claude-haiku-4-5Claude Haiku 4.5 适合快速问答、分类、图文信息提取与轻量代码辅助,也可作为工具流程中的分工助手。
比較同一模型在不同供應商的價格與服務表現。
| 供應商 | Discount | 輸入/M | 輸出/M | 緩存讀取/M | 緩存寫入 (5m)/M | 緩存寫入 (1h)/M | ||
|---|---|---|---|---|---|---|---|---|
Anthropic Anthropic 官方 | 省10% | $0.9 | $4.5 | $0.09 | $1.125 | $1.8 | ||
CCMax 使用自用 vibe coding,纯血 ccmax号池 | 省70% | $0.3 | $1.5 | $0.03 | $0.375 | $0.6 | ||
Claude kiro 使用自用 vibe coding,kiro号池 | 省90% | $0.1 | $0.5 | $0.01 | $0.125 | $0.2 | ||
CCMax-ZL CCmax微注-可蒸 | 省70% | $0.3 | $1.5 | $0.03 | $0.375 | $0.6 | ||
AmazonBedrock AWS 官方 | 省40% | $0.6 | $3 | $0.06 | $0.75 | $1.2 |
左右滑動表格,查看完整價格與效能。
標準化評測得分。百分比越高越好,並展示排名百分位。
指標來源:Artificial Analysis 2026-09-30·Claude Haiku 4.5
目前基準快照不包含此模型。
缺少模型或測量值不代表零分。
基準圖表保留來源中的模型選擇和推理設定。缺少模型或測量值不代表零分,基準成本或速度也不是本站的服務承諾。
Claude Haiku 4.5 适合任务明确、调用频繁的应用,例如给客服消息分类、提取文档字段、生成简短回复、解释局部代码,或为更大的工作流程整理输入。对需要快速获得可继续处理结果的团队,可以用它承担基础分析与常规沟通。
它接受文字和图片,输出文字。除了处理纯文本工单,也可以读取截图、票据或图文说明。例如,从客服截图中提取错误提示与操作步骤,再整理成技术工单;从表单图片中提取已填写内容,并标出缺失项。图片中的小字和关键数字应返回原文,便于人工或程序校验。
函数调用与结构化输出让它能成为业务流程的一环。可以规定分类标签、字段和缺失值,再把输出交给系统保存;也可以让它选择查询工具,获取订单或知识库结果后生成回复。实际查询、数据更新与权限检查由应用工具完成。
需要更多分析时,它支持手动开启扩展思考。这与自适应思考的配置不同,应使用对应的 thinking 设置并预留预算。对简单字段提取,清楚的规则与少量示例往往比增加思考更直接;对多条件判断,则可以评估开启思考后的质量和延迟。
适合承担哪些分工? 文档初筛、信息整理、常规代码解释和格式转换都适合定义清楚的输入输出。
什么时候转交更强模型? 遇到证据冲突、复杂跨模块问题或重要决策时,可以先整理事实与待解决问题,再交给深入分析流程。
给出固定分类与字段,保留足够原文依据。
根据这段客服对话和报错截图生成技术工单。
返回 JSON:title、category、steps、error_text、expected_behavior、missing_info。
category 只选登录、支付、文件上传或其他。
steps 按用户已描述的操作排序;不清楚的内容放入 missing_info,不自行补全。
代码问题限定到函数或模块,并附样例。需要扩展思考时按手动 thinking 配置启用;日常分类先用代表样本检查标签混淆、字段缺失和结果格式,再接入高频调用。
/v1/messages| 參數 | 類型 | 預設值 / 範圍 | 說明資訊 |
|---|---|---|---|
temperature | number | = 10 ~ 2 | 採樣溫度;越低越穩定 |
top_p | number | = 10 ~ 1 | 核採樣累積概率 |
max_tokens | integer | >= 1 | 回應中最大 token 數 |
frequency_penalty | number | = 0-2 ~ 2 | 懲罰高頻 token 的重複出現 |
presence_penalty | number | = 0-2 ~ 2 | 鼓勵引入新話題 |
stop | array | — | 最多 4 個停止生成的字串 |
seed | integer | — | 盡量保證可復現的採樣種子 |
n | integer | = 1>= 1 | 生成的候選條數 |
stream | boolean | = false | 透過 SSE 串流返回 token |
response_format | object | — | 強制輸出 JSON 物件或符合 Schema 的結果 |
tools | array | — | 模型可呼叫的工具 / 函數聲明 |
tool_choice | string | autononerequired | 工具選擇策略或具體工具名 |
logprobs | boolean | = false | 返回每個 token 的對數概率 |
top_logprobs | integer | 0 ~ 20 | 每個 token 返回的 top 概率數量 |
logit_bias | object | — | 按 token 的 logit 偏置映射 |
user | string | — | 用於風險審計的終端用戶標識 |
替換 <YOUR_API_KEY> 替換為 API 金鑰頁面中的金鑰。
所有請求必須攜帶 Authorization: Bearer <TOKEN> 請求頭。Anthropic 格式的端點也接受 x-api-key 請求頭。
在「令牌」頁面生成 API Key,可以按模型、分組、IP、速率等維度精細化授權。
| 參數 | 類型 | 預設值 / 範圍 | 說明資訊 |
|---|---|---|---|
temperature | number | = 10 ~ 2 | 採樣溫度;越低越穩定 |
top_p | number | = 10 ~ 1 | 核採樣累積概率 |
max_tokens | integer | >= 1 | 回應中最大 token 數 |
frequency_penalty | number | = 0-2 ~ 2 | 懲罰高頻 token 的重複出現 |
presence_penalty | number | = 0-2 ~ 2 | 鼓勵引入新話題 |
stop | array | — | 最多 4 個停止生成的字串 |
seed | integer | — | 盡量保證可復現的採樣種子 |
n | integer | = 1>= 1 | 生成的候選條數 |
stream | boolean | = false | 透過 SSE 串流返回 token |
response_format | object | — | 強制輸出 JSON 物件或符合 Schema 的結果 |
tools | array | — | 模型可呼叫的工具 / 函數聲明 |
tool_choice | string | autononerequired | 工具選擇策略或具體工具名 |
logprobs | boolean | = false | 返回每個 token 的對數概率 |
top_logprobs | integer | 0 ~ 20 | 每個 token 返回的 top 概率數量 |
logit_bias | object | — | 按 token 的 logit 偏置映射 |
user | string | — | 用於風險審計的終端用戶標識 |
| 供應商 | RPM | TPM | RPD |
|---|---|---|---|
| AmazonBedrock | 無限制 | 無限制 | 無限制 |
| AmazonBedrock-ZL | 無限制 | 無限制 | 無限制 |
| Anthropic | 無限制 | 無限制 | 無限制 |
| CCMax | 無限制 | 無限制 | 無限制 |
| CCMax-ZL | 無限制 | 無限制 | 無限制 |
| Claude kiro | 無限制 | 無限制 | 無限制 |
| default | 無限制 | 無限制 | 無限制 |
無限制
Claude Haiku 4.5 适合快速问答、分类、图文信息提取与轻量代码辅助,也可作为工具流程中的分工助手。
Create an API key with access to claude-haiku-4-5, then use the exact model ID and a supported endpoint from the API access section. Request fields depend on the selected endpoint.
Pricing depends on the selected provider group and the model billing unit. The current input, output, request, or media prices are shown on this page before sign-up.
The model catalog lists a context window of 200000 tokens. Check the selected endpoint for request limits.
The model catalog lists a maximum output of 64000 tokens. Your request settings may set a lower limit.
Start with the use cases and prompting guidance on this page, then evaluate the model with representative inputs from your project.
