# Claude Haiku 5.5 对比 GPT-6 Luna：同价，默认档任务成本差 2.7 倍

> Claude Haiku 5.5 与 GPT-6 Luna 短提示同价；AA 数据中默认档 Haiku 每任务约贵 2.7 倍，提示过 100K 后整次单价再涨 5 倍。

- URL: https://blog.laozhang.ai/zh/posts/claude-haiku-5-5-vs-gpt-6-luna
- Published: 2026-10-08
- Updated: 2026-10-08
- Author: LaoZhang AI Team (https://blog.laozhang.ai/zh/about)
- Topic: 模型对比
- Tags: Claude Haiku 5.5, GPT-6 Luna, 模型对比, API 价格, 模型选型, 效率型模型

---
截至 2026 年 10 月 8 日，Claude Haiku 5.5 和 GPT-6 Luna 的 API 标价在短提示下完全一样：每百万 token 输入 $0.10、缓存读取 $0.01、输出 $0.50（见 [Claude API 价格页](https://platform.claude.com/docs/en/about-claude/pricing)与 [OpenAI API 定价页](https://developers.openai.com/api/docs/pricing)）。拉开账单的是每个任务生成多少 token。Artificial Analysis（下称 AA）在两边默认的 medium effort 下跑同一套评测，Haiku 5.5 每任务 $0.0470，GPT-6 Luna 每任务 $0.0175，前者约贵 2.7 倍（[AA 的 Haiku 5.5 与 GPT-6 Luna 对比页](https://artificialanalysis.ai/models/releases/comparisons/claude-haiku-5-5-vs-gpt-6-luna)）。提示一旦超过 100K token，Haiku 整次请求的单价再涨 5 倍，Luna 要到 272K 才换档，而且只涨 1.5～2 倍。

所以没有自己任务的对照数据时，先拿 GPT-6 Luna 做成本基线，尤其是请求量大、提示偏长的分类、路由和信息抽取。下面几种情况再让 Haiku 5.5 跑同一批任务：

- 需要的质量超过 Luna 的上限。AA 综合指数里 Luna 开到 max 档是 38 分，Haiku 的 xhigh 和 max 档是 41 和 43 分。
- 终端操作、电脑操作一类的代理任务。AA 的 Terminal-Bench 4.0 和 Anthropic 自报的 OSWorld 2.1 离线子集里，Haiku 都明显领先。
- 主代理已经是 Claude Sonnet 5.5 或 Opus 5.5，需要一个同栈的子代理，或者在 Claude Code 里用 `haiku` 别名。

还有一个前提在单价之前：Anthropic 和 OpenAI 的支持地区列表里都没有中国大陆、香港和澳门。能不能合规直连，决定了比较是否成立，具体见后面的接入一节。

## 同价、贵 12 倍、便宜 75%：三种说法各在比什么

三种说法都有出处，但比较的对象不同，只有第一种直接比的是这两款模型。

| 说法 | 实际比较的是什么 | 出处 | 能否用来估你的账单 |
| --- | --- | --- | --- |
| 两者同价 | Haiku 5.5 提示不超过 100K、Luna 输入不超过 272K 时的每百万 token 单价 | 两家定价页 | 只能代入单价，总额还要乘各自的 token 数 |
| Haiku 便宜 75% | Haiku 5.5 对比上一代 Claude Haiku 4.5 的平均运行成本 | [Anthropic 的 Haiku 5.5 发布公告](https://www.anthropic.com/claude-haiku-5-5) | 只对从 Haiku 4.5 迁移的人有意义，与 Luna 无关 |
| Haiku 贵 12 倍 | 社区帖子里的单次对比；AA 数据里只有拿 Haiku max 档对 Luna medium 档才得到这个数 | 社区帖子；AA 数据推算 | 不能，两边的 effort 档位不一样 |

75% 是 Anthropic 的平均估算。公告脚注说明，按单价算，100K 以内的请求 Haiku 5.5 比 Haiku 4.5 低 90%，超过 100K 低 50%，而 Haiku 4.5 约 90% 的请求在 100K 以内。只按请求数加权是 0.9 × 90% + 0.1 × 50% = 86%；Anthropic 还扣掉了 Haiku 5.5 因新分词器每个任务多用的 token，结果约为 75%。

