克劳德俳句 5.5

隆重推出 Claude Haiku 5.5：我们发布过的最便宜、最快且功能最强大的小型型号。 Claude Haiku 5.5 专为大批量、成本敏感的任务而设计。它可靠地处理快速且重复的工作负载（例如摘要、压缩、数据库查询和分类请求）。它与 Opus 5.5 和 Sonnet 5.5 完美搭配，作为编码工作的子代理。而且，由于它也是我们迄今为止最快的型号，因此它特别适合对速度敏感的任务，例如实时客户支持和浏览器使用。1 Haiku 5.5 的价格比 Haiku 4.5 低得多。平均而言，它的运行成本现在降低了约 75%。² 随着此次发布，我们正在提高模型系列的价值。我们将 Claude Sonnet 5.5 的缓存读取价格减半，这意味着 Sonnet 5.5 现在在大多数代理工作上运行便宜约 20%。我们正在为 Claude Max 和 Team 订阅者推出新的每月 API 积分，旨在支持我们的用户构建在 Claude 平台上运行的新代理和应用程序。性能 以下是 Claude Haiku 5.5 在一系列基准测试中的表现： Haiku 5.5 Haiku 4.5 GPT-6 Luna Sonnet 5.5 供参考 知识工作 GDPval-AA v2.1 知识工作 GDPval-AA v2.1 1620 735 1437 1840 知识工作 AA-Briefcase v1.1 知识工作 AA-Briefcase v1.1 1578 614 1336 1824 计算机使用 OSWorld 2.1 计算机使用 OSWorld 2.1 72.4% 离线子集 15.7% 离线子集 48.9% 离线子集 83.9% 离线子集 多学科推理 人类的期末考试 多学科推理 人类的期末考试 45.9% 无工具 10.2% 无工具 — 56.9% 无工具57.4% 使用工具 18.7% 使用工具 — 64.5% 使用工具 代理编码 Terminal-Bench 4.0 代理编码 Terminal-Bench 4.0 39.2% 0.0% 16.4% 70.6% 代理编码 FrontierCode 1.1（主要） 代理编码 FrontierCode 1.1（主要） 46.4% — 42.4% 52.1% Xhigh 视觉推理 图表 视觉推理 图表 46.4% 无工具 6.4% 无工具 29.1% 无工具 61.6% 无工具 有关我们如何运行评估的详细信息，请参阅 Haiku 5.5 系统卡 。 Haiku 5.5 是我们首款具有可调节力度设置的 Haiku 级型号。这意味着，与我们的其他模型一样，用户可以决定是否针对成本或智能进行优化。下图显示了 Haiku 5.5 在每个工作设置下在三个基准上的表现： 计算机使用：OSWorld 知识工作：GDPval-AA 多学科推理：Humanity 的最后考试 计算机使用：OSWorld 知识工作：GDPval-AA 多学科推理：Humanity 的最后考试 OSWorld 2.1（离线子集） 准确性与成本 Haiku 5.5 Haiku 4.5 Sonnet 5.5 GPT-6 Luna 0 10 20 30 40 50 60 70 80 90 部分学分分数 (%) 0.05 0.10 0.20 0.50 1 2 5 每次尝试成本（美元，对数刻度） Low Med High Xhigh Max GDPval-AA v2.1 准确度与成本 Haiku 5.5 Haiku 4.5 Sonnet 5.5 GPT-6 Luna 800 1000 1200 1400 1600 1800 2000 0 Elo，据报告 0.005 0.01 0.02 0.05 0.10 0.20 0.50 1 2 5 每项任务的成本（美元，对数刻度） Low Med High Xhigh Max Humanity’s Last Exam（无工具） 准确性与成本 Haiku 5.5 Haiku 4.5 Sonnet 5.5 0 10 20 30 40 50 60 70 分数 (%) 0.005 0.01 0.02 0.05 0.10 0.20 0.50 1 每次尝试成本（美元，对数刻度） Low Med High Xhigh Max 在早期测试中，我们的客户报告的结果与上面显示的性能和成本改进一致。以下是他们对新模型的介绍： Asana HubSpot AlphaSense Box Rogo Cognition Asana HubSpot AlphaSense Box Rogo Cognition 引用 “Claude Haiku 5.5 给我们留下了深刻的印象，尤其是它的速度。我们通过 AI Teammates（我们的 AI 代理产品）的评估套件对其进行了运行，涵盖了诸如分类错误、设置项目以及搜索大型组合以显示高风险或逾期工作等用例。与我们今天使用的模型相比，我们看到了任务完成延迟减少了 30% 以上，每个代理回合的推理速度提高了 2.5 倍，这是一种明显更快的体验。”公司 Asana 作者 Aaron Vinh，资深软件工程师说道：“在 HubSpot，我们使用模拟门户来评估 CRM 任务（例如交易报告）的新模型。我们主要测试更小、更高效的模型，而 Claude Haiku 5.5 获得了我们在该套件中见过的最好分数，在 3 次运行中平均得分为 92.8%。一项 CRM 审计任务要求模型识别过时但不明确的记录。在我们测试的所有模型中，Haiku 5.5完成任务最快，命中率最高，误报率最低。” HubSpot 公司杰出软件工程师 Ze’ev Klapow 表示：“文档中的询问是我们的一大支出来源，在生产环境中每周执行约 800 万次调用。它在一个或几个文档之上回答非常具体的问题。我们运行了 400 个查询，Claude Haiku 5.5 比 Haiku 4.5 有了统计上的显着改进：0.84 比 0.76。” AlphaSense 公司的作者、杰出工程师 Daniel Campos 表示：“我们的客户在大量企业内容中使用 Box AI。随着广泛使用，需要管理效率和效率。”