Claude Haiku 費用怎麼算？任務分工完整換算

我跑 AI 自動化，有一條原則從一開始就沒變過：從最小夠用的那格開始，貴的算力只留給低頻診斷。

Anthropic（Claude 背後的 AI 公司）在 2026 年 10 月 7 日發布 Haiku 5.5，輸入端費用降至每百萬 token（AI 處理文字的最小單位）約 $0.10 美元，相較前代 Haiku 4.5 的 $1.00/M，輸入端降幅約九成。

但降價不等於你的帳單會變少。你的帳單會不會少，取決於你有沒有重新算過：工作流程裡的哪些任務，現在可以往下移一格。

降價意義

多數人看到「降九成」，第一個反應是「好便宜」——但這樣讀，讀錯重點了。

真正有意義的，是你工作流程裡某些任務的選路邊界移動了。Haiku 5.5 不只降了輸入端費用，同步把規格升了一級：context window（AI 目前看得到的背景資料與前後文）從 200K 升至 1M token，最大輸出從 64K 升至 128K token，並新增 adaptive thinking（彈性調整推理深度）功能。

這表示：原本要用 Claude 中型模型 Sonnet 5.5 才接得住的中量分析任務，現在 Haiku 5.5 也有機會承接。

分工邊界往下移了一格。「最小夠用」的執行標準，也跟著要更新。

Haiku 改什麼

同步更新的還有 Sonnet 5.5 cache read（暫存沿用費）降至 $0.20/百萬 token；Opus 5.5（Claude 高階模型）同期 cache read 從 $0.50/M 降至 $0.20/M（降幅 60%）。

SiliconAngle 計算指出，agentic work（會自己連續規劃並執行多步任務的 AI 流程）因此整體約便宜 20%——但這是媒體自行計算，Anthropic 未官方確認計算假設。

GitHub Copilot（GitHub 旗下的 AI 寫程式助手）同日整合 Haiku 5.5，進入多個入口（來源：GitHub Blog，WebSearch 未能二次確認，待核）。

任務分工換算表

以下是按流程位置的分工基準，核心邏輯：選路看需求不看程度，從最小夠用的那格開始。

換算組 1：同等大量摘要任務，Haiku 4.5 時代輸入端 $1.00/M，Haiku 5.5 時代 $0.10/M——每天 500 份 × 500 token，輸入端費用從約 $0.25/天降至約 $0.025/天，降幅九成。

換算組 2：Sonnet 5.5 cache read 降至 $0.20/M（與 Haiku 4.5 的 cache read 持平），agentic work（會自己連續規劃並執行多步任務的 AI 流程）整體約便宜 20%（SiliconAngle 計算，計算假設未公開，非 Anthropic 官方數字）。

注意：所有換算以輸入端為基準；輸出端精確定價未有獨立佐證，「整體降約 75%」為 cellcog 計算估值，非官方聲明，不可作為精確預算依據。

學術研究工具 RouteLLM（arXiv 公開學術論文平台，論文編號 2406.18665）顯示：正確實施任務型模型路由，可在維持 95% 品質的同時削減 40-85% API（應用程式介面，讓軟體傳送任務的通道）成本——任務類型是最高效的路由訊號，優於 prompt（給 AI 的指令）長度或關鍵字匹配。

小模型限制

Haiku 5.5 升到 1M context window，緩解了背景資料量不足的疑慮——但複雜多輪推理的質量上限，跟背景資料量大小無關。那是模型推理能力本身的限制。

National CIO Review 產業報告引述 AWS（亞馬遜旗下的雲端運算服務）副總裁的公開警告：小模型在多步驟複雜任務中，可能增加人工介入成本，讓「表面省錢」變成「實際更貴」。

同篇報告也指出，企業採用小型任務特化模型，部分案例報告成本降低 100 倍——但這是特定案例的數字，前提是把任務類型對準到小模型能接住的那一格。

哪些任務不適合下移

在分工表裡畫線時，以下三種任務留在 Sonnet / Opus 那一格：

• 需要來回修正才能定案的判斷任務：Haiku 5.5 背景資料量夠大，但推理深度接不住複雜指令，硬塞給它會多跑幾輪，省不到錢。

• 多步驟串接的複雜推理：context window 的大小解決「背景資料裝不下」的問題，但解決不了「推理本身不夠深」的問題。

• 需要結構複雜輸出的任務：如完整策略報告、多層決策樹——輸出質量上限仍有差異。

判準：一個任務你預期第一次跑完就可以直接用，放 Haiku；你預期要改三次才定案，留 Sonnet。

沒工程怎麼分工

路由決策本身有工程成本——建一套自動判斷「這個任務該去哪個模型」的邏輯，需要開發和維護投入。

RouteLLM 學術研究也指出，先前的路由方法常因小模型單次回應品質不夠、最終過度依賴大模型，反而錯失省錢機會。

沒有工程師的可行做法

沒有工程團隊的個人或小團隊，手動分工比自動路由更可行，但也更容易疏忽。

• 靜態對照表優先：不必寫路由邏輯，只要維護一張「任務類型→對應模型」的靜態清單，每月花十分鐘對照就夠了。

• 按「是否需要多輪修正」畫線：一個問題就能決定要不要往下移一格，不必精確評估模型能力。

• 先試再決定，不要猜：同一個任務類型，先用 Haiku 5.5 跑三次看品質夠不夠，再決定要不要升級到 Sonnet。先量再決定，不用猜的常數 bound 一個你沒測過的邊界。

