Haiku 5.5 是我目前有實際使用在 AI 工作流的大語言模型，因為它的 CP 值還算真的滿高的。
做一些比較簡單的動作、一些比較自動化的操作動作，或者是要請它判斷一些文意的話，我都會交給 Haiku 5.5。
找同一批檔案，Haiku 花的錢少了很多
請 AI 找出，如果要新增一個功能會修改哪些程式檔案，結果 Haiku 和 Opus 交回的清單差不多，但是費用卻差了十幾倍？
Reddit 有位使用者把專案中的 6 項工作交給不同 Claude 模型後，得到這樣的結果。
他平常在 Claude Code 裡工作，這次拿出 Opus 已經完成的任務，讓 Sonnet 和 Haiku 使用相同提示與檔案重新做，再核對各自的結果。
其中找檔案這一題，新增功能實際需要修改 48 個檔案，Haiku 5.5 和 Sonnet 5.5 都找到 44 個，Opus 5.5 找到 45 個。
3 個模型都設為 High，使用相同提示與檔案，Haiku 花了約 0.44 美元，Sonnet 約 1.38 美元，Opus 約 6.17 美元。
如果每天都有這種工作，累積下來就會是一筆差得不少的費用。
不過，他另外請模型查一個運動聯盟的當季規則時，Haiku 沒能開啟官方規則的 PDF，竟然改用上一季的資料。
省下費用之後，拿到的答案能不能用，才是接下來要看的事。
Anthropic 在 10 月 7 日正式推出 Haiku 5.5，已開放透過 Claude Platform、Claude Code 及主要雲端平台使用。
這次它還能調整 effort，也就是讓模型投入多少思考；同一個 Haiku，調成 Medium、High 或 Max，花費和結果都可能不同。
因此，要判斷它值不值得用，得把工作內容、推理設定和實際交回的成果放在一起看。
找檔案很接近，查資料卻拉開了差距
前面那位 Reddit 使用者挑出的 6 項工作，除了找程式檔案，還有 3 項網路研究，以及 2 篇部落格文章發布前的事實查核。
做網路研究時，他請模型查運動聯盟的規則和 Google Play 帳號規定，再用聯盟官方文件與 Google 說明頁核對答案。
例如 Google Play 這一題，他列出 12 個要點作為答案，Haiku 答對 5 個，Opus 則答對 12 個。
另外 2 項工作，是請模型檢查準備發布的部落格文章，找出內容中的事實錯誤。
Haiku 雖然找到 4 處真正的錯誤，卻也把 30 處原本正確的內容標成錯誤。
這就很麻煩了：如果直接照著改，原本寫對的地方反而會被改錯。
原作者在同一篇討論的追加回覆裡，又把 Haiku 提高到 Xhigh，重做相同的 6 項工作，看看增加思考能不能改善結果。
這次 Haiku 讀到了官方規則，研究結果也有改善，但文章查核仍把 28 處正確內容判成錯誤。
在這輪的 5 項網路工作，也就是 3 項研究加上 2 項文章查核中，Haiku 花了約 2.28 美元、34 分鐘，Opus High 則約 4.81 美元、16 分鐘。
Haiku 的帳單仍然較低，但等得更久，交回的查核結果也還需要逐項確認。
原作者在原貼交代的分工，是保留 Haiku 做程式碼搜尋，研究與事實查核則交給 Opus。
同一組工作裡，找檔案可以對照清單，查規則要確認是否用了當季文件，文章查核則要分清真正的錯誤和誤判，光看 AI 有沒有交出完整答案，還不足以判斷工作做得好不好。
圖：整理前述使用者的回報；找檔案要核對清單，查資料還得確認引用內容與日期，兩種工作需要檢查的地方不同。
改程式時，為什麼有人用 Medium，有人改用 High？
另一位 Reddit 使用者則想知道，Haiku 能不能接手日常寫程式的工作，以及該把推理設在哪個程度。
他從一個同時包含 Rust 程式與舊腳本的實際專案，挑出修正錯誤、審查程式和實作功能等任務，讓不同模型比較，並把測試經過貼在 Reddit。
其中一題，是請 Agent 在同一個專案裡，把一部分程式邏輯移到另一種程式語言的程式裡，修改後還要遵守專案原有的寫法與慣例。
他在模型開始工作前，就先寫好標準答案與測試，完成後再用這些資料檢查修改是否正確。
第一輪，Haiku Medium 完成修改、通過測試，也遵守了專案慣例，總共呼叫模型 29 次，約 0.08 美元。
Sonnet Medium 做同一題，呼叫了 30 次、約 1.68 美元；Haiku High 也做對了，卻用了 385 次、約 1.03 美元。
在這一題，多想一些沒有多帶來成果。
但原作者後來在同一討論串追加了另一輪測試，讓 Haiku 和 Sonnet 處理 3 項更複雜的程式開發工作，再用預先準備的測試評分。
這輪共執行 16 次，有 15 次通過，唯一失敗的是 Haiku Medium 遇到描述含糊的錯誤時，修改範圍超過需要。
改用 High 後，那個問題解決了，而且在最難的一題裡，處理步驟反而減少。