12 倍可以用 AA 的每任务成本复算：Haiku max 档 $0.2128 ÷ Luna medium 档 $0.01748 ≈ 12.2 倍。两边都取同一档位时，比值是 2.7～5.4 倍（下面有整张表）；Haiku medium 对 Luna low 也能凑出约 10.4 倍。档位不同，比出来的是"开多大思考量"，不是"哪个模型贵"。

既然短提示单价相同，同一个任务的成本差就只来自三处：模型生成了多少输出和思考 token、同一段文字被各自的分词器切成多少 token，以及 Haiku 的请求有没有越过 100K。

## API 单价：Haiku 过 100K、Luna 过 272K，整次请求换档

下表单位是美元／每百万 token，截至 2026 年 10 月 8 日，取自两家的官方定价页。输出单价也适用于思考或推理 token。

| 计费项 | Haiku 5.5，提示 ≤100K | Haiku 5.5，提示 >100K | GPT-6 Luna，输入 ≤272K | GPT-6 Luna，输入 >272K |
| --- | --- | --- | --- | --- |
| 输入 | $0.10 | $0.50 | $0.10 | $0.20 |
| 缓存读取 | $0.01 | $0.05 | $0.01 | $0.02 |
| 缓存写入 | 5 分钟 $0.125，1 小时 $0.20 | 5 分钟 $0.625，1 小时 $1 | $0.125 | $0.25 |
| 输出 | $0.50 | $2.50 | $0.50 | $0.75 |
| 批处理输入／输出 | $0.05／$0.25 | $0.25／$1.25 | $0.05／$0.25 | $0.10／$0.375 |

两条阶梯线有三点不同：

- 位置不同。Haiku 是提示超过 100,000 token，Luna 是输入超过 272K token。100K 到 272K 之间，Luna 仍是低档价，Haiku 已经是高档价。
- 涨幅不同。Haiku 换档后各项单价都是原来的 5 倍；Luna 输入和缓存是 2 倍，输出是 1.5 倍。
- 计价范围相同。[GPT-6 Luna 型号页](https://developers.openai.com/api/docs/models/gpt-6-luna)写明超过 272K 后"整次请求"按高档计价；Anthropic 价格表把输出和缓存列也放在"提示超过 100,000 token"那一行，公告脚注的说法是"超过 100,000 token 的请求"，即整次请求换档，而不是只对超出部分加价。

有一处官方没写清楚：缓存读取和缓存写入的 token 算不算进 Haiku 的 100K。做预算时按算进去处理更稳妥，下一节的缓存算例会说明差别有多大。

加速通道上两家也不一样。OpenAI 在 2026 年 7 月 30 日把 Priority 处理改名为 Fast mode，价格是标准价的 2 倍，Batch 和 Flex 是五折；Anthropic 的服务等级文档写明 Haiku 5.5 不支持 Priority Tier，Anthropic 的 Fast mode 也只适用于 Opus 系列。需要付费买更低延迟时，两款里只有 Luna 有这条路。

上下文长度都够用：Haiku 5.5 上下文 1M token、单次输出最多 128K；GPT-6 Luna 上下文 1,050,000 token，其中输入最多 922,000，输出最多 128K。

## 每次请求花多少：阶梯线、缓存与批量分类算例

单次请求的成本按下面的公式算，单价取这次请求所在的档位：

> 成本 =（未缓存输入 × 输入单价 + 缓存读取 × 读取单价 + 缓存写入 × 写入单价 + 输出与思考 token × 输出单价）÷ 1,000,000

下面四个场景都不带缓存，输出量为假设值：

| 场景 | Haiku 5.5 | GPT-6 Luna | 差距 |
| --- | --- | --- | --- |
| 10K 输入 + 1K 输出 | $0.0015 | $0.0015 | 相同 |
| 99K 输入 + 2K 输出 | $0.0109 | $0.0109 | 相同 |
| 150K 输入 + 2K 输出 | $0.080 | $0.016 | Haiku 是 Luna 的 5 倍 |
| 300K 输入 + 2K 输出 | $0.155 | $0.0615 | Haiku 约是 Luna 的 2.5 倍 |

150K 这一行最能说明阶梯线的影响。Haiku 已经越过 100K：150,000 × $0.50 + 2,000 × $2.50，再除以一百万，等于 $0.075 + $0.005 = $0.080。Luna 还在 272K 以内：150,000 × $0.10 + 2,000 × $0.50，除以一百万，等于 $0.015 + $0.001 = $0.016。同样的请求，只是比 99K 多了 51K 输入，Haiku 的花费从 $0.0109 跳到 $0.080。到了 300K，Luna 也换档：300,000 × $0.20 + 2,000 × $0.75，除以一百万，等于 $0.0615；Haiku 是 300,000 × $0.50 + 2,000 × $2.50，除以一百万，等于 $0.155。

