AREX Feed Article
Artificial Analysis 独立评测 Claude Haiku 5.5：智能指数 43 分，token 消耗约为 GPT-6 Luna 的 3 倍
独立评测机构 Artificial Analysis（下称 AA）在中给出了对 Claude Haiku 5.5 的独立评分。Haiku 5.5 在 max effort（最高投入档）下的 Intelligence Index（智能指数）成绩为 43 分，比上一代 Haiku 高 26 分；AA 判定它在小模型级略微领先，同时指出其输出 token（词元）用量偏大：在 Intelligence Index 任务上，约为 GPT-6 Luna 的 3 倍。
Anthropic 于 10 月 7 日发布小型模型 Claude Haiku 5.5，称其为迄今最快、最便宜、能力最强的小型模型，性能与成本数据均出自官方口径。AA 的评测帖在 Anthropic 宣布后约一小时发出。
与 Kimi K3 相当，落后 Sonnet 5.5 13 分
AA 给出的对照是：在 max effort 下，Haiku 5.5 的成绩略高于 GLM-5.3 Flash（42 分）、Gemini 3.8 Flash（41 分）与 GPT-6 Luna（38 分）；放到更宽的参照里，它的成绩与 Kimi K3（44 分，一个 2.8T 参数的开放权重模型）相当，比 Anthropic 自家的 Claude Sonnet 5.5（max，56 分）低 13 分。AA 还指出，这是首个带 effort 设置和 adaptive thinking（自适应思考）的 Haiku 模型。
每任务约 16.2 万输出 token，成本数字暂未计入分档涨价
AA 给出的数字是：在 max effort 下，Haiku 5.5 每完成一个 Intelligence Index 任务约用 16.2 万个输出 token，GPT-6 Luna（max）约为 5 万个；从 xhigh 档升到 max 档，分数增加 2 分，token 用量增加约 1.8 倍。在相近智能水平上它同样更费 token：Haiku 5.5 在 high 档以约 5.5 万 token 拿到 38 分，GPT-6 Luna（max）以约 5 万 token 拿到同样的 38 分；AA 称 effort 档位越低，两者差距越大。
定价方面，AA 列出的是：提示在 10 万 token 以内时，每百万 token 输入 $0.10、输出 $0.50，与 GPT-6 Luna 相同，是上一代 Haiku 的 10%；超过 10 万 token 后上涨 5 倍，变为输入 $0.50、输出 $2.50。AA 提醒，其网站尚未反映这一分档定价，暂定的成本数字未包含涨价部分；其当前列出的 Intelligence Index 平均每任务成本为 $0.21。它表示正在补上分档定价支持，并将跟进每任务成本（Cost per Task）数据。
AA 列出的规格还有：上下文窗口 100 万 token（Haiku 4.5 为 20 万）；输入支持文本与图像，输出为文本。
智能体任务：AA-Briefcase 1,578 Elo，Terminal-Bench 从 0% 升到 33%
在 AA 自有的知识工作评测 AA-Briefcase（面向真实知识工作任务的私有评测）中，Haiku 5.5（max）达到 1,578 Elo，AA 称这一成绩高于 Kimi K3 与 GLM-5.3，与 Muse Spark 1.3（max）相当。在终端任务基准 Terminal-Bench 4.0 上，它的得分从上一代 Haiku 4.5 的 0% 升到 33%，与 GLM-5.3 Flash 持平，高于 Gemini 3.8 Flash（20%）与 GPT-6 Luna（13%）。
事实知识是它的弱项：在 AA-Omniscience 测试中准确率为 36%，低于 Gemini 3.8 Flash（55%）与 GPT-6 Luna（44%）。AA 认为这在一定程度上是因为它更愿意承认自己不知道，其幻觉率为 40%，低于上述两者的 55% 与 77%。
AutomationBench 的 35 分可能被低估，AA 将在修复后重跑
AA 还说明，AutomationBench-AA 的成绩可能被低估：Haiku 5.5 在该项得 35%，而 GPT-6 Luna、Gemini 3.8 Flash 与 GLM-5.3 Flash 的得分在 53%～60%。AA 解释，发布前测试中的安全拒答问题导致模型过度拒答，Anthropic 正在解决；AA 将在修复后重跑该评测，并预计分数会上升。