Claude Haiku 5.5 过了 100K token 贵 5 倍:怎么算,怎么避开
Model launch · 2026-10-10
Claude Haiku 5.5 过了 100K token 贵 5 倍
claude-haiku-5-5稳定 $0.10 / $0.50
Lazu
本文目录
先说结论:Claude Haiku 5.5 的提示不超过 100,000 token 时,输入 $0.10、输出 $0.50 / 百万 token;超过 100,000 token,这次请求的所有价格(输入、输出、缓存读写)都变成 5 倍。多 1 个 token,整次请求的费用就可能变成 5 倍。
claude-haiku-5-5Anthropic · 1M · 稳定 $0.10 / $0.50查看模型页 →美元 / 百万 token
线路输入输出缓存读缓存写入
Anthropic 官方价$0.10$0.50$0.01$0.125 (5m)
输入超过 100k$0.50$2.50$0.05$0.625 (5m)
Lazu 稳定 · 同官方$0.10$0.50$0.01$0.125 (5m)
输入超过 100k$0.50$2.50$0.05$0.625 (5m)
输入(含缓存)超过阈值的请求,整单按长上下文价计费。
— 表示未记录该项价格,不代表免费;实际费用以请求回执为准。
规则到底是什么 #
根据 Anthropic 官方定价文档:
- 按提示长度判断档位,提示长度包含所有输入 token,包括缓存读取和缓存写入。缓存命中的部分也算进去。
- 整次请求一起变价,不是只有超出的部分变贵。输入、输出、5 分钟缓存写、1 小时缓存写、缓存读,五项同时变成 5 倍。
- 刚好 100,000 token 仍是低档,超过才算高档。
- 输出 token 不计入档位判断,但一旦进入高档,输出也按高档价计费。
- 每次请求单独判断,之前的请求不受影响。
| 项目 | 提示 ≤ 100K | 提示 > 100K |
|---|---|---|
| 输入 | $0.10 | $0.50 |
| 输出 | $0.50 | $2.50 |
| 缓存读取 | $0.01 | $0.05 |
| 缓存写入(5 分钟) | $0.125 | $0.625 |
| 缓存写入(1 小时) | $0.20 | $1.00 |
单位:美元 / 百万 token。Lazu 稳定线路与官方价相同。
算几个例子 #
| 场景 | 计算 | 费用 |
|---|---|---|
| 提示 50K,输出 2K | 50K × 0.10 + 2K × 0.50 | ≈ $0.006 |
| 提示刚好 100,000,输出 2K | 100K × 0.10 + 2K × 0.50 | ≈ $0.011 |
| 提示 100,001,输出 2K | 100,001 × 0.50 + 2K × 2.50 | ≈ $0.055(5 倍) |
| 提示 150K(其中 140K 命中缓存),输出 2K | 140K × 0.05 + 10K × 0.50 + 2K × 2.50 | ≈ $0.017 |
| 同一任务压到 100K 以内(90K 缓存 + 10K 新内容),输出 2K | 90K × 0.01 + 10K × 0.10 + 2K × 0.50 | ≈ $0.003 |
最后两行是同一类任务:上下文控制在 100K 以内,费用大约是越线时的六分之一。
但它还是比 Haiku 4.5 便宜 #
Haiku 4.5 是 $1 / $5,没有分档。就算越过 100K,Haiku 5.5 的单价($0.50 / $2.50)也只有 Haiku 4.5 的一半。
需要考虑的是分词器:Anthropic 说明 Haiku 5.5 使用新分词器,同样的文本大约多出 30% 的 token(具体取决于内容)。按这个比例重算上面 150K 的例子,在 Haiku 5.5 上约 $0.022,在 Haiku 4.5 上约 $0.034,仍然是 Haiku 5.5 便宜。
所以真正要比的不是「5.5 和 4.5」,而是「5.5 在 100K 以内」和「5.5 越过 100K」。
为什么长会话容易越线 #
- 上下文窗口是 1M。 在 Claude Code 等 Agent 里,长会话的上下文会一路涨,不会在 100K 停下来。
- 之前轮次的思考内容会保留。 Anthropic 说明,Haiku 5.5 会把之前所有轮次的思考块留在上下文里,并计为输入 token;Haiku 4.5 只保留最近一轮。多轮对话的输入因此增长得更快。
- 缓存命中也算长度。 缓存只让单价变便宜,不会让提示变短。
怎么控制在 100K 以内 #
- 让 Haiku 5.5 做短任务。 子代理、后台小任务、单个文件的修改,比长会话的主模型更适合它。在 Claude Code 里,把它放在
ANTHROPIC_DEFAULT_HAIKU_MODEL,主模型用 Sonnet 5.5。 - 拆任务。 一次只给它这一步需要的上下文,不要把整段历史都带上。
- 用好自动压缩。 Claude Code 可以设置
CLAUDE_CODE_AUTO_COMPACT_WINDOW,最小值是 100000。它能限制会话增长,但不能保证每次请求都在 100K 以内。 - 小段内容也能缓存。 Haiku 5.5 的最小可缓存长度降到了 512 token(Haiku 4.5 是 4,096),固定的系统提示和工具定义更容易命中缓存。
- 看每次请求的用量。 响应里的
usage有input_tokens、cache_creation_input_tokens、cache_read_input_tokens,三项相加大致就是用来判断档位的提示长度(这是我们的理解,以 Anthropic 文档为准)。
在 Lazu 上核对 #
curl --fail-with-body https://api.lazu.ai/v1/messages \
-H "Authorization: Bearer $LAZU_API_KEY" \
-H "Content-Type: application/json" \
-H "anthropic-version: 2023-06-01" \
-d '{"model":"claude-haiku-5-5","max_tokens":64,"messages":[{"role":"user","content":"Reply with only OK."}]}'
响应头里的 X-Lazu-Request-Id 是这次请求的编号。用 GET /api/usage/requests/{request_id} 或在控制台「用量与日志」里打开这条请求,可以看到输入、缓存、输出各多少 token,以及实际扣费。