<!-- Lazu · Claude Haiku 5.5 过了 100K token 贵 5 倍：怎么算，怎么避开 · https://lazu.ai/zh/blog/claude-haiku-5-5-lazu-api -->

# Claude Haiku 5.5 过了 100K token 贵 5 倍：怎么算，怎么避开

2026-10-10 · Lazu 团队

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-5-5](https://lazu.ai/zh/models/anthropic/claude-haiku-5-5)

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：

1. **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。
2. **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。
3. **刚好 100,000 token 仍是低档**，超过才算高档。
4. **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。
5. **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

1. **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。
2. **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。
3. **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。
4. **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。
5. **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

```bash
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。

## 接下来

- [Claude Code 接入第三方 API：Opus、Sonnet、Haiku 怎么分工](/zh/blog/claude-code-custom-api)
- [Haiku 5.5 模型页](https://lazu.ai/zh/models/anthropic/claude-haiku-5-5)

