Claude Haiku 5.5 对比 GPT-5.6 Luna：标价减半，每完成一项任务多 19%

大家都在写的那个价格对标确有其事，而且对标的并不是这个模型。Claude Haiku 5.5——该厂商于 2026 年 10 月 7 日推出——在提示词不超过 10 万 token 时，标价为每百万输入 token 0.10 美元、每百万输出 token 0.50 美元。GPT-5.6 Luna是 2026 年 7 月 9 日推出的成本优化档，标价为 0.20 美元和 1.20 美元。所以该厂商在两项计费上恰好是那款更早模型费率的一半——同时也恰好与GPT-6 Luna持平，后者于 2026 年 9 月 22 日取代了它，也正是该厂商自家发布文章用来做基准对比的模型。

从这种地方来写对比有点奇怪，所以有必要把这场对比究竟为了什么说清楚。GPT-5.6 Luna 是两者中唯一在独立榜单上已被弃用的那个，它不再是 OpenAI 旗舰价目表里的 Luna，而它仍然是如今在许多集成代码里能见到的 Luna。把它与 Claude Haiku 5.5 相比，问的是你可能早已欠下的一次迁移，而不是该调用两个当前模型中的哪一个。

而这个显而易见的问题的答案，才是有意思的部分。在同一次独立评测运行中，完成一项 Intelligence Index 任务在 Claude Haiku 5.5 上花费 $0.21，在 GPT-5.6 Luna 上花费 $0.18。token 价格只有一半，每次回答却多出 19%。

这两张费率卡

每百万个 token 以美元计。Anthropic 和 OpenAI 的费率来自各自的文档；共享分数为 Artificial Analysis Intelligence Index v4.3.2，读取于 2026-10-08。

• 输入 — Claude Haiku 5.5：最多 100,000 个 token 收费 $0.10，超出部分 $0.50；GPT-5.6 Luna：$0.20，请求超过 272,000 个 token 时翻倍至 $0.40。

• 输出 — Claude Haiku 5.5：最高 100,000 个 token 为 $0.50，超过则为 $2.50；GPT-5.6 Luna 为 $1.20，在长上下文路径上会涨至 $1.80。

• 缓存输入 — Claude Haiku 5.5 $0.01 和 $0.05，享 90% 折扣；GPT-5.6 Luna $0.02，同样 90%，另加 $0.25 的缓存写入费用。

• 上下文 — Claude Haiku 5.5 为 100 万 token，GPT-5.6 Luna 为 1,050,000。两者的单次响应上限均为 128,000 token，而 OpenAI 公布其模型的知识截止日期为 2026 年 2 月 16 日。

• 推理控制 — Claude Haiku 5.5 提供了一个从 Low 到 Max 的推理努力程度调节档位，默认值为 medium；GPT-5.6 Luna 则提供六档设置：none / low / medium（默认）/ high / xhigh / max。

• 独立评分——Claude Haiku 5.5（Max）为 43.40 分，GPT-5.6 Luna（Max）为 37.32 分，在包含 182 个模型的榜单上相差 6.07 分。

• 状态 — Claude Haiku 5.5 为当前版本，专有，仅提供 API。GPT-5.6 Luna 在独立榜单上带有弃用标记，且不再在 OpenAI 旗舰定价表中占有一行。

价格减半，每次回答更贵

这里的费率卡算术对 Anthropic 异常有利——在短提示词情形下，两项计量都干净利落地达到 2 倍——因此，真正需要解释的是每任务结果。

Claude Haiku 5.5 每完成一项 Intelligence Index 任务会输出 162,164 个 token，其中 129,047 个用于推理，33,118 个用于回答。GPT-5.6 Luna 会输出 41,235 个，其中 28,098 个用于推理，13,136 个用于回答。Anthropic 的模型消耗3.9 倍的 token 来完成同样的任务，而输出速率只有一半，这使得它每完成一项任务的成本高出 19%。速率优势与冗长劣势相差不到两倍，因此二者几乎相互抵消——而残余差距则倒向 OpenAI 一边。

