【2026 最新】Haiku 5.5 成本怎麼算？100K 門檻與三組 Trace 六步教學

你只請 Agent 整理一小段資料，用量畫面卻出現十幾萬 tokens。Haiku 5.5 成本到底是被這一句話、整段歷史，還是工具清單推高？先別急著刪內容：累積用量像整天的里程表，單次請求像這一趟的行程，兩個數字回答不同問題。

這篇寫給第一次看 API 帳單、完全沒有技術背景的讀者。你會學會讀一張逐請求收據，再用「原始歷史、精簡歷史、精簡工具」三組對照找原因。前半可以用試算表完成；後半提供可複製的離線核算程式，工程同事能直接接到既有 Trace。Trace 就是記下每次呼叫輸入、設定、回應與驗收的過程紀錄。

依截至 2026 年 10 月 8 日的官方文件整理。Haiku 5.5 發布解析已介紹模型與分工，本篇專心處理逐請求成本。AlphaLab 本次未呼叫 Haiku API；下方數字是明確標示的算式例題，三組配置是供你執行的評估設計。

先說結論：Haiku 5.5 成本要看兩本帳

門檻看每次提示長度；划不划算，看完成一件工作的總成本。把提示想成交給助手的一個公文袋：新問題只占一頁，袋子裡還可能有規則、舊對話、工具說明與之前查回的資料。

第一本帳記每次呼叫的完整輸入長度與分項 token 費用；第二本帳把同一任務的所有嘗試加總，再對照是否通過驗收。看到 Session 累積 200K，還不能判定某一個請求已跨 100K；反過來，只看新的問題很短，也不能判定仍在低價級距。

10 月 7 日的使用者求助串提出短 Agent 任務用量偏高的困惑。這是一個需求線索，不是全體使用者的統計，也沒有證明新開 Session 能固定省下多少。真正能回答你的問題的是你自己的逐請求紀錄。

① 分清 Session、提示長度與輸出：不要把三個數字相加

Session 是一段工作期間，可能有多次模型呼叫；提示長度是某次送進模型的內容；輸出則是那次模型產生的 tokens。依Messages API，一般多輪對話會把先前訊息放進 messages。介面上只打一句新問題，應用仍可能送出整本筆記。

在 Claude Code，官方成本說明把 /usage 的 Session 區塊定位成累積 API 用量；美元數字是本機依費率核算的估計。Pro／Max 訂閱內含用量與 API 逐 token 帳單須分開理解。本篇公式處理原廠標準 API，不能直接把 Session 美元讀成訂閱加收。

精確操作：先為每件工作指定 task_id，每次送出指定 request_id，並保留回應的 message ID。不要拿 Session 總額當一列請求。若 Agent 連續查三次再回答，四次模型呼叫都要留下，工具服務費另列。

② Haiku 5.5 成本的 100K：快取是便宜的閱讀，不是消失的頁數

官方模型價格按提示不超過／超過 100,000 tokens 分兩級；恰好 100,000 仍屬較低級距。下圖列原廠 standard、global 路由的美元／百萬 tokens 費率。Batch、地區倍率、合約折扣及服務工具費不在這張基礎估算內。

快取（cache）像助手已讀過的影本：再次讀取較便宜，但影本仍在公文袋裡。官方快取文件把總輸入拆成三項：input_tokens、cache_creation_input_tokens、cache_read_input_tokens。前一項是未讀取或寫入快取的輸入，不是整份提示。

prompt_tokens = input_tokens
              + cache_creation_input_tokens
              + cache_read_input_tokens

本文依「提示長度分級」和「總輸入三項拆分」兩份文件，將這個合計用作門檻核算。例如只有 2,000 新輸入，但另讀 99,000 快取 tokens，合計便是 101,000。快取仍有讀取優惠，卻不能因新輸入少就套低價級距；也不要只替超出的 1,000 tokens 換單價。最後把估算和 Console 使用／帳務紀錄對帳，保存差異而非強行改成一致。

寫入快取要再分五分鐘與一小時。若已有 cache_creation 的 TTL 分項，兩項合計應等於總寫入量；算費用時分項乘各自單價，不要再把總寫入量重算一次。缺少分項就先補收據，不能猜全部是五分鐘。

③ 找出袋子裡的頁數：歷史與工具分開盤點

痛點是「我不知道哪些內容被送出」。解法是保留真正的 payload：payload 就是應用交給 API 的完整請求資料。至少保存模型、system、messages、tools、effort、thinking、最大輸出與快取設定；檔案在本機受控位置保留，API key 和授權 header 不進紀錄。先用你有權使用的假資料或測試資料做練習。

工具計費說明列出工具名稱、描述、schema、呼叫及結果都可能帶來 tokens。Schema 是工具的欄位說明書；即使沒有按下那顆工具按鈕，送出去的說明書仍可能占輸入。先刪不需要的定義，再查實際送出的結果，才知道改動在哪裡。

