定价策略与历史背景

Anthropic发布了Claude Haiku 5.5，这是5.5模型家族中最后一款成员。作为最便宜的型号，Haiku系列此前长期未更新（上次更新于2025年10月），导致其能力备受质疑。然而，新版本似乎继承了Sonnet和Opus的强劲势头。Haiku 5.5的主要卖点在于其极具竞争力的价格，它是Sonnet 5.5价格的四分之一。具体而言，输入价格为每百万token 0.1美元（即原文提到的“50 cents”可能指旧版或特定语境，但文中明确对比Sonnet为1/4价格且提到新定价细节时指出输入0.1美元），输出价格为每百万token 2.50美元。相较于前代Haiku 4.5，价格减半。这种定价策略使其成为高吞吐量、成本敏感型任务的理想选择。尽管成本低廉，但用户需警惕其能力上限，它并非旨在替代Sonnet或Opus等高性能模型。

技术规格与性能权衡

在技术参数方面，Claude Haiku 5.5拥有100万token的上下文窗口和最大128K的输出令牌限制。其知识截止时间为2026年6月，与当前其他模型保持一致。值得注意的是，该模型在“Max”模式下运行能带来显著的能力提升，这与Opus或Sonnet在不同设置下性能差异较小的情况不同。为了测试其极限能力，评测采用了Max模式，尽管这会增加成本。然而，对于某些特定任务（如浏览器OS模拟），由于输出限制问题，可能需要降级到“High”模式运行。这种灵活性允许用户根据任务需求在成本和性能之间进行权衡。知识截止时间的更新确保了模型对近期信息的掌握，这对于评估其实际应用能力至关重要。

浏览器操作系统模拟测试实录

在具体的基准测试中，评测尝试让模型构建一个完整的“Browser OS”。起初使用Max模式运行了43分钟，但因响应超出输出限制而中断。由于担心无法恢复进度且未产生实质内容，评测转而使用High模式重新测试。结果显示模型存在明显的“小模型气味”：虽然右下角显示了正确的本地时间和日期，右键点击有波纹效果，但壁纸切换功能表现糟糕（“ equally disgusting”）。搜索功能的缺失是一个明显的扣分项。邮件应用功能相对完整，包含通知和简单交互；GTA克隆游戏虽然地图显示不全（被半透明元素遮挡），但驾驶手感尚可，警察AI行为正常。文件应用和笔记功能基本可用，支持字体调整和保存到文件系统。尽管存在缺陷（如无法从车内退出），但在该价位和模型类别中，表现尚可接受。测试表明Haiku 5.5在复杂UI构建上仍有局限，但基础功能实现能力有所提升。

Haiku系统基础应用生成：绘画工具与动态壁纸

Claude Haiku 5.5在Haiku操作系统上的基础应用生成表现超出了预期，不仅实现了功能完整的绘画应用程序，还展现了良好的界面缩放能力。测试者观察到应用运行流畅，没有明显的显示异常或功能缺陷。在存储机制方面，模型成功将生成的文件保存至假文件系统（fake file system）的图片文件夹中，尽管过程中出现了“存储已满”的提示音，但这反而证明了其文件系统交互逻辑的真实感。此外，模型还生成了包含“肉丸”、“等离子体”和“流动”等风格设置的界面，虽然审美评价两极分化，但功能完整性值得肯定。

更具创新性的是“情绪引擎（Mood Engine）”壁纸功能。该功能通过监听用户的操作行为——包括每秒按键次数、鼠标移动速度以及最后触摸设备的时间间隔，将活动转化为0到1之间的实时能量值。这种设计让壁纸能够根据用户的工作节奏动态变化，体现了模型对交互逻辑的深刻理解。Nova系统通过解析这些细微的操作数据来驱动视觉反馈，展示了模型在生成复杂交互逻辑时的潜力。尽管测试者对“如何解析”这一概念尚存疑惑，但这种基于行为数据的动态响应机制在同类模型中显得尤为独特且有趣。

Blender与GDAU生成的派对游戏：细节惊艳但交互生硬

评测者首先尝试让Claude Haiku 5.5利用Blender和GDAU引擎生成一个名为“Backyard Pool Party”的游戏，选择该项目的初衷在于其相对新颖且独特，不太可能大量存在于模型的训练数据中。在测试过程中，镜头环绕并穿过门时出现了“Backyard poo party”的文字错误，但整体旋转逻辑得以实现。游戏界面被形容为类似Wii Sports的编码风格，虽然评测者表示完全不知道如何游玩，但通过不断尝试发现了操作机制。最令其印象深刻的是细节处理：狗跳入水中的动作以及水面特效，这种对物理交互的细腻呈现让评测者直呼“Insane in all caps”。尽管UI和背景着色略显粗糙，但整体完成度超出了对Haiku模型的预期。评测者通过按空格键进行充气操作，发现游戏能准确响应黄色或绿色区域的按键时机，这种空中移动能力和简单的物理反馈证明了模型在生成可玩性内容方面的能力。

“Look at the dog. Oh, the dog jumped in the pool, too. Insane in all caps.”

