Haiku 5.5 適合接手哪些工作，省下的費用是否換來更久等待？

小型、可明確驗收的修錯有省費用訊號；較便宜不等於較快，大專案找漏與視覺作品仍要分別驗收。

整理範圍 四位作者／團隊的不同任務，含兩個程式評測與兩個製作展示；原始 X 與公開評測資料均有來源，本站未重跑模型。

依使用情境決定

有小型修錯、能寫明確測試的人

先把一小批任務交給 Haiku，記錄成功修復費用與整段等待，再決定是否換。

6 個 repo 的重跑表現支持試用；每成功修復估算較便宜，但 30 秒中位數比 Sonnet 的 17 秒長。effort 缺口仍在。

案例：小型 Python 修錯：每次成功修復便宜，完成等待更久 · 來源：Stanislav Sorokin — Haiku／Sonnet 小型修錯完整結果 · 來源：同作者 — Claude Code 版本、題目與牌價算法

想讓代理替大型 repo 找出所有問題的人

保留人工審查與其他測試，先限定檢查範圍，不把小題成功率當覆蓋率。

同模型在另一套主動找漏任務只修復部分已植入問題；小題與大 repo 問的不是相同能力。

案例：小型 Python 修錯：每次成功修復便宜，完成等待更久 · 案例：兩個大型 repo 找漏：小題全過，不能保證大專案全修 · 來源：同作者 — Claude Code 版本、題目與牌價算法 · 來源：Bug Hunt Bench — Haiku xhigh 重複結果與成本註記

想先看到網站方向的人

試做小範圍第一版，再決定是否交給較大模型精修。

較短的完成回報伴隨品質取捨；計入你自己的後續修改時間。

案例：捲動動畫網站：先完成，還是多花時間換細節？ · 來源：m0h — Haiku／Opus 捲動網站原始展示與回覆 · 來源：m0h — 提示、Higgsfield MCP 與前序工作補充

預算有限、想做複雜視覺作品的人

先設每次任務上限，要求用量明細，按照相同驗收條件比較。

單價、輸入長度分級、重試與工具費一起影響總費用；公開預覽不足以驗收功能。

案例：3D 體素寶塔：便宜單價仍可能有高任務費用 · 來源：atomic.chat — 體素場景與費用比較 · 來源：Anthropic — Haiku 5.5 牌價、effort 與適用工作

從案例看出什麼

省費用與省等待，可以往相反方向走

小型修錯中，Haiku 每成功修復的牌價估算 US$0.008，Sonnet US$0.060；但完成時間中位數是 30 秒與 17 秒。作者也回報較多 turns 與 5 倍輸出量，與更長完成等待並存；缺逐次紀錄，不能把這種關係當成已證明的因果。官方的輸出速度宣稱也不能替代整個代理任務的完成時間。

案例：小型 Python 修錯：每次成功修復便宜，完成等待更久 · 來源：Stanislav Sorokin — Haiku／Sonnet 小型修錯完整結果 · 來源：同作者 — Claude Code 版本、題目與牌價算法

24／24 是小型重跑結果，不是大專案找漏保證

第一組每模型 24 次由 6 個 repo 重跑組成；第二組要求在兩個大型 repo 主動找漏，xhigh 三次修復 16、19、20／105。後者的未植入修復不加分，因此也不能把「沒計入」都當成無價值。兩組證據界定不同用途，沒有形成跨模型或跨任務總排名。

案例：小型 Python 修錯：每次成功修復便宜，完成等待更久 · 案例：兩個大型 repo 找漏：小題全過，不能保證大專案全修 · 來源：同作者 — Claude Code 版本、題目與牌價算法 · 來源：Bug Hunt Bench — Haiku xhigh 重複結果與成本註記

長上下文會改變「便宜單價」的成本基礎

Bug Hunt 的 xhigh 六個 repo 執行紀錄，587 次請求有 552 次超過 100K 提示長度，必須逐請求用上層牌價估算；作者平均 US$4.80 是整組兩 repo 費用，與 US$0.008 的每成功修復分母不同，不能直接除成倍率。3D 自報費用缺用量，也不能猜是同一原因。

案例：兩個大型 repo 找漏：小題全過，不能保證大專案全修 · 案例：3D 體素寶塔：便宜單價仍可能有高任務費用 · 來源：Bug Hunt Bench — Haiku xhigh 重複結果與成本註記 · 來源：atomic.chat — 體素場景與費用比較 · 來源：Anthropic — Haiku 5.5 牌價、effort 與適用工作