两项单任务成本很接近，但各自的构成方式却并非如此。GPT-5.6 Luna 每任务 0.1783 美元，其中大约一半来自缓存写入，四分之一来自输出；Claude Haiku 5.5 的 0.2128 美元中，有 0.1317 美元是输入——主要是缓存读取——再加上 0.0811 美元的输出。按绝对值衡量，两个模型都不算贵，只是贵的地方不同；正因如此，单任务总成本趋于接近，而费率表上的价格却相差一倍。

这同样是导致推理模型的按 token 比较在总体上不可靠的效应，值得直白地指出：低廉的计量单价乘以庞大的 token 预算，其乘积就是你实际支付的费用。Anthropic 自己的发布说明对此直言不讳，称 Claude Haiku 5.5“在用于提示词最多 100,000 个 token 的任务时尤其物有所值，而此类任务约占我们上一代 Haiku 模型收到请求的 90%。”

混合计算法从另一个方向讲述了同样的故事。在 Artificial Analysis 的 7:2:1 输入重型混合比例下——也就是大多数生产流量实际呈现的形态——Claude Haiku 5.5 每百万 token 的费用为 0.077 美元，而 GPT-5.6 Luna 为 0.174 美元。这正是标价所预示的 2.26 倍差距。只有当按照推理工作负载的方式对输出计量进行加权时，两者才会趋同；而一旦超过 100,000 token，它们便会交叉。

10万 token 的断崖与 27.2万 token 的那道断崖

两家供应商都会对长请求重新定价，且两者的阈值相差超过两倍半。

Anthropic 的门槛是 100,000 个输入 token。超过之后，Claude Haiku 5.5 的计费变为输入 $0.50、输出 $2.50——是短提示词费率的五倍，且适用于整个请求。OpenAI 的门槛是 272,000 个输入 token。超过之后，GPT-5.6 Luna 的计费变为输入 $0.40、输出 $1.80——输入为 2 倍、输出为 1.5 倍，同样适用于整个请求。

所以这个交叉点并不是缓慢的收敛，而是一级台阶。一个 12 万 token 的检索提示词会落入 Anthropic 的长档计费，却稳稳待在 OpenAI 的短档之内，这把 Anthropic 原本 2 倍的输入优势，翻转为 OpenAI 1.25 倍的输入优势和 1.39 倍的输出优势。而且 Anthropic 的阈值足够低，以文档为主的流水线会经常越过它；OpenAI 的阈值则足够高，大多数这类流水线根本碰不到。

低于 100,000 个 token 时，这不会改变排序。超过 272,000 时，排序会反转并保持反转。

什么取代了你正在比较的模型？

这才是决定你到底该在比较上花多少时间的部分。

OpenAI 于 2026 年 9 月 22 日发布了 GPT-6 Luna——比 Anthropic 发布 Claude Haiku 5.5 早十五天——价格为输入 $0.10、输出 $0.50，具有 100 万 token 上下文、128,000 token 的响应上限，以及相同的六步推理力度控制。在短提示词场景下，这与 Claude Haiku 5.5 在两个计量维度上的费率卡完全相同。

在独立榜单上，两者差距之小，以致综合排序无法分出高下：Claude Haiku 5.5 得分 43.40，而 GPT-6 Luna 为 38.12 —— Anthropic 仍领先 5.28 分 —— 但每个已完成任务的成本是 0.21 美元对 0.068 美元。那就是三倍的 OpenAI 优势，体现在真正计费的那个数字上；而其原因与上文所述的冗长问题相同：每项 Index 任务中，GPT-6 Luna 输出 50,012 个 token，而 Claude Haiku 5.5 为 162,164 个。

