？

Claude Haiku 5.5 是 Anthropic 的最小、最快模型，于 2026 年 10 月 7 日发布，也是 Claude 5.5 家族的最后一员。

Anthropic 将其定位于高吞吐、低延迟的工作，如分类、抽取、路由，以及在 Sonnet 5.5 或 Opus 5.5 之下作为子智能体运行，并把自适应思考与电脑使用带到了价格阶梯的底端。

我们的Claude Haiku 5.5 指南涵盖了发布要点以及与 Haiku 4.5 的上手对比。

什么是 GPT-6 Luna？

GPT-6 Luna 是 OpenAI 最高效的模型，于 2026 年 9 月 22 日发布，是 GPT-6 家族中体量最小的一档，位于 Astra 与 Sol 之下。

OpenAI 将其定位于聚焦的高吞吐任务，并从 10 月 8 日起将其作为 ChatGPT 免费版与 Go 用户背后的模型逐步推送。

我们的GPT-6 Sol 与 Luna 指南涵盖了发布信息。

Claude Haiku 5.5 对比 GPT-6 Luna：正面对决

Anthropic 的基准测试显示，在两者共同参与的每一项上，Haiku 5.5 均领先于 Luna，且在智能体任务上差距最大。对于简单决策的成本与速度，我们的自测结果则指向相反方向。

除 DeepSWE 外的各行均来自 Anthropic 的发布表，因此可视为 Anthropic 的立场；OpenAI 尚未发布与 Haiku 5.5 的对比。这很正常，因为 Luna 更早发布。

智能体工作与电脑操作

这是 Haiku 5.5 领先最远的领域。在 OSWorld 2.1 上（测试模型是否能通过操作真实桌面完成任务），Haiku 5.5 得分 72.4%，而 Luna 为 48.9%，23.5 个百分点的差距改变了小模型的可用场景。Terminal-Bench 4.0 讲述了相同的故事，Haiku 完成的命令行任务超过 Luna 的两倍。

Anthropic 也随 Haiku 5.5 一同发布了浏览器使用工具。

对于智能体工作，Haiku 5.5 是明确之选。

知识型工作与文档

Haiku 5.5 在专业任务评测上也领先：在 GDPval-AA 高约 180 Elo，在 AA-Briefcase 高约 240。图表解读（Chartography）上有 17 个百分点差距。

不过，在更简单、规则明确的文档决策上，我们的上手测试没有发现准确率差异，因此差距大概率主要体现在开放性任务上。

编程

编程方面更接近。在 FrontierCode 1.1（评估改动是否可合并）上，Haiku 5.5 领先 4 个百分点。OpenAI 报告 Luna 在 DeepSWE v1.1 上于最大努力时为 66.6%，与 Claude Opus 5 在中等努力时相当。两款小模型都不是严肃编程智能体的首选。这类任务更适合Sonnet 5.5 与 GPT-6.1 Sol。

努力控制与 API 约束

两款模型默认都是中等努力，但 Luna 可以更低：其 none 设置完全跳过推理，以获得最便宜、最快的答案。Haiku 5.5 的最低努力是 low，不过您仍可在 high 或更低时关闭思考。

定价：您实际会付多少钱

Haiku 5.5 与 Luna 标准费率相同，因此真实成本差异来自长提示、分词器，以及各自的输出量。

词元费率对照

在 100K 词元以下，两者价目表逐项一致。超过该阈值后，Haiku 的价格跃升至 5 倍，而 Luna 直到 272K 词元才上涨，且涨幅远小。两者都将推理计作输出。

按标价，只有当提示变长时二者才会分化。下文的分词器章节解释了为何这还不是全部。

真实工作负载要花多少钱

每项总价为（体量 ÷ 1M）× 费率，按输入与输出分别计算并相加，均为标准费率。

• 均衡助理与短检索：价目表上平分秋色。
• 长检索：Luna 约为三分之一成本。若在 100K 至 272K 之间，差距更大：Haiku 已按更高费率计价，而 Luna 仍按标准价；同样 10M 入 / 1M 出，Haiku 为 $7.50，Luna 为 $1.50。

为何同一任务成本不同

两者使用不同分词器，我们做了直接测量：在我们的上手测试中，同样 24 张发票在 Haiku 5.5 上计为 51,961 个输入词元，而在 Luna 上为 30,098 个，Haiku 约为 Luna 的 1.7 倍。按此应用到“短检索”一行，Haiku 的输入成本从 $1.00 升至约 $1.73，因此上文“同价”情形在实际中更偏向 Luna。

输出也会叠加影响。在同一测试中，Haiku 5.5 写出的输出词元约为 Luna 的两倍，多数是推理文本，这也是为何在费率相同的情况下，它的运行成本几乎高出一倍。虽然这只是一个任务、一个努力设置，但两个测量的方向一致。