更早有作品，不代表更早得到合格成品

網站案例同時包含速度好評與品質讓步。編輯判斷是分開量「第一版完成」與「你願意發布」的時間；原作者沒有公布後者，也沒有列修到相同品質的次數。

案例：捲動動畫網站：先完成，還是多花時間換細節？ · 來源：m0h — Haiku／Opus 捲動網站原始展示與回覆 · 來源：m0h — 提示、Higgsfield MCP 與前序工作補充

低牌價，與同品質任務費用是兩個問題

場景比較可提醒讀者要求完整用量，但缺少 effort、提示和帳單，不能據此判定費用差距由哪一個因素造成。兩邊場景細節也不同，不能假定支付的是相同品質。

案例：3D 體素寶塔：便宜單價仍可能有高任務費用 · 來源：atomic.chat — 體素場景與費用比較 · 來源：Anthropic — Haiku 5.5 牌價、effort 與適用工作

同一組小型修錯：費用較低，等待更長

成功修復：24 對 21 次／24 次；每成功修復估算費用：0.008 對 0.06 US$／次；完成時間中位數：30 對 17 秒
Stanislav Sorokin — Haiku／Sonnet 小型修錯完整結果 ↗ · 2026-10-08 測試 · 查閱 10/09 16:37
比較條件：Claude Code 2.1.289 headless，同提示、6 個小型 Python repo，每模型各 24 次；effort 未公開。
指標Haiku 5.5Sonnet 5.5
成功修復（次／24 次）2421
每成功修復估算費用（US$／次）0.0080.06
完成時間中位數（秒）3017

只比較這組小型修錯。費用由 token 乘牌價、不是帳單；作者未公開失敗執行的費用如何分攤到每次成功修復，也沒有逐次計算明細。24 次不是 24 種不同 bug；圖表每個指標有自己的尺度，不能跨指標比較柱長。

個案紀錄：任務、結果與限制

X

小型 Python 修錯：每次成功修復便宜，完成等待更久

Stanislav Sorokin · 發布 · 查閱 10/09 16:37（台北）

任務
6 個小型 Python repo：semver 比較、LRU cache、含引號 CSV、token bucket、區間重疊與重試退避；每個模型在每個 repo 各跑 4 次。
設定
Claude Code 2.1.289 headless；每次只用一個模型，同提示，事後以代理沒看過的 hidden asserts 驗收。3 模型合計 72 次，每模型 24 次。effort、完整 repo／提示與逐次 token 紀錄未在已讀貼文公開。
結果
Haiku 5.5 成功 24/24 次，Sonnet 5.5 為 21/24，Haiku 4.5 為 16/24；每次成功修復牌價估算 US$0.008／0.060／0.103。完成時間中位數 30／17／35 秒，turns per run 為 10.5／4／11，貼文未說 turns 的統計量。作者另自報 Haiku 輸出量是 Sonnet 的 5 倍。Sonnet 的失敗均在區間重疊題。
限制
24 次是 6 個 repo 各重跑 4 次，不是 24 種獨立 bug。成本由 token 數乘官方牌價，非帳單；0.060 ÷ 0.008 約 7.5，作者圖文以 7 倍概述，數字有四捨五入。30 ÷ 17 約 1.76，不能把較低費用寫成完成更快。
與產品的關係
Tectomight 代理 harness／Bles Software 創辦人；方法回覆導流自家軟體稽核，不是無商業關係評測。
證據類型
本站親讀完整原帖及同作者方法回覆；屬作者自報，沒有重跑或取得逐次原始紀錄。
在 Claude Code 裡，它花了 Sonnet 的 1.8 倍完成時間。
Stanislav Sorokin 的原話忠實翻譯 · 短節錄
對照原文
In Claude Code it took 1.8x Sonnet's wall time

原始個案：開啟原始貼文／頁面 ↗ · 來源清單：Stanislav Sorokin — Haiku／Sonnet 小型修錯完整結果

相關圖片：原作者的測試摘要：每模型 6 個小 repo 各跑 4 次，24／24 不是 24 種獨立 bug。圖上 7 倍指每成功修復的牌價估算比例，已公布金額相除約 7.5，並非實際帳單或大專案保證。

