Claude Haiku 5.5
Data source: AIHOT
Model data is shown as published (Chinese).
Released: 2026-10-07 · Context: 1M tokens
Overall rank 32
Official API prices ¥ / million tokens
- Input
- ¥0.67 ($0.1)
- Output
- ¥3.33 ($0.5)
- Cache hits
- ¥0.0667 ($0.01)
提示词不超过 100K Token 的价格;超过 100K 时,输入、输出及缓存命中价均为上述价格的 5 倍。
提示词不超过 100K Token 的价格;超过 100K 时,输入、输出及缓存命中价均为上述价格的 5 倍。
Official pricing ↗Domain capabilities
| Board | Rank | Score | Benchmarks |
|---|---|---|---|
| 综合 | 32 | 62.3 | 54 |
| 编程 | 23 | 64.3 | 16 |
| 科研 | 31 | 63.3 | 13 |
| 专业办公 | 36 | 64 | 13 |
| 知识问答 | 52 | 56.7 | 7 |
编程 · 64.3
| Benchmark | Organization | Published result | Normalized score | Source rank | Verified | Notes |
|---|---|---|---|---|---|---|
| ProgramBench ↗ 只给能运行的程序和说明、不给源码,重写出行为一致的程序,用隐藏测试核对。 | Vals AI | 2.5% | 77.2 | 8 | 2026-11-18 | Notes通过率低于 5%,只说明“至多这么强”;这个模型的水平已经低于这条线不少,这一项几乎不起作用。代表配置:Max 推理。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。 |
| MirrorCode ↗ 看不到源码,只能运行原程序、读文档,用另一种语言把整个程序重写出来。 | Epoch AI | 78.9% | 76.8 | 6 | 2026-11-18 | Notes这项成绩和这个模型的其他成绩差得太远,它对总分的影响设了上限,一个异常成绩带偏不了总分。代表配置:Max 推理。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。 |
| Vibe Code Bench v1.1 ↗ 按一份需求从零搭出网页应用,再在浏览器里按验收步骤逐项检查功能。 | Vals AI | 90.4% | 70.8 | 4 | 2026-11-18 | Notes代表配置:Max 推理。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。 |
| FrontierCode 2.0 ↗ 在真实开源仓库里改代码,看改动能不能达到维护者愿意合并的水平。 | Artificial Analysis | 34.9% | 70.4 | 36 | 2026-11-18 | Notes代表配置:Max 推理。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。 |
| FrontierSWE v2 ↗ 每次最多给 20 小时,完成编程、性能优化或科研计算这类大任务。 | Proximal Labs | 47.4% | 70.2 | 11 | 2026-11-18 | Notes代表配置:Max 推理。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。 |
| CyberBench Patch v1.1 ↗ 修开源项目的安全漏洞,检查能否编译、拦住原攻击并保留正常行为。 | Vals AI | 89.3% | 68.5 | 1 | 2026-11-18 | Notes代表配置:Max 推理。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。 |
| FrontierCode 2.0 ↗ 在真实开源仓库里改代码,看改动能不能达到维护者愿意合并的水平。 | Cognition | 28.9% | 67.3 | 40 | 2026-11-18 | Notes代表配置:Max 推理 · Claude Code。评测方为每个模型指定 Agent(通常是厂商自家的);按预先固定的推理档位优先级选择,成绩归到基础模型。 |
| Terminal-Bench 4.0 ↗ 在终端完成软件、科研等复杂任务,再由各题的测试检查结果;官方榜为每个模型指定 Agent,通常是厂商自家的。 | Terminal-Bench | 40.0% | 67.1 | 31 | 2026-11-18 | Notes代表配置:Max 推理 · Claude Code。评测方为每个模型指定 Agent(通常是厂商自家的);按预先固定的推理档位优先级选择,成绩归到基础模型。 |
| APEX-SWE ↗ 在工程环境里连接并部署服务,或根据故障日志和监控信息排查问题。 | Mercor | 55.1% | 66.9 | 9 | 2026-11-18 | Notes代表配置:Max 推理 · terminus-2 · apex-swe:terminus-2。该来源对所有模型使用同一受控系统;按预先固定的推理档位优先级选择,配置明细保留,成绩归到基础模型。 |
| Terminal-Bench 4.0 ↗ 在终端完成软件、科研等复杂任务,再由各题的测试检查结果。 | Vals AI | 36.4% | 66.3 | 26 | 2026-11-18 | Notes代表配置:Max 推理。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。 |
| Terminal-Bench 4.0 ↗ 在终端完成软件、科研等复杂任务,再由各题的测试检查结果。 | Artificial Analysis | 32.8% | 65.1 | 71 | 2026-11-18 | Notes代表配置:Max 推理。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。 |
| TapTap Maker ↗ 在真实游戏引擎里用 Lua 写出能跑起来的游戏功能,由引擎实际运行判对错。 | TapTap Maker | 77.2% | 63.1 | 16 | 2026-11-18 | Notes代表配置:xHigh 推理 · claude。评测方为每个模型指定 Agent(通常是厂商自家的);按预先固定的推理档位优先级选择,成绩归到基础模型。 |