繼續開到 Max，卻沒有再增加成果，同一項工作的費用反而從 High 的約 0.21 美元，升到約 1.50 美元。
原作者在追加回覆中提出的分工，是讓 Opus 規劃與分派工作、Haiku High 實作，需求模糊時交給 Sonnet Low，必要時再請 Codex 裡的另一家模型複查。
他在另一則回覆裡也說明了交接的麻煩：原本由 Opus 把工作送到 Codex 的模型，得先整理專案背景、傳過去，再拿回結果檢查。
改用能直接讀取同一份專案的 Haiku，就讓他有了把日常修改留在 Claude 裡完成的想法。
所以他調整模型時，一起考慮了做不做得對、用了多少步驟，以及工作要怎麼交接。
放到評比圖裡，Haiku 的價格有多低？
個別專案可以看工作細節，如果想知道 Haiku 跟其他模型的大致位置，可以再看 Artificial Analysis 的比較。
下圖保留 10 月 16 日的資料：越往左，完成評測任務的平均成本越低；越往上，Intelligence Index 綜合能力指數越高。
這個指數綜合了程式開發、Agent 與知識推理等評測，可以對照整體成績，但要判斷查資料會不會出錯，仍得看前面那種具體工作。
圖中的成本會計入輸入、快取、模型思考與答案用掉的 Token，也就是模型處理文字的計量單位，所以可以比較這組評測完成一項工作花多少錢。
圖：先找左下方的 Haiku High 與 Luna Max，再看右上方的 Haiku Max 與 Sol Medium；同一張圖可以比較相近成績要花多少錢，也能比較相近花費得到什麼成績。
圖表來自 Artificial Analysis 的 7 組模型比較，使用 2026 年 10 月 16 日、Intelligence Index v4.3.2 與各原廠 API 的快照。
Haiku High 和 GPT-6 Luna Max 都約 38 分，平均任務成本分別為 0.08 與 0.07 美元，在這個成績區間，Luna 還稍微便宜一些。
再把 Haiku 開到 Max，成績約 43 分，成本升到約 0.21 美元；相同成本附近，GPT-6.1 Sol Medium 約 48 分。
若只看 Terminal-Bench 4.0 的終端機工作評測，Haiku Max 通過率約 33%，Sol Medium 約 48%。
換句話說，願意花到這個金額時，還有其他成績較高的選項可以比較。
同廠的 Sonnet 5.5 Medium 約 41 分、0.48 美元，圖上保留了它的完整設定「with fallback」，包含安全拒答時的備援處理。
開放權重的 DeepSeek V4.1 Flash Max 則約 39 分、0.27 美元，這裡算的是它的 API 費用。
DeepSeek 的官方權重採 MIT 授權，若要自行架設，機器與維運得另外算，不能直接沿用圖上的 API 成本。
推理開得越高，也可能等得越久
前面的程式修改回報，已經出現 Max 花更多錢卻沒有增加成果的情況，評比圖也能看見提高推理的代價。
Haiku Medium 約 34 分、每個評測任務 0.05 美元，High 約 38 分、0.08 美元，Max 約 43 分、0.21 美元。
從 Medium 到 Max，平均成本變成約 4.2 倍，而模型開始交回答案之前的等待，也明顯拉長。
圖：Haiku Medium 約 10.6 秒、High 約 19.8 秒，Max 約 336.9 秒才開始收到答案；同為 10 月 16 日的原廠 API 測量，時間包含模型思考，單位為秒。
圖上還有一組值得一起看：成績同樣約 38 分的 Haiku High 與 Luna Max，分別約等 19.8 秒與 97 秒才開始收到答案。
如果你正在電腦前等 Agent 回覆，這個差距就很容易感受到。
不過，這裡量的是開始收到答案的時間，整項工作還會受到後續搜尋、工具操作與修改影響，不能直接當成全部完成的時間。
各家的 High、Max 也是各自的設定名稱，實際投入多少思考，得看結果與用量，不能只對照名稱。
最後還是要回到：你準備交給它什麼工作？
從這些回報來看，Haiku 5.5 值得留意的用途，是有清楚範圍、成果也容易核對的工作，例如找出要修改的程式檔案。
前面的使用者在這件事上，用較低費用拿到了接近其他模型的結果；但查詢最新規則、核對文章內容時，他仍把工作交回 Opus。
想多花一點錢改善結果，也要看增加的推理有沒有用在需要的地方：另一個程式專案從 Medium 改成 High 解決了問題，繼續開到 Max 卻沒有多得到成果。
因此，如果你正在考慮讓 Haiku 接手現有工作，這些案例能提供的判斷方式，是拿同一份工作比較交回的結果、實際費用和完成時間。
少付一點錢，結果又能通過原本的檢查，才真的省到了；如果還得重查、重改，那些時間也要算進去。