公開評測

兩個大型 repo 找漏：小題全過，不能保證大專案全修

Pawel Huryn／Bug Hunt Bench · 發布 · 查閱 10/09 16:37（台北）

任務
約 2.8 萬行 TypeScript VS Code extension 與 6 萬行 React／Supabase LMS，合計 105 個植入 bug，多數來自原 repo 修復歷史的回退。
設定
每個 repo 同提示、一輪；Claude Code 2.1.292、Anthropic API、xhigh effort。3 次完整配置各跑兩個 repo，依作者紀錄逐個順序執行；blind Codex gpt-5.5 judge 依 withheld answer key 與實際 diff 評分，不採模型自己聲稱的修復數。
結果
3 次分別修復 16、19、20／105，平均 18.3。兩 repo 合計的牌價估算分別 US$4.50／4.30／5.59，平均 US$4.80；完成時間分別 22.7／20.5／29.1 分鐘。部分修復及未植入問題另記、不加入分數。
限制
這是主動找漏並修復，與 6 個小型、已知有 bug 的題目不同；不能合併成功率或宣稱測試互相矛盾。只重跑 3 次，16–20 是已觀察範圍。費用非帳單；587 次請求有 552 次超過 100K 提示長度，用較高牌價逐請求計算，不能全套 US$0.10／0.50 單價。
與產品的關係
Product Compass 作者維護的公開評測，網站導流作者付費 newsletter；屬第三方測量，有商業出版關係。
證據類型
本站查閱原始 benchmark JSON 的方法、xhigh 完整紀錄與成本註記；沒有逐一重做 105 個修復或獨立審判 diff。

原始個案：開啟原始貼文／頁面 ↗ · 來源清單：Bug Hunt Bench — Haiku xhigh 重複結果與成本註記

X

捲動動畫網站：先完成，還是多花時間換細節？

m0h · 發布 · 查閱 10/08 16:39（台北）

任務
製作 Refresh 的捲動動畫 landing page，與 Opus 5.5 比較。
設定
作者說使用同一提示；回覆補充參考圖、既有 tools／skills、Higgsfield MCP 與前序工作脈絡。完整工具清單、effort、重試與用量未公開。
結果
作者回報 Haiku 約 15 分鐘完成，Opus 超過一小時；但認為 Opus 的整體成果、細節與執行較好。
限制
一次創作者展示；沒有費用、功能驗收或手機測試。不是模型輸出速度測量，也不是兩者品質相同的比較。
與產品的關係
個人 AI 探索作者；未查核贊助或其他商業關係。
證據類型
完整原帖、原影片入口與作者設定回覆；本站沒有重做網站。
它大約花了 15 分鐘建好整個捲動動畫網站。
m0h 的原話忠實翻譯 · 短節錄
對照原文
it built the entire scroll-animation website in around 15 minutes.

原始個案：開啟原始貼文／頁面 ↗ · 來源清單：m0h — Haiku／Opus 捲動網站原始展示與回覆

X

3D 體素寶塔：便宜單價仍可能有高任務費用

atomic.chat · 發布 · 查閱 10/08 16:39（台北）

任務
生成動畫體素 3D 寶塔島，與 GPT-6 Luna 比較。
設定
平台自報 API 測試，作者宣稱兩模型 API 單價相同（本站未另行核對）；沒有完整提示、effort、token 明細、重試、上下文長度或對照品質驗收。
結果
貼文報告 Haiku US$24.96、Luna US$1.91。這是平台自報任務費用，未提供實際帳單；作者說的 12 倍與兩數相除約 13.1 倍不一致，因此本文以金額為準。
限制
兩份場景不是完全相同成果；預覽不能證明動態或功能。缺用量明細，不能歸因為某模型必然產生更多 token。
與產品的關係
商業 AI 聊天／推論平台，以自家服務展示並導流；不是無商業關係的評測。
證據類型
完整原帖、所見回覆與原影片預覽；本站未重跑或查核帳單。
Claude Haiku 5.5 的費用比 GPT-6 Luna 高 12 倍。
atomic.chat 的原話忠實翻譯 · 短節錄
對照原文
Claude Haiku 5.5 cost 12x more than GPT-6 Luna