Subway FPS迭代测试：从冻结崩溃到动态场景生成

接下来，评测者将压力转移到“Subway FPS”项目，这是一个包含波次清除、列车进站及下一站挑战的射击游戏。初始版本在35分钟内生成，但存在严重Bug：鼠标控制失效导致武器无法跟随视角移动，且在列车进站时程序冻结。评测者通过Claude Code终端应用反馈问题，主要指出手臂模型异常和列车阶段的崩溃。经过8分30秒的快速迭代修复后，手部浮动与相机不同步的问题得到解决，画面变得干净利落。然而，新的问题出现：子弹轨迹残留以及列车进站时再次冻结。评测者进一步提供控制台错误信息并指定修复，最终在浏览器原生运行中成功阻止了冻结现象。更令人惊喜的是场景的动态变化：每一站的视觉美学都不同，列车内部甚至增加了显示信息的屏幕。这种随机生成的环境多样性避免了重复感，即便模型规模较小，也能实现复杂的场景切换逻辑。评测者认为第三次尝试终于成功，尽管在列车上无法射击的新限制存在，但整体进化显著。

“In only 8 and a half minutes, our Subway result has supposedly been fixed... It did fix that where we had the hand was floating and not corresponding with the camera movement.”

RuneScape 2007像素复刻：基础统计与战斗逻辑验证

最后，评测者挑战了一个更小众的项目：PvP Grand Exchange的像素完美复刻（基于RuneScape 2007）。这一测试旨在验证模型对经典游戏机制的理解。生成的版本中，玩家初始状态为3级、10点生命值的基础新手属性，这与大多数模型直接生成满级角色的做法形成对比。评测者观察到青铜剑的武器逻辑正常，物品栏功能完整，且没有生成NPC，专注于玩家间的互动。尽管界面简单，但核心战斗逻辑得以保留。评测者指出这是唯一在该测试中提供完全新手统计数据的模型。虽然由于模型限制，某些复杂交互可能缺失，但基础的经济和战斗框架搭建得当。评测者认为这一结果并非“菜鸟”级别的表现，反而展示了模型在处理特定历史游戏版本时的准确性。通过这一系列测试，Haiku 5.5在代码生成、细节渲染及迭代修复方面展现了惊人的潜力，尤其是在处理非主流或新穎编程任务时。

“This is the only model so far to do this test that has just given us like completely beginner stats... This is a level three with 10 hit points.”

手表网站生成的细节表现

评测者首先对Claude Haiku 5.5进行了传统的“手表网站”测试，要求模型生成包含特定表盘照片、爆炸视图以及不同材质表带（如钢制蓝色款）的完整网页。在最高努力级别下，模型成功提取了参考图片中的表带细节以激发美学灵感，并生成了包含多个元素的页面。虽然生成的表带存在过窄的问题，但整体结构完成度较高。值得注意的是，模型在生成过程中出现了轻微的模糊现象（如“8,900”字样），且无法实现手动拖拽交互，这并非提示词要求而是模型限制。整个测试过程耗时22分钟9秒。评测者指出，尽管存在瑕疵，但考虑到这是Haiku级别的模型，其表现令人印象深刻。

拆除赛车游戏的物理与场景构建

第二个测试案例极具挑战性，要求模型基于Gemini生成的“拆除赛车”图片，使用Blender和Godot引擎创建一个像素级复刻的游戏Demo。需求包括软体物理碰撞、多种摄像机视角（电影式、第一人称、第三人称追逐）、零件脱落及悬挂系统。结果显示，模型成功实现了悬挂系统和烟雾粒子效果，甚至复刻了参考图中的碰撞烟尘。虽然软体物理表现较为有限（仅表现为保险杠弯曲），但整体游戏逻辑和场景构建出人意料地好。评测者认为，尽管汽车模型略显滑稽，但作为一个由Haiku生成的完整游戏Demo，其效果并不糟糕。这一测试未使用Ultra Code模式，且耗时估计在30分钟以内。

成本效率与综合性能评估

评测的核心结论集中在“性价比”上。尽管Haiku 5.5在绝对性能上不及Sonnet、Opus或GPT-6等顶级模型，但其每周使用量仅占订阅套餐的1%。评测者强调：“The entirety of this testing used 1% of our weekly usage.”这一数据对于每月200美元的订阅用户而言极具吸引力。此外，C++滑板游戏的生成也展示了其接近前沿水平的能力，能够准确复刻参考照片并构建干净的城市环境。评测者总结道：“This is state-of-the-art Frontier.”虽然部分细节（如天空盒）略显滑稽，但Haiku 5.5在低成本下展现出的代码生成与资产构建能力令人惊叹，是追求效率用户的理想选择。

结论

Claude Haiku 5.5以Sonnet五分之一、前代半价的极致性价比，证明了其在成本敏感型任务中的统治力。尽管绝对性能不及顶级模型，但它在代码生成、复杂交互逻辑（如动态壁纸）及迭代修复上表现惊人。测试显示，它能生成具备物理反馈的游戏、复刻经典像素游戏机制及构建完整UI应用。其短板在于复杂场景下的稳定性（如浏览器OS模拟中断）及部分物理细节的粗糙，且需警惕输出限制。总体而言，它是追求高吞吐量与效率用户的理想选择，尤其适合非前沿核心但需大量生成的场景。