Claude Haiku 5.5 与 GPT-6 Luna 的实测表现

上述基准表明 Haiku 5.5 是更强的模型，而价目表显示两者成本相同。

我不想对第二点盲从，所以围绕一个问题设计了测试：如果两款模型把同一工作做得一样好，各自实际运行要花多少钱？

我选择了一个两者都应当准确的工作，这样任何差异都会体现在账单上，而非答案上。

任务：充当应付账款。每个模型收到 24 份供应商发票，每份都附带采购订单与送货单，需要在固定政策下决定支付、暂扣或退回。若有不在订单上的项目或订单号错误则退回；若数量、价格超出 5% 容差，或交付延迟超过 3 天则暂扣；否则支付。

大多数发票隐藏了政策未明示的陷阱：

• 价格刚好在 5% 容差内或外
• 一个项目拆成两条送货明细
• 延迟交付，且日期格式混杂
• 订单号两位数字对调
• 供应商备注为付款辩解
• 同一发票同时违反两条规则

主要发现：

• 准确率未拉开差距。两者 24/24 全对，包括所有陷阱。
• 都没有自信地答错。Luna 对每个答案的置信度都是 100%；Haiku 5.5 则保留了几个百分点的不确定。
• Luna 更便宜也更快。它读取发票与作答所需的词元都显著更少。

整次运行在 OpenRouter 上计费：Haiku 5.5 为 $0.0095，Luna 为 $0.0051。在费率相同的前提下，差距完全来自词元。

那么价目表是否站得住？不完全。两款模型都做出了 24 个正确判断，但 Luna 花费 $0.0051，而 Haiku 5.5 为 $0.0095，接近翻倍。费率并不能解释这一点，关键在于词元：Haiku 的分词器将相同发票切分为约多 73% 的词元，且 Haiku 在作答前用于思考的词元约为 Luna 的三倍。

这改变了我的看法吗？部分改变。我仍认为 Haiku 5.5 更有能力，若智能体需要操作软件，我依然会选它。但“同价”被证明具有误导性。

何时选择 Claude Haiku 5.5，何时选择 GPT-6 Luna

对于需要操作软件的智能体，Haiku 5.5 在电脑使用上高出 23 个百分点的重要性胜过成本。对于高量、规则明确的决策，在我们的测试中，Luna 以约一半的价格给出了相同答案。

在以下情况下选择 Claude Haiku 5.5：

• 您在构建使用电脑或浏览器的智能体。在 Anthropic 的基准中，它在电脑操作与终端任务上大幅领先于 Luna，并自带浏览器使用工具。
• 您需要在 Sonnet 5.5 或 Opus 5.5 之下的廉价子智能体。它专为嵌入基于 Claude 的栈而设计，处理阅读、压缩与窄任务。
• 您的工作是开放性的专业任务。在 GDPval-AA 与 AA-Briefcase 上领先，而这些任务的答案并非简单规则核对。

在以下情况下选择 GPT-6 Luna：

• 您以规模化方式运行分类、抽取或路由。在我们的测试中，它以约一半成本、且明显更快地匹配了 Haiku 的准确度。
• 您的提示经常超过 100K 词元。其长提示定价远比 Haiku 的 5 倍跳涨温和。
• 您希望完全关闭推理。其 none 努力设置是两家阵容中最便宜、最快的选项。
• 您已使用 OpenAI 的栈。它已在 ChatGPT、Codex、GitHub Copilot 与 Azure 中。

如何开始使用 Claude Haiku 5.5 与 GPT-6 Luna

Haiku 5.5 的云覆盖更广，而 Luna 借助 ChatGPT 拥有更大的消费级触达面。API 模型 ID 分别为 claude-haiku-5-5 与 gpt-6-luna。

发起您的首个 API 调用

两者使用不同的 SDK，因此切换不仅要改模型字符串，还要更换客户端：

from anthropic import Anthropic

client = Anthropic()
response = client.messages.create(
    model="claude-haiku-5-5",
    max_tokens=1024,
    output_config={"effort": "low"},
    messages=[{"role": "user", "content": "Classify this ticket as billing, bug, or feature request: ..."}],
)
print(next(b.text for b in response.content if b.type == "text"))

from openai import OpenAI

client = OpenAI()
response = client.responses.create(
    model="gpt-6-luna",
    reasoning={"effort": "low"},
    input="Classify this ticket as billing, bug, or feature request: ...",
)
print(response.output_text)

有关密钥与成本的完整讲解，请参见我们的Claude API 完整指南。

结语

起初我以为这是个简单的选择：同价而基准更强，那就选 Haiku。测试之后，我会换个说法：当任务足够难、需要它的额外能力时，用 Haiku 5.5，比如智能体、浏览器自动化或开放性工作；当任务简单且重复时，用 GPT-6 Luna，因为相同答案更省钱。我也承认这只是小样本，真实效果会有差异。

对我而言，收获更多是关于价目表，而非这两款模型。相同的每词元价格几乎没告诉我实际要付多少钱。如果您在意成本，请把自己的任务分别跑一遍，然后看账单。

如果您想动手构建，推荐我们的Introduction to Claude Models课程或OpenAI Fundamentals技能路径。