原始個案：開啟原始貼文／頁面 ↗ · 來源清單：atomic.chat — 體素場景與費用比較

相關圖片：原影片預覽可看場景細節；畫面頂部 US$0.00 是預覽影格上的標示，不是貼文報告的最終費用。金額以原帖文字自報為準，這張靜態圖不能驗證動畫或完整功能。

看原始展示

創作者展示 · 2026.10.08

Refresh 捲動網站：看 Haiku 與 Opus 成果

作者自報完成時間與品質取捨；原影片不等於本站操作驗收。

來源：m0h · 開啟原貼文／影片 ↗

點擊才連線至 X，可能載入其 Cookie；也可直接開啟原貼文。

創作者展示 · 2026.10.08

體素寶塔島：原始動態與費用標示

商業平台自報比較；完整用量與品質條件未公開，詳見個案。

來源：atomic.chat · 開啟原貼文／影片 ↗

點擊才連線至 X，可能載入其 Cookie；也可直接開啟原貼文。

創作者展示 · 2026.10.08

小型 Python 修錯：原作者測試摘要

同一作者的摘要影片；條件、牌價估算與缺口見個案，本站沒有重跑。

來源：Stanislav Sorokin · 開啟原貼文／影片 ↗

點擊才連線至 X，可能載入其 Cookie；也可直接開啟原貼文。

官方與評測背景

  • 四位作者／團隊的不同任務：小型 Python 修錯、大型 repo 找漏、動畫網站與 3D 場景。各自的驗收、費用與等待有不同定義，不拼成模型總排名。[5]
  • Haiku 5.5 官方 API 單價依提示長度分級：不超過 100K token 時，每百萬輸入 US$0.10、輸出 US$0.50；超過則為 US$0.50／2.50。這是牌價，不是上述作品的帳單。[4]
  • 官方說 Haiku 5.5 可調 effort，適合高量、範圍明確的工作；複雜代理程式任務仍建議更大的模型。Bug Hunt 公開 xhigh；小型修錯與兩個製作案例缺 effort，無法確認不同來源的運算預算相當。[4]

尚未解決的限制與後續觀察

  • 四個任務的驗收與成本分母不同，不合併成功率、費用或時間；小題反覆重跑不等於更多不同任務。
  • 外觀展示、動態表現與功能完整度不同；本篇沒有把預覽當玩法或互動測試。
  • 未查核商業贊助不代表沒有關係；平台自報已明示其產品導流。
  • 小型修錯需公開 effort、逐次 token／完整題目與評分紀錄；大型 repo 找漏追蹤更多重複與實際 diff 審查。
  • 追蹤相同提示、同 effort、含重試與工具費的比較；兩個製作案例仍缺完整用量與驗收紀錄。
  • m0h 預告的 motion graphics 尚非完成案例；不把觀眾的 Remotion 建議寫成作者已測試的結果。

來源與查核

  1. m0h — Haiku／Opus 捲動網站原始展示與回覆 ↗創作者自報／未重現 · 原文日期 2026.10.08 · 查核 10/08 16:39（台北）
  2. m0h — 提示、Higgsfield MCP 與前序工作補充 ↗同作者設定補充／非第二位測試者 · 原文日期 2026.10.08 · 查核 10/08 16:39（台北）
  3. atomic.chat — 體素場景與費用比較 ↗商業平台自報／未查核帳單 · 原文日期 2026.10.08 · 查核 10/08 16:39（台北）
  4. Anthropic — Haiku 5.5 牌價、effort 與適用工作 ↗官方公告／與任務費用分開 · 查核 10/08 16:39（台北）
  5. Stanislav Sorokin — Haiku／Sonnet 小型修錯完整結果 ↗商業軟體作者自報／本站未重跑 · 原文日期 2026.10.08 · 查核 10/09 16:37（台北）
  6. 同作者 — Claude Code 版本、題目與牌價算法 ↗同作者方法補充／非獨立測試者 · 原文日期 2026.10.08 · 查核 10/09 16:37（台北）
  7. Bug Hunt Bench — Haiku xhigh 重複結果與成本註記 ↗第三方公開測量／牌價估算非帳單 · 查核 10/09 16:37（台北）

本文整理已公開的個案，不代表普遍使用情況。引言保留作者歸屬與原文連結，數據與限制以各自來源為準。

修正紀錄

  • 2026-10-09 實質補充：新增小型修錯與大型 repo 主動找漏的原始測試、成本分母、原話和來源預覽；保留 10/8 原製作案例與發布日期。