Claude Haiku 5.5 模型测评导航
汇总 Claude Haiku 5.5 的官方基准、媒体分析和社区实测，不把第三方观点包装成 Tabbit 自测。
媒体
3 条已核对来源的资料Claude Haiku 5.5 官方基准：高吞吐任务的成本与能力定位
Anthropic 将 Claude Haiku 5.5 定位为面向摘要、压缩、数据库查询、分类、实时客服、浏览器操作和编码子代理的高吞吐模型；发布页给出的官方对照显示，它在部分知识工作、电脑使用、多学科推理、终端编码和视觉推理基准上明显高于 Haiku 4.5，但复杂的 Agent 编码仍应优先考虑更大的模型。
Artificial Analysis：Claude Haiku 5.5 的智能指数与 Agent 任务独立测评
Artificial Analysis 的独立测评显示，Claude Haiku 5.5 在 max effort 下取得 43 分并进入小模型第一梯队，知识工作和终端使用明显超过 Haiku 4.5，但其 Intelligence Index 每项任务加权平均约 162k output tokens，且安全拒答问题可能压低了 AutomationBench-AA 得分。
Arena.ai WebDev 公开榜单：Claude Haiku 5.5 High 的实时排名
Arena.ai 的 Code Arena WebDev 公开榜单在 2026-10-08 的 Ranking 视图快照中将 Claude Haiku 5.5（High）列为 142 个模型中的第 30 名，得分 1587、978 票；它的输入/输出标价为 $0.10/$0.50 每百万 token、上下文为 1M，但榜单结果只反映 WebDev 公开投票对战，不能外推到通用编码。
社区
3 条已核对来源的资料Reddit ClaudeCode 小样本编码 Agent 对照测试：Haiku 5.5 Medium 是否足够做主力
一位 ClaudeCode 用户在真实中型混合语言代码库上做的小样本对照显示，Haiku 5.5 Medium 在一次跨语言 Agent 任务中与 Sonnet 5.5 Medium 达到同等结果，但 Low 漏验、高档位请求数和成本明显增加；这个结果适合作为个人路由实验的起点，不能当作通用编码排名。
Reddit 用户的 Claude Code 体验：Haiku 5.5 的上下文增长与 100k 门槛
这条 Reddit 讨论显示，Claude Code 的长 Agent 会因为工具结果和对话历史持续留在上下文中，很快跨过 100k token 价格档位；把 Haiku 5.5 用作短任务子代理、限制工具和拆小工单，可能比让一个 Agent 长时间累积上下文更适合，但这些数字来自少量用户的自报，不能外推到所有工作流。
Reddit 重复测试：Claude Code 技能在 Haiku 5.5 上的结果会反转
这份 Claude Code 技能现场报告在相同任务、启用和不启用技能、每种条件重复 3 次的情况下，发现 Haiku 5.5 的技能收益可能在不同运行之间改变方向；单次截图不足以判断技能是否有效。
Claude Haiku 5.5
在 Tabbit 中使用并对比模型
汇总 Claude Haiku 5.5 的官方基准、媒体分析和社区实测，不把第三方观点包装成 Tabbit 自测。