| Code Migration v1.1 ↗ 把现有程序改写成另一种编程语言,用隐藏测试检查行为是否一致。 | Vals AI | 52.4% | 62.4 | 14 | 2026-11-18 | Notes代表配置:Max 推理。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。 |
| LiveBench Agentic Coding ↗ 在真实代码仓库里查找并修复问题,再用测试检查改动。 | LiveBench | 57.2% | 60.9 | 26 | 2026-11-18 | Notes代表配置:Max 推理。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。 |
| WeirdML v3 ↗ 面对陌生数据,弄清问题并做出机器学习或数据分析方案。 | Håvard Tveit Ihle | 9.8% | 59.1 | 14 | 2026-11-18 | Notes代表配置:xHigh 推理 · claude_code。评测方为每个模型指定 Agent(通常是厂商自家的);按预先固定的推理档位优先级选择,成绩归到基础模型。 |
| LiveBench Coding ↗ 写函数、补全代码,题目定期换新,答案自动跑测试核对。 | LiveBench | 77.9% | 57.7 | 26 | 2026-11-18 | Notes代表配置:Max 推理。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。 |
| SciCode ↗ 把物理、化学、生物等科研问题写成能运行、算得对的计算代码。 | Artificial Analysis | 55.0% | 56.4 | 64 | 2026-11-18 | Notes代表配置:Max 推理。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。 |
科研 · 63.3
| Benchmark | Organization | Published result | Normalized score | Source rank | Verified | Notes |
|---|---|---|---|---|---|---|
| MysteryMechanism ↗ 自己设计实验,去推断一套隐藏的规律。 | Vals AI | 35.1% | 70 | 13 | 2026-11-18 | Notes代表配置:Max 推理。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。 |
| Chess Puzzles ↗ 看文字写成的国际象棋棋局,找出正确的一步,由象棋引擎核对。 | Epoch AI | 55.0% | 69.5 | 19 | 2026-11-18 | Notes代表配置:Max 推理。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。 |
| Terminal-Bench Science ↗ 在命令行里走完一段科研流程:处理数据、跑分析、得出结果。 | Artificial Analysis | 20.0% | 67 | 58 | 2026-11-18 | Notes代表配置:Max 推理。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。 |
| CritPt v2 Hard ↗ 修订版研究级物理题里较难的 40 道,可以写代码辅助演算。 | Artificial Analysis | 43.5% | 66.1 | 65 | 2026-11-18 | Notes代表配置:Max 推理。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。 |
| BioMysteryBench ↗ 分析真实的生物数据,推断出背后的生物学答案。 | Vals AI | 70.4% | 65.8 | 16 | 2026-11-18 | Notes代表配置:Max 推理。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。 |
| FrontierMath T1–3 ↗ 解数学家原创的高难数学题,给出可以核对的答案。 | Epoch AI | 75.1% | 64.6 | 25 | 2026-11-18 | Notes代表配置:Max 推理。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。 |
| CritPt ↗ 物理研究前沿的原创难题,要一步步推导出准确答案。 | Artificial Analysis | 18.9% | 63.9 | 78 | 2026-11-18 | Notes代表配置:Max 推理。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。 |
| Terminal-Bench Science ↗ 在命令行里走完一段科研流程:处理数据、跑分析、得出结果。 | Vals AI | 10.0% | 62.3 | 19 | 2026-11-18 | Notes代表配置:Max 推理。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。 |
| Humanity's Last Exam ↗ 数学、科学、人文等几十个学科的专家级难题,不借助工具直接作答。 | Artificial Analysis | 44.4% | 61.2 | 59 | 2026-11-18 | Notes代表配置:Max 推理。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。 |
| ARC-AGI-2 ↗ 从几个网格图案的例子中找出变换规则,再解一道新题。 | ARC Prize | 61.3% | 59.8 | 99 | 2026-11-18 | Notes代表配置:xHigh 推理。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。 |
| Mystery Game Puzzles ↗ 看文字描述的游戏局面,找出最好的下一步。 | Epoch AI | 30.0% | 59.1 | 39 | 2026-11-18 | Notes代表配置:Max 推理。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。 |