用更多反而更貴？

降價帶來使用量爆增時，整體帳單可能持平甚至上升——這是「傑文斯悖論」的典型表現：東西變便宜後，人們反而用更多，總支出不降反升。

對 AI 工具來說這是真實風險，尤其在「反正便宜就多跑幾輪」的使用習慣下。

LLM（AI 語言模型）費用只是 AI 服務整體成本的一部分。企業需要的是同時重新審視使用量，而不只是把模型換成便宜的版本。

給自己設一條警示線

• 設帳單上限：切換到便宜模型後，設一個月度帳單警示線，不讓使用量擴張把省下的費用全吃回去。

• 比較前後一個月：換模型後第一個月，直接把帳單跟前一個月對比；帳單沒降，先查是不是使用量增加了。

• 計算「任務單位成本」：不要只看總帳單，換算成「跑一次任務的費用」——這樣才知道降價的效果有沒有真的落地。

AI 定價趨勢

Haiku 5.5 的降價不是孤立的新聞事件——而是整個 AI 定價結構性趨勢的最新一刀。

2023 年 GPT-4（ChatGPT 開發商 OpenAI 的旗艦模型）API 定價為 $30/百萬 token，2026 年等效或更強的模型已降至 $0.15/百萬 token，三年降幅 99.5%（來源：lumichats 的 AI 定價歷史整理）。同期 OpenAI 的 GPT-6 Sol、Luna 削價 50% 以上，開源中國模型也提供接近頂尖效能，三向施壓。

對你的意義：你在分工表裡畫的那條線，不是永久有效的。你的分工基準需要定期更新，不能一直用過時的心理預算做選擇——你以為「Haiku 比 Sonnet 便宜幾倍」的直覺數字，很可能已經不準了。

我的分派紀律

我跑 AI 自動化時，最容易被忽略的一條紀律是資源對帳。AI 的預設行為是「先動手再說」——直接叫最強的模型、直接把長片段丟去昂貴 API、timeout 隨手填個看起來合理的數字。這些都不會當場報錯，只會在額度和 token 帳單上慢慢累積。

有一次我在跑批次規格文件翻譯任務，直接全壓了 Sonnet 5.5——跑完效果可以，但回頭算了一下，同樣的任務用 CLI / SDK（命令列工具 / 軟體開發套件）批次跑 Haiku 5.5，輸入端費用只有原本的幾分之一。

那之後我把分派規則改成：量產批次走 CLI / SDK，互動診斷才走需要人在迴路的通道；每次派工前，先把「這次要花多少」跟「現在還剩多少」對起來，再決定 dispatch（派送任務）。

Haiku 5.5 降價之後，這條紀律不變——但換算基準已經變了。過去的心理預算（「Haiku 比 Sonnet 便宜多少倍」）現在是過時的數字。用更低成本跑更多修正循環，前提是你先用新數字重算，而不是繼續靠舊直覺猜。

選路看需求不看程度。把適合的模型放進適合的流程位置，比賭一個「最強模型」穩得多。

一句方法論：降價移動的是分工邊界，不是帳單數字本身——先把你的任務按流程位置排一遍，從最小夠用的那格開始往上填。

三個自我檢查問題：

1. 你的高頻任務裡，有幾項「第一次跑完就能直接用」的？這些可以先試 Haiku 5.5。

2. 你現在的費用估算，是用哪個版本的定價算的？距今超過三個月的心理預算，重算一遍。

3. 換到便宜模型後，你的使用量有沒有跟著悄悄增加？帳單沒降先查這個。

常見問題

• Claude Haiku 5.5 適合什麼任務？ 適合高量、低延遲、可接受第一次跑完就用的任務：大量文件摘要、資料分類、資訊萃取、短回饋迴圈、subagent（子任務執行）工作。不適合複雜多輪推理或需要來回定案的判斷任務。

• Claude 哪個版本值得用？ 看任務型態而定：高量重複性任務用 Haiku 5.5（輸入端 $0.10/M），中複雜度分析視 context 需求先試 Haiku 5.5 再決定要不要升 Sonnet 5.5，低頻複雜推理用 Sonnet 5.5 或 Opus 5.5。沒有「哪版最值得」的單一答案，只有「哪個版本放在哪個任務位置最合理」。

• AI 訂閱費用怎麼省？ 先清點你高頻用的任務清單，按流程位置分類，把「一次跑完就能用」的試移到 Haiku 5.5。同步設一條月度帳單警示線，確認使用量沒有因為「反正便宜」而默默擴張。

• Haiku 5.5 跟 Sonnet 5.5 差在哪？ 輸入端費用差距大，但能力也不同。Haiku 5.5 的 1M context window 已夠大，但複雜多輪推理的質量上限比 Sonnet 5.5 低——硬把需要多輪修正的任務壓給 Haiku，可能多跑幾輪反而更貴。

• 降價之後 Claude 訂閱方案要調嗎？ 如果你主要用訂閱制（Claude Pro 等），降價帶來的主要是 API 端費用變化，不一定直接影響訂閱金額。但降價代表「相同品質能做到的任務範圍變大了」，值得重新評估你目前的工具組合是否還合適。

• 為什麼 AI 模型一直降價？ 開源模型、主要 AI 廠商三向施壓，加上算力成本持續下降，這是結構性趨勢。三年（2023-2026）同效能模型 API 費用降了 99.5%。這個趨勢大概率還會繼續——你的分工判斷框架每隔幾個月需要重算一次基準。