![输入长度轴上的两条阶梯线：Haiku 5.5 过 100K 整次单价涨 5 倍，GPT-6 Luna 过 272K 才涨 1.5～2 倍；99K、150K、300K 三个算例分别为两边相同、$0.080 对 $0.016、$0.155 对 $0.0615](https://blog.laozhang.ai/posts/zh/claude-haiku-5-5-vs-gpt-6-luna/img/tier-threshold-150k.webp)

再看缓存。一次 150K 的请求，其中 140K 命中缓存、10K 未缓存，输出 2K：

- GPT-6 Luna：140,000 × $0.01 + 10,000 × $0.10 + 2,000 × $0.50，除以一百万，等于 $0.0034。
- Haiku 5.5，如果缓存 token 算进 100K（按高档）：140,000 × $0.05 + 10,000 × $0.50 + 2,000 × $2.50，除以一百万，等于 $0.017。
- Haiku 5.5，如果不算进去（按低档）：同 Luna，$0.0034。

两种口径差 5 倍。在 Anthropic 明确说明之前，带长缓存前缀的 Haiku 请求按 $0.017 这类高档数字做预算，上线后再用账单核对。

再看大批量分类：100 万次请求，每次 2K 输入、300 输出。每次是 2,000 × $0.10 + 300 × $0.50，除以一百万，等于 $0.00035，100 万次共 $350，两边相同；走批处理五折，各 $175。同样的工作量放在 Haiku 4.5 上，每次是 2,000 × $1 + 300 × $5，除以一百万，等于 $0.0035，共 $3,500。

这个算例里的 300 个输出 token 必须包含思考 token。两款模型默认都是 medium 档：Haiku 5.5 默认开启自适应思考，Luna 默认会推理。假设每次请求再多出 1,000 个思考 token，就是多 1,000 × $0.50 ÷ 1,000,000 = $0.0005，100 万次多 $500，总额从 $350 变成 $850。做分类、路由这种答案很短的任务时，把思考量压到最低，比在两个模型之间挑单价更省钱。

最后一个变量是分词器。Anthropic 说明，同一段文字在 Haiku 5.5 上比在 Haiku 4.5 上多出约 30% 的 token，具体视内容而定；Anthropic 与 OpenAI 两家分词器之间的换算比例没有公开数据。用自己的真实提示分别调用两边，读响应里的 `usage` 字段，比套任何比例都准。

## 每个任务花多少：AA 测得同档 effort 下 Haiku 贵 2.7～5.4 倍

AA 用同一套 10 项评测（综合指数 v4.3.2）按档位分别测了两款模型。下表是截至 2026 年 10 月 8 日 AA 对比页上的数据，每任务成本为美元，输出 token 是每个指数任务的平均值。

| effort 档位 | Haiku 5.5 指数 | Haiku 每任务 | Haiku 输出 token | Luna 指数 | Luna 每任务 | Luna 输出 token | Haiku／Luna 成本比 |
| --- | --- | --- | --- | --- | --- | --- | --- |
| max | 43 | $0.2128 | 162,164 | 38 | $0.0678 | 50,012 | 3.14 |
| xhigh | 41 | $0.1238 | 89,394 | 35 | $0.0422 | 27,487 | 2.93 |
| high | 38 | $0.0794 | 55,388 | 33 | $0.0290 | 19,703 | 2.74 |
| medium（两边默认） | 34 | $0.0470 | 32,813 | 30 | $0.0175 | 11,456 | 2.69 |
| low | 29 | $0.0245 | 17,286 | 22 | $0.0045 | 2,087 | 5.42 |
| none（仅 Luna） | 无此档 | 无此档 | 无此档 | 18 | $0.0113 | 3,758 | 不适用 |

成本比按 AA 页面上未取整的数值相除，例如 medium 档 0.0470 ÷ 0.01748 ≈ 2.69，low 档 0.02446 ÷ 0.004517 ≈ 5.42。

同一档位下，Haiku 的分数更高，输出 token 也多出约 3 倍，medium 档是 32,813 对 11,456。单价相同，成本比就跟着输出量走。low 档差距最大，因为 Luna 在 low 档几乎不怎么推理，每任务只输出约 2,000 个 token。