操作方式：從同一份請求複製兩個版本，一版只縮歷史，一版只刪閒置工具。不要同時改提示寫法、模型和 effort。工具定義的差額只能表示輸入配置變化；要知道任務是否仍做得對，還得跑相同驗收。

依Token Counting 文件，可把 system、messages 與支援的 client tools 交給計數端點。回傳是估計，生成時可能略有差異；部分 server tools、MCP connector、URL／file 來源不在這個端點支援範圍。遇到那些配置，改用實際 Messages 回應的 usage，別把計數錯誤當作零 tokens。

有既有 API 帳號與已安裝官方 Python SDK 時，先用以下方法計數；它不產生答案。這只示範文字與 client tools，對更複雜配置請對照上面的端點限制。保留 SDK 版本與完整 body，並依遷移文件用 claude-haiku-5-5 重新計數，不沿用舊 Haiku 的數字。

import anthropic, json
client = anthropic.Anthropic()  # 讀取既有 ANTHROPIC_API_KEY
body = json.load(open("request.json", encoding="utf-8"))
args = {k: body[k] for k in ("system", "messages", "tools", "thinking", "output_config", "tool_choice") if k in body}
print(client.messages.count_tokens(model="claude-haiku-5-5", **args).model_dump_json())

④ 三組 Trace 配對：新 Session 是重建上下文，不是免費重來

先選一個有標準答案的小任務：從假訂單擷取訂單號、金額與幣別。驗收固定為三欄完全正確、沒有多加訂單，並留下來源位置。本篇三組從相同原始文字素材建立獨立請求，歷史範本只含文字，不搬入帶 thinking 簽章或待完成工具呼叫的續跑回合。任務指令與必要規則一致；否則新 Session 拿不到原本資料，就不是公平比較。

A 原始組：保留原始長歷史與工具。它提供文字歷史與工具開銷的基準，每輪開始都從同一份固定文字歷史快照複製，不把前一輪結果繼續累積進去。

B 歷史組：在新的請求歷史中只放必要規則、原始素材及任務，工具與 A 相同。若需交接摘要，記下摘要內容，產生摘要的費用也算入 B 的工作成本。這組量的是整份歷史重建方案，不單是按「新 Session」按鈕的效果。

C 工具組：歷史與 A 相同，僅移除確定不會用到的工具；必要工具的描述與權限保持一致。C 不建立在 B 上，這樣才看得出工具修改的獨立影響。兩種改動各自通過後，才另外測 B＋C 組合。

已在 Haiku 5.5 的工具回合裡？先不要修改前綴後重播舊 thinking。官方遷移文件說明：在前綴檢查啟用的帳號，修改工具、system 或較早訊息後重播原 thinking 區塊會回 400；2026 年 8 月 31 日起建立的帳號預設啟用。要保持原工具續跑，就維持原前綴；要測不同工具配置，另建上面的純文字起始範本，而不是搬用簽章。

每題各跑三次作探索起點，輪換 A／B／C 的先後。記錄冷／暖快取與 TTL，別讓 A 全是冷寫入、B 全是暖讀取。若要比較暖快取，三組都先建立自己的前綴，預熱費用另列；若比較真實上線成本，則把預熱及失效後的重建也算回去。三次不足以宣稱普遍勝負，但能找出值得擴大測的變更。

⑤ 做一張可複製的逐請求成本表

開試算表，貼上下列 CSV 欄位；一列是一個完整模型呼叫。passed 在整件任務驗收後才填，不是收到 HTTP 200 就通過。重試沿用 task ID，換 request ID；無法取回 usage 的失敗列留空並標記待對帳，不填零。

task_id,variant,run,request_id,model,route,payload_file,response_file,input_tokens,cache_read_input_tokens,cache_write_5m,cache_write_1h,output_tokens,prompt_tokens,tier,estimated_token_usd,tool_usd,latency_ms,task_passed,error

輸入與回應檔讓你能追查「當時究竟送了什麼」。串流請求要等到官方 SDK 的完整最終 Message 再取 usage，不能把每個累積事件相加。本文的離線程式只處理 standard、global、一般 client-tool 呼叫；若回應帶有多個推論 iteration，先按每次推論拆收據，不能把頂層總量當一份提示來分級。

把以下存成 audit_cost.py。它只讀本機 JSONL（一行一份 JSON），不會呼叫模型或寫入雲端。先將每份原始回應的 usage 放進該行，並補上 task、variant、request ID、model 與 scope；缺 token 或寫入 TTL 分項就停止，要求你補資料。

