Anthropic 发布 Haiku 5.5,成本降低 90%,OSWorld 得分升至 72.4%
Anthropic 的小模型 Haiku 5.5 便宜了 90%,操作电脑的基准分从 15.7% 拉到 72.4%,跑批量智能体任务的可以看看。
Anthropic 发布 Haiku 5.5,在 10 万 token 以内的提示词场景下,成本比 Haiku 4.
5 低 90%。该模型首次引入 Haiku effort 设置,可在成本与准确率之间权衡。
在测试智能体操作真实电脑能力的 OSWorld 2.1 基准上,得分从 Haiku 4.
5 的 15.7% 提升到 72.
4%;在无工具图表推理测试 Chartography 上从 6.
4% 升至 46.4%。
Asana 实测任务完成延迟降低超 30%,每轮智能体推理速度提升至 2.5 倍。
不过 Anthropic 仍建议 Terminal-Bench 4.0 等复杂智能体编程任务使用 Sonnet 5.
5 或 Opus 5.5。
Anthropic dropped Haiku 5.5
> costs 90% less than Haiku 4.5 on prompts up to 100K tokens.
> Haiku 5.5 adds the first Haiku effort setting, trading cost for accuracy, but Anthropic still recommends Sonnet 5.5 and Opus 5.5 for complex agentic coding such as Terminal-Bench 4.0 tasks.
> Asana reported over 30% lower task-completion latency and up to 2.5x faster inference per agent turn than its current model.
> On OSWorld 2.1, which tests whether an AI agent can operate a real computer to finish long multi-step tasks, Haiku 5.5 jumped from Haiku 4.5's 15.7% to 72.4%.
On Chartography, a visual reasoning test of reading and interpreting charts without tools, it rose from 6.4% to 46.4%.
本条情报归属 AITOP「模型」核心栏目,重点聚焦北美前沿实验室与硅谷科技巨头。在跨区域产业观察坐标中,该动态直接关联「中美大模型技术代差与商业化对照」研究主线,反映出当前技术演进与商业落地的最新风向。涉及核心实体与技术议题包括:Haiku 5.5、Anthropic、OSWorld、推理模型,读者可通过下方标签进入对应专题页查阅历史脉络与关联对比。
信源核验说明:本文原始线索采编自「rohanpaul_ai」(@rohanpaul_ai),经 AITOP 多维评分管线结构化提炼。截至目前,全网已有 11 家独立信源对该事件进行交叉印证与跟进报道(含 宝玉、berryxia、Artificial Analysis 等),属于近期高关注度行业信号。