AA 另一张表算了跑完整个指数的总花费：两边都开 max 档，Haiku 5.5 是 $330，GPT-6 Luna 是 $122，输出 token 分别是 435M 和 144M（[AA 的 max 档对比页](https://artificialanalysis.ai/models/comparisons/claude-haiku-5-5-vs-gpt-6-luna)）。Haiku 的 $330 里有 $198.79 花在思考 token 上，占六成。这里的倍数是 2.71，与每任务成本比 3.14 不同，因为两边计入的任务数不一样。

读这张表要注意一点：AA 对 Haiku 5.5 的所有档位都按 100K 以内的单价计价，页面没有提到阶梯价。如果评测里有提示超过 100K 的题，Haiku 的真实成本只会比表里高，表中的倍数是下限。

## 按同等分数比较：38 分以下 Luna 更省，更高分只有 Haiku

只看同档位，会觉得 Haiku 贵三倍；但 Haiku 每一档的分数都比 Luna 同档高，Luna 要追上同样的分数，得开到更高的档位，token 也跟着涨。按分数接近的组合重新配对：

| 目标分数 | Haiku 5.5 | GPT-6 Luna | Haiku／Luna 成本比 |
| --- | --- | --- | --- |
| 约 30 分 | low，29 分，$0.0245 | medium，30 分，$0.0175 | 1.40 |
| 约 35 分 | medium，34 分，$0.0470 | xhigh，35 分，$0.0422 | 1.11 |
| 38 分 | high，38 分，$0.0794 | max，38 分，$0.0678 | 1.17 |
| 41～43 分 | xhigh 或 max，$0.1238～$0.2128 | 任何档位都达不到 | 不适用 |

结论有两层。在两边都能达到的分数上，Luna 仍然便宜，但差距从约 3 倍缩到 1.1～1.4 倍，而且这几组里 Luna 的分数持平或略高。需要 38 分以上的综合水平时，只能选 Haiku。

![按 AA 综合指数相近分数配对的每任务成本：约 30 分 $0.0245 对 $0.0175，约 35 分 $0.0470 对 $0.0422，38 分 $0.0794 对 $0.0678，Haiku 只贵 1.11～1.40 倍，41～43 分只有 Haiku 能达到](https://blog.laozhang.ai/posts/zh/claude-haiku-5-5-vs-gpt-6-luna/img/matched-score-cost.webp)

综合指数是 10 项评测的平均，分项结果会把结论推向两边：

- Terminal-Bench 4.0（终端里的代理式编码）每一档都是 Haiku 领先。Haiku low 档 12.6%，和 Luna max 档的 12.6% 持平；AA 只公布了全指数的平均每任务成本，按平均值粗看，Haiku low 档 $0.0245 还不到 Luna max 档 $0.0678 的一半。按这个粗算，在终端类任务上，更啰嗦的 Haiku 按同等分数反而更省。
- AutomationBench-AA 正好相反：Luna medium 档 40.5%，已经高于 Haiku max 档的 35.4%；两边都开 max 时是 53.2% 对 35.4%。
- 长上下文推理 AA-LCR 两边很接近，max 档是 82.7% 对 83.3%。

Anthropic 发布公告里也有一张对比表：OSWorld 2.1 离线子集 72.4% 对 48.9%，Terminal-Bench 4.0 39.2% 对 16.4%，FrontierCode 1.1 46.4% 对 42.4%。这些是 Anthropic 自己跑的，表里没有注明每格用的档位，可以作为方向参考，不宜和 AA 的数字直接混算。

落到自己的任务上，比的应该是每个合格结果的成本：

> 每个合格结果的成本 = 每任务成本 ÷ 通过率

Haiku 只有在"Haiku 通过率 ÷ Luna 通过率"大于"Haiku 每任务成本 ÷ Luna 每任务成本"时才更省。拿 kingy.ai 的一组小样本测试代入：它用两家订阅账号的命令行客户端跑了 40 个任务、每个两次，严格判分下 Haiku 通过 60/80（75.0%），Luna 通过 51/80（63.75%），通过率之比约 1.18（[kingy.ai 的 Haiku 5.5 与 GPT-6 Luna 160 次回答测试](https://kingy.ai/blog/claude-haiku-5-5-vs-gpt-6-luna-benchmark/)）。如果你的任务也是这个比例，Haiku 每任务成本只要超过 Luna 的 1.18 倍，按合格结果算仍是 Luna 便宜；按 AA 的同分组合，Haiku 落在 1.11～1.40 倍，正好在这条线两侧。失败后要人工复核或整段重跑时，把这笔花费也计入每任务成本，通过率高的一方优势会更大，这时 token 单价就不再是主要因素。