| LiveBench Reasoning ↗ 斑马谜题、空间推理、情境推理这类题,答案自动核对。 | LiveBench | 84.6% | 58.4 | 49 | 2026-11-18 | Notes代表配置:Max 推理。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。 |
| 致知 · 逻辑月榜 ↗ 个人长期维护的难题榜:用中文出的逻辑、数学、空间和编程题,看模型能不能想清楚。 | llm2014 | 28.3% | 57.4 | 27 | 2026-11-18 | Notes代表配置:xHigh 推理。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。 |
专业办公 · 64
| Benchmark | Organization | Published result | Normalized score | Source rank | Verified | Notes |
|---|---|---|---|---|---|---|
| AA-Analyst Agent ↗ 分析数据、回答 14 个领域的专业问题,同一题跑五次都对才算通过。 | Artificial Analysis | 53.8% | 73 | 10 | 2026-11-18 | Notes代表配置:Max 推理。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。 |
| AA-Briefcase ↗ 完成办公项目里写报告、做表格这类长任务,按细则和成果质量评分。 | Artificial Analysis | 1,572.2 | 70.5 | 32 | 2026-11-18 | Notes代表配置:Max 推理。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。 |
| Finance Agent v2.1 ↗ 金融分析师的日常工作:查公司财报、做计算和分析。 | Vals AI | 65.4% | 69.5 | 12 | 2026-11-18 | Notes代表配置:Max 推理。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。 |
| Harvey LAB-AA v1.1 ↗ 读法律资料并完成文书,逐项评分,有重大捏造则该题记零。 | Artificial Analysis | 0.6% | 68 | 37 | 2026-11-18 | Notes通过率低于 5%,只说明“至多这么强”。代表配置:Max 推理。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。 |
| Legal Research Bench ↗ 像律师一样查法规和判例,写出有出处的结论。 | Vals AI | 43.8% | 67.9 | 28 | 2026-11-18 | Notes代表配置:Max 推理。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。 |
| GDPval-AA ↗ 按几十种职业的真实工作出题,比如写报告、做表格,由裁判两两比较产出质量。 | Artificial Analysis | 1,629 | 67.3 | 33 | 2026-11-18 | Notes代表配置:Max 推理。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。 |
| TaxAgentBench ↗ 回答税务专业问题,要查到税法依据并注明出处。 | Vals AI | 31.9% | 67.1 | 30 | 2026-11-18 | Notes代表配置:Max 推理。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。 |
| τ³-Banking ↗ 扮演银行客服跟模拟客户对话:查政策、找产品、改账户。 | Mercor | 43.0% | 66.7 | 20 | 2026-11-18 | Notes代表配置:Max 推理。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。 |
| APEX-Agents ↗ 投行、咨询和法律里的长任务,看模型当助手能不能把一件完整的工作做完。 | Mercor | 56.1% | 64.5 | 32 | 2026-11-18 | Notes代表配置:Max 推理 · loop_truncated_tools_agent · apex-agents:v1.1:loop_truncated_tools_agent。该来源对所有模型使用同一受控系统;按预先固定的推理档位优先级选择,配置明细保留,成绩归到基础模型。 |
| Excel Modeling v1.1 ↗ 在 Excel 里搭财务模型:在模板上补全,或者从零建表。 | Vals AI | 65.5% | 63.4 | 37 | 2026-11-18 | Notes代表配置:Max 推理。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。 |
| AutomationBench-AA ↗ 在模拟办公软件中处理业务流程,按完成目标和守规情况评分。 | Artificial Analysis | 35.4% | 55.9 | 155 | 2026-11-18 | Notes代表配置:Max 推理。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。 |
| Harvey 法律 Agent 基准 v1.1 ↗ 处理法律资料,交付 Word、Excel、幻灯片等能直接审阅的文件。 | Vals AI | 4.2% | 50.2 | 37 | 2026-11-18 | Notes通过率低于 5%,只说明“至多这么强”。代表配置:Max 推理。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。 |
| LiveBench Data Analysis ↗ 处理表格重排、表格连接和连续事件分析等数据题。 | LiveBench | 51.8% | 37.9 | 70 | 2026-11-18 | Notes这项成绩和这个模型的其他成绩差得太远,它对总分的影响设了上限,一个异常成绩带偏不了总分。代表配置:Max 推理。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。 |