Anthropic 的发布文章自己就做了对比，用一张表格把 Haiku 5.5 与“GPT-6 Luna”放在 GDPval-AA v2.1（1620 对 1437）、AA-Briefcase v1.1（1578 对 1336）、OSWorld 2.1 离线子集（72.4% 对 48.9%）以及 Terminal-Bench 4.0（39.2% 对 16.4%）上进行比较。这些都是 Anthropic 自己的数据，而且属于厂商自报，但对手的选择本身就透露了关键信息：Anthropic 挑来击败的那个模型，正是本文标题中那个模型之后的那一个。

旧款 Luna 依然胜出的地方

三件事，没有一件关乎能力。

视频和音频。两个模型都不是原生支持视频的——{{1}}Claude Haiku 5.5{{/1}}只能读取文本和图像，{{2}}GPT-5.6 Luna{{/2}}也只能读取文本和图像——所以这一行是平局，而两者都输给任何具备媒体处理管线的模型。

缓存写入。OpenAI 为 GPT-5.6 Luna 公布了每百万 token 0.25 美元的缓存写入费率，而 Anthropic 没有为 Claude Haiku 5.5 公布任何费率，这意味着诚实的说法是：写入成本包含在 Anthropic 每百万 token 0.10 美元的输入计价之中，而非不存在。对于缓存寿命很短的、前缀繁重的工作负载来说，每一轮都要为这一差额买单。

而长上下文这条路径本身，OpenAI 更高的阈值是一种真正的结构性优势，与哪个模型更聪明毫无关系。

两者都是可调用的，其中一个不是我们的

GPT-5.6 Luna 今日已上架 OrcaRouter 目录，地址为 openai/gpt-5.6-luna —— 输入 $0.20、输出 $1.20、缓存写入 $0.25，上下文窗口 1,050,000 token，响应上限 128,000 token，其中 272,000 token 的长上下文档位在计费记录中作为独立档位列出，而不是被平均掉。按 OpenAI 官方标价透传，0% 加价，并且自动故障转移作为底层保障，这对一个被有意取代的模型来说有着特定价值：一旦 OpenAI 自身对该模型的容量收紧，路由会在你的错误预算耗尽之前先行切换。

Claude Haiku 5.5 并不在目录中。它可以通过 Anthropic 的 API 以及 AWS、Google Cloud 和 Microsoft Azure 访问，这才是准确的说法。目录中确实收录的 Anthropic 产品是Claude Sonnet 5.5 和 Claude Opus 5.5，因此从廉价的分类层级升级到中端智能体层级的路径，只是一个路由设置，而非一次集成——而且同一目录中收录的 GPT-6 Luna 采用的是与 Claude Haiku 5.5 完全相同的费率表，这使得针对这一价位的诚实 A/B 测试只需改动两个字符串，而不必走采购流程。

如何处理这个对比

如果你的集成指定的是 gpt-5.6-luna，有用的结论并不是 Claude Haiku 5.5 以六个指数点胜过它。而是你所用的模型，已被你的供应商在其自己的 flash 层级中取代过两次——先是被 Terra 那一代取代，然后是被 GPT-6 Luna 取代，而 Anthropic 自己也将其视为这一价位上的当前竞争对手。迁移到 GPT-6 Luna，在同样的独立测量下，是费率卡对等，且每个已完成任务的成本降至三分之一。

如果你是在能力方面权衡 Claude Haiku 5.5 与 Luna 产品线，那么 Anthropic 在综合指标、终端与代码相关各项以及计算机使用方面胜出，而且它自家的厂商表格也表明了这一点。如果你是从账单角度选择，Luna 产品线在此对比的每个版本中都大幅胜出，原因就在一个数字：每任务输出 162,164 个 token，而对手是 41,235 个。

这场对比真正说明的是：便宜两倍的计费标准，价值不如精简四倍的模型。Anthropic 把 Claude Haiku 5.5 定价得与 GPT-6 Luna 相当，而它确实做到了——在两项计费指标上都完全一致——但让它给出一个答案，成本仍然是三倍。