## 按任务先试哪个：分类、抽取、子代理、电脑操作与长提示

| 任务 | 先试 | 理由 | 要设置的参数 |
| --- | --- | --- | --- |
| 大批量短请求：分类、路由、打标签 | GPT-6 Luna | 单价相同，Luna 低档输出极少；AA 中 low 档每任务 $0.0045、首 token 3.23 秒 | Luna 用 `none` 或 `low`；Haiku 用 `low`，Anthropic 也推荐它处理简单的大批量请求 |
| 结构化信息抽取 | 两边都跑同一批样本 | kingy.ai 的小样本里两边 JSON 抽取都是 10/10 | Haiku 不能用预填充，改用结构化输出或带枚举字段的工具 |
| 提示 100K～272K 的长文档、长对话 | GPT-6 Luna | 这一区间 Haiku 整次请求按 5 倍单价计费，150K 的算例是 $0.080 对 $0.016 | 两边都先数清完整输入：系统提示、历史、工具定义和工具返回 |
| Claude 主代理下的子代理、Claude Code | Haiku 5.5 | Anthropic 把它定位为 Opus 5.5、Sonnet 5.5 编码工作的子代理；Claude Code 的 `haiku` 别名在 Anthropic API 上直接指向它 | Claude Code v2.1.293 以上 |
| 电脑操作、终端编码 | Haiku 5.5 | Terminal-Bench 4.0 在 AA 和厂商表里都领先；OSWorld 是厂商自报 | Haiku 要换成 `computer_toolset_20260801` |
| 业务流程自动化 | GPT-6 Luna | AA 的 AutomationBench-AA 里 Luna medium 档已高于 Haiku max 档 | 用 Responses API 搭配推理与工具调用 |
| 首 token 延迟敏感的交互 | GPT-6 Luna | AA 中 Luna low 档首 token 3.23 秒，Haiku low 档 11.99 秒；需要时 Luna 还能买 Fast mode | 开始输出之后，Haiku 每秒输出的 token 更多（low 档 181 对 124） |
| 综合水平要求高于 Luna max | Haiku 5.5 | AA 指数 41～43 分只有 Haiku 的 xhigh／max 能到 | 每任务 $0.12～$0.21，先在小样本上确认质量提升 |

只在 OpenAI 自家型号之间挑，可以看「[GPT-6 Sol、Luna、Astra 与 Terra 怎么选？先认型号，再算 API 成本](https://blog.laozhang.ai/zh/posts/gpt-6-sol-vs-terra-vs-luna-vs-astra)」；要比两家的旗舰，见「[Claude Opus 5.5 对比 GPT-6 Sol 与 6.1 Sol：先看任务，再算合格交付成本](https://blog.laozhang.ai/zh/posts/claude-opus-5-5-vs-gpt-6-sol)」。Haiku 5.5 的上一级是 Claude Sonnet 5.5，Anthropic 建议在用 Haiku xhigh 或 max 之前先和 Sonnet 5.5 比一比性能、成本与速度。

## 从一个换到另一个：会报 400 或改变账单的设置

两款模型的默认 effort 都是 medium，而且默认都会思考。迁移时最容易出问题的是下面这些地方，依据是 [Claude Haiku 5.5 迁移指南](https://platform.claude.com/docs/en/models/haiku-5-5/migration-guide)、[Claude effort 文档](https://platform.claude.com/docs/en/build-with-claude/effort)和 [OpenAI 最新模型使用指南](https://developers.openai.com/api/docs/guides/latest-model)。

关掉或压低思考：

- GPT-6 Luna 支持 `reasoning.effort: "none"`（Chat Completions 里是 `reasoning_effort`）。档位从低到高是 `none`、`low`、`medium`、`high`、`xhigh`、`max`。
- Haiku 5.5 没有 `none` 档，只有 `low` 到 `max` 五档。要关思考，可以在 `high` 及以下档位发送 `thinking: {"type": "disabled"}`；在 `xhigh` 或 `max` 档这样发会返回 400。Anthropic 提醒，关掉思考又要求 JSON 输出时，模型可能跳过本该调用的工具。
- Haiku 5.5 的思考 token 计入 `max_tokens`。原来给 Haiku 4.5 设的较小 `max_tokens` 可能让请求在思考块之后、正文之前就以 `stop_reason: "max_tokens"` 结束。