| MedCode ↗ 读住院记录,给出标准的医疗诊断编码。 | Vals AI | 51.5% | — | 15 | 2026-11-18 | Notes代表配置:Max 推理。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。 |
知识问答 · 56.7
| Benchmark | Organization | Published result | Normalized score | Source rank | Verified | Notes |
|---|---|---|---|---|---|---|
| MLCR-AA ↗ 读很长的医疗记录回答问题,答案要完整且不能违背原始记录。 | Artificial Analysis | 35.0% | 80.8 | 13 | 2026-11-18 | Notes这项成绩和这个模型的其他成绩差得太远,它对总分的影响设了上限,一个异常成绩带偏不了总分。代表配置:Max 推理。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。 |
| BullshitBench v2 ↗ 问题里藏着错误前提,看模型能不能指出来,而不是顺着编下去。 | BullshitBench | 57.0% | 65.6 | 57 | 2026-11-18 | Notes代表配置:Max 推理。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。 |
| AA-Omniscience v1.1 ↗ 各领域的事实问答,答错倒扣、不会可以不答,看模型知道多少、会不会乱编。 | Artificial Analysis | 12.3 | 58.5 | 74 | 2026-11-18 | Notes代表配置:Max 推理。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。 |
| AA-LCR ↗ 读很长的文档,回答要把多处信息串起来才能答的问题。 | Artificial Analysis | 82.7% | 57.4 | 40 | 2026-11-18 | Notes代表配置:Max 推理。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。 |
| NYT Connections 扩展版 ↗ 把一组英文词按隐藏的类别分好,里面混着故意误导的干扰词。 | Lech Mazur | 65.7% | 51.8 | 84 | 2026-11-18 | Notes代表配置:High 推理。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。 |
| LiveBench IF ↗ 按一串具体的格式和内容要求作答,看能不能条条做到。 | LiveBench | 54.7% | 43.6 | 68 | 2026-11-18 | Notes这项成绩和这个模型的其他成绩差得太远,它对总分的影响设了上限,一个异常成绩带偏不了总分。代表配置:Max 推理。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。 |
| LiveBench Language ↗ 纠正错字、把打乱的情节排回原序、给词语分组等语言题。 | LiveBench | 62.6% | 41.2 | 68 | 2026-11-18 | Notes这项成绩和这个模型的其他成绩差得太远,它对总分的影响设了上限,一个异常成绩带偏不了总分。代表配置:Max 推理。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。 |
| SimpleQA Verified ↗ 一句话就能答的事实问题,看答得对不对。 | Epoch AI | 23.8% | 33.9 | 84 | 2026-11-18 | Notes这项成绩和这个模型的其他成绩差得太远,它对总分的影响设了上限,一个异常成绩带偏不了总分。代表配置:Max 推理。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。 |
真人盲选 · 57.5
| Benchmark | Organization | Published result | Normalized score | Source rank | Verified | Notes |
|---|---|---|---|---|---|---|
| Arena WebDev ↗ 真人匿名比较两个模型做出来的网页,选更好的那个。 | LMArena | 1,593.2 | 61.4 | 40 | 2026-11-18 | Notes代表配置:High 推理。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。 |
| Arena Text ↗ 真人匿名比较两个模型的回答,投票选出更好的回答。 | LMArena | 1,421.2 | 39.7 | 133 | 2026-11-18 | Notes这项成绩和这个模型的其他成绩差得太远,它对总分的影响设了上限,一个异常成绩带偏不了总分。代表配置:High 推理。按预先固定的规则,采用该来源可用的最高第一方推理档位;选择不参考跑分高低。 |
Benchmarks without results
- 司南 · 推理
- 司南 · 抽象
- 司南 · 知识
Recent news
11-16腾讯混元发布 Hy4 flash,盲测比肩 Claude Haiku 5.5 且任务成本降低 18 倍腾讯混元
11-10Meta 发布最小模型 Muse Ember,价格介于 GPT-6 Luna 与 Claude Haiku 5.5 之间Simon Willison 博客
11-10Meta 推出轻量级 AI 模型 Muse Ember,跑分媲美 Claude Haiku 5.5,单任务成本仅 1/3IT之家·人工智能
11-10Meta Muse Ember 得分 36 追平 Claude Haiku 5.5,成本仅三分之一Artificial Analysis
11-10Meta 发布 Muse Ember 模型,对标 Claude Haiku 5.5 主打低成本智能体效率AI at Meta
11-10Artificial Analysis 评测 Meta 新模型 Muse Ember,智能指数 36 分以约三分之一成本持平 Claude Haiku 5.5Artificial Analysis