Haiku 5.5 会返回 400 的写法：

- 带非默认的 `temperature`、`top_p` 或 `top_k`。`temperature` 只能是 1，`top_p` 只能是默认的 0.99，两个同时带也会报错。
- 以 assistant 轮结尾的预填充，即使关了思考也一样。需要固定输出格式时，改用结构化输出，分类任务可以用带枚举字段的工具。
- 旧的 `thinking: {"type": "enabled", "budget_tokens": N}`，要改成自适应思考。
- 在 Claude API 和 Google Cloud 上声明旧的 `computer_20250124` 电脑操作工具。

GPT-6 Luna 这边：

- effort 不是 `none` 时，要去掉 `temperature`、`top_p` 和 `top_logprobs`。
- Chat Completions 里只有 `reasoning_effort: "none"` 时才能用函数调用；需要边推理边调工具，改用 Responses API。

还有几处不报错、但会改变结果或账单：

- 换模型后重新数 token。Haiku 5.5 文档要求用 `model` 为 `claude-haiku-5-5` 重新计数，不要沿用 Haiku 4.5 的数字；跨厂商时同理。
- 模型 ID 要写全。Haiku 5.5 是固定 ID `claude-haiku-5-5`，没有日期后缀；GPT-6 Luna 是 `gpt-6-luna`，不要和仍在列表里的上一代 `gpt-5.6-luna` 混用。
- Haiku 5.5 带有安全分类器，可能返回 `stop_reason: "refusal"`，服务端不会自动换模型重试，代码里要处理。
- Haiku 5.5 的思考块只能在产生它的账号（或关联账号）里回放，对话要保持只追加、不改前文，否则会报 400。多租户共用一个对话存储的服务要特别留意。

## 在中国大陆和港澳：两家 API 都不在支持地区内

截至 2026 年 10 月 8 日，[Anthropic 的支持国家和地区列表](https://www.anthropic.com/supported-countries)（适用于 API 和 Claude.ai）与 [OpenAI API 的支持国家和地区列表](https://developers.openai.com/api/docs/supported-countries)里都没有中国大陆、香港和澳门。OpenAI 在列表页写明，在列表以外的地区访问或提供其服务，可能导致账号被封禁或暂停。

这对选型的影响是：两款模型在这个前提上是对等的，哪一款都不能从这些地区直接合规调用官方 API。团队在国内的，先确定能合规使用的是哪条线路，再在这条线路能调用的模型里比成本；单价再低，用不了也没有意义。

Haiku 5.5 还上架了 Amazon Bedrock、Google Cloud、Microsoft Foundry 和 Claude Platform on AWS，这些平台上的价格和可用区域由各云平台自定，不一定和 Anthropic 官方价一致。

laozhang.ai 的模型文档（数据更新于 2026 年 10 月 7 日）列出了 `gpt-6-luna`，走 OpenAI 兼容接口，单价与 OpenAI 官方一致：272K 以内输入 $0.10、输出 $0.50、缓存读取 $0.01，超过 272K 为 $0.20、$0.75、$0.02，整次请求按一个档位计费，调用日志里能看到实际用的档位（[laozhang.ai 模型与价格文档](https://docs.laozhang.ai/en/models)）。同一份文档写明 Claude 模型因容量限制暂时下线，所以在这里调用不到 Haiku 5.5；要把两款放在同一批任务上对比，Haiku 需要另找可用的线路。

## Haiku 5.5 与 GPT-6 Luna 的常见问题

### GPT-6 Luna 比 Claude Haiku 5.5 便宜吗？

单价不比 Haiku 便宜，按任务算通常更便宜。提示不超过 100K 时两者单价相同；AA 的数据里同一档位 Haiku 每任务贵 2.7～5.4 倍，按分数接近的组合比贵 1.1～1.4 倍。提示在 100K 到 272K 之间时，Haiku 整次请求按 5 倍单价计费，150K 输入加 2K 输出是 $0.080 对 $0.016。

### Claude Haiku 5.5 和 GPT-6 Luna 哪个更强？

按 AA 综合指数，Haiku 5.5 每一档都高于 Luna 同档，最高 43 分对 38 分；终端编码和 Anthropic 自报的电脑操作成绩也是 Haiku 领先。但 AA 的 AutomationBench-AA 一项 Luna 明显领先，长上下文推理两边接近。更强不等于更划算，要按每个合格结果的成本来比。

### Claude Code 里能用 Haiku 5.5 吗？

能，需要 Claude Code v2.1.293 或更高版本，可运行 `claude update` 升级。`haiku` 别名只在 Anthropic API 上指向 Haiku 5.5；在 Amazon Bedrock、Google Cloud、Microsoft Foundry 和 Claude Platform on AWS 上，它仍指向 Haiku 4.5，要用 Haiku 5.5 就写完整模型名固定版本（见 [Claude Code 模型配置文档](https://code.claude.com/docs/en/model-config)）。在 Claude Code 里 Haiku 5.5 的默认 effort 同样是 medium。

### ChatGPT 免费版现在用的是 GPT-6 Luna 吗？

是在逐步切换。OpenAI 在 2026 年 10 月 7 日的公告中说，从 10 月 8 日起，ChatGPT 的 Free 和 Go 用户在 Chat 里使用的 GPT-6 由 GPT-6 Luna 提供，Plus 及以上由 GPT-6 Sol 提供，两者都针对日常对话做了调校；Work 和 Codex 用的模型不变（[OpenAI 的 GPT-6 for everyone 公告](https://openai.com/index/gpt-6-for-everyone/)）。Claude.ai 的 Free 到 Enterprise 用户也都能选 Haiku 5.5。聊天产品里的版本与 API 的 `gpt-6-luna` 是否完全相同，OpenAI 没有说明，上面的 API 单价也不适用于订阅额度。

### GPT-6 Luna 和 GPT-5.6 Luna 是同一个模型吗？

不是。`gpt-6-luna` 于 2026 年 9 月 22 日在 API 上线；上一代 `gpt-5.6-luna` 仍列在 OpenAI 定价页上，标准价输入 $0.20、输出 $1.20，比 GPT-6 Luna 贵。两者是不同的模型 ID，能力也不同。读第三方对比时先看清楚比的是哪一代，上面的价格和评测数据都指 `gpt-6-luna`。

## 参考来源

本文引用的外部页面，按正文出现顺序排列。最后更新于 2026-10-08。

- [Claude API 价格页](https://platform.claude.com/docs/en/about-claude/pricing) (platform.claude.com)
- [OpenAI API 定价页](https://developers.openai.com/api/docs/pricing) (developers.openai.com)
- [AA 的 Haiku 5.5 与 GPT-6 Luna 对比页](https://artificialanalysis.ai/models/releases/comparisons/claude-haiku-5-5-vs-gpt-6-luna) (artificialanalysis.ai)
- [Anthropic 的 Haiku 5.5 发布公告](https://www.anthropic.com/claude-haiku-5-5) (anthropic.com)
- [GPT-6 Luna 型号页](https://developers.openai.com/api/docs/models/gpt-6-luna) (developers.openai.com)
- [AA 的 max 档对比页](https://artificialanalysis.ai/models/comparisons/claude-haiku-5-5-vs-gpt-6-luna) (artificialanalysis.ai)
- [kingy.ai 的 Haiku 5.5 与 GPT-6 Luna 160 次回答测试](https://kingy.ai/blog/claude-haiku-5-5-vs-gpt-6-luna-benchmark/) (kingy.ai)
- [Claude Haiku 5.5 迁移指南](https://platform.claude.com/docs/en/models/haiku-5-5/migration-guide) (platform.claude.com)
- [Claude effort 文档](https://platform.claude.com/docs/en/build-with-claude/effort) (platform.claude.com)
- [OpenAI 最新模型使用指南](https://developers.openai.com/api/docs/guides/latest-model) (developers.openai.com)
- [Anthropic 的支持国家和地区列表](https://www.anthropic.com/supported-countries) (anthropic.com)
- [OpenAI API 的支持国家和地区列表](https://developers.openai.com/api/docs/supported-countries) (developers.openai.com)
- [Claude Code 模型配置文档](https://code.claude.com/docs/en/model-config) (code.claude.com)
- [OpenAI 的 GPT-6 for everyone 公告](https://openai.com/index/gpt-6-for-everyone/) (openai.com)