"""Offline estimate for standard/global Claude Haiku 5.5 client-tool requests.
Prices checked 2026-10-08. Synthetic fixtures are not API observations.
"""
import json
import sys
from decimal import Decimal as D

def estimate(u):
    def token(name, obj=u):
        value = obj.get(name)
        if type(value) is not int or value < 0:
            raise ValueError('missing/invalid token field: ' + name)
        return value
    i = token('input_tokens')
    r = token('cache_read_input_tokens')
    w = token('cache_creation_input_tokens')
    o = token('output_tokens')
    split = u.get('cache_creation')
    if w and not isinstance(split, dict):
        raise ValueError('cache TTL breakdown required')
    a = token('ephemeral_5m_input_tokens', split) if w else 0
    b = token('ephemeral_1h_input_tokens', split) if w else 0
    if a + b != w:
        raise ValueError('cache TTL totals mismatch')
    n = i + r + w
    multiplier = D(5) if n > 100000 else D(1)
    cost = multiplier * (D(i)*D('.10') + D(r)*D('.01')
        + D(a)*D('.125') + D(b)*D('.20') + D(o)*D('.50')) / D(1000000)
    return {'prompt_tokens': n, 'tier': 'over100k' if n > 100000 else 'up_to100k',
            'estimated_token_usd': str(cost)}

if __name__ == '__main__':
    for line in open(sys.argv[1], encoding='utf-8'):
        row = json.loads(line)
        if row.get('model') != 'claude-haiku-5-5' or row.get('scope') != 'standard-global-client-tools':
            raise ValueError('unsupported model or billing scope')
        if len(row['usage'].get('iterations') or []) > 1:
            raise ValueError('multi-iteration response requires per-iteration accounting')
        print(json.dumps({'task_id': row['task_id'], 'variant': row['variant'],
            'request_id': row['request_id'], **estimate(row['usage'])}, ensure_ascii=False))

執行 python3 audit_cost.py traces.jsonl，再把估算結果併回同一列。這個縮小版沒有處理地區倍率、Batch、合約折扣、伺服器工具、多推論 iteration 與帳務延遲；那些情境需在自己的計費器逐項加入，並保留 Console 對帳欄。原始資料不要為了湊出預期省錢數字而重寫。

還沒有真實收據時，先把下列合成例題存成 traces.jsonl。它只示範檔案格式，request ID 明確標示不是 API 回傳；之後用真實完整回應替換 usage，scope 只在確認路由與模式符合時填入。

{"task_id":"synthetic-example","variant":"example","request_id":"EXAMPLE-NOT-API","model":"claude-haiku-5-5","scope":"standard-global-client-tools","usage":{"input_tokens":2000,"cache_read_input_tokens":99000,"cache_creation_input_tokens":0,"output_tokens":1000}}

⑥ 門檻附近怎麼驗？先驗算式，再驗模型成果

先用合成收據測核算器，而不是付費塞滿長文件。固定輸出 1,000、沒有快取，未快取輸入分別設為 99,999、100,000、100,001。按本篇公式，三筆估算依序是 0.0104999、0.0105、0.0525005 美元；本次離線算式檢查通過。這證明程式按指定價目分級，沒有證明 API 在這三個長度的實際回傳或帳單。

再測快取混合例：2,000 一般輸入＋99,000 快取讀取＋1,000 輸出，總提示 101,000；估算 token 費用為 0.00845 美元。它比前面的全新輸入例便宜，是因為讀取單價低；不能從總費用較低反推它一定沒跨門檻。

真正測模型時，使用計數端點挑選門檻附近的必要資料，不為湊數插入無關文字。保留預估與實際 usage 的差距；若需要事前上限，可自訂低於 100K 的預警線，例如 95K。這個 5K 是你的操作緩衝，不是官方保證。若預警仍被跨過，先分析附件、工具結果與後續回合新增了什麼。

決策：選省 token，還是選更可靠的完成方式？

每件合格成果成本＝該組全部任務費用 ÷ 通過驗收的任務數。分子包含失敗、重試、預熱與必要摘要；分母一件任務只算一次。若沒有合格成果，記為「無可計算的合格成本」，不要除以零，也不要只挑成功的那幾列算。人工收尾時間另外記錄，避免把不同成本單位混進美元。

B 成本下降且驗收維持，才保留精簡歷史；C 輸入縮短但工具選錯或漏答，就回查刪掉的定義。若問題需要整體脈絡，接受長提示也可能比反覆補資料划算；若窄任務反覆失敗，可另做較大模型的同題比較，把價目與驗收一同換成那個模型的契約。

想改善執行層，可接著看最小 Harness 實作如何安排停止與重試；需要縮上下文時，壓縮後重新取資料的成本能提醒你把後續回查算回來。只有 tokens 下降，還不是整件工作比較便宜的證據。

FAQ：Haiku 5.5 成本的八個直接答案

Session 顯示 200K，就一定進高價級距嗎？

不一定。它可能累積多次較短請求；查每次提示長度再分級。

100,000 正好算哪一邊？

較低級距。官方以「不超過／超過」100,000 區分，離線核算用嚴格大於。

快取讀取可以從提示長度扣掉嗎？

本篇總輸入核算會把它加回。快取改變分項單價，不把已讀內容變成不存在。

只把 max_tokens 改小，就能守住輸入門檻嗎？

要分開控制。它限制生成輸出，提示長度仍要看送入的完整資料。

新 Session 一定更省嗎？

不一定。必要資料要重建，快取可能變成寫入，摘要與再查資料也有成本。

沒呼叫的工具就完全不用算嗎？

看實際 payload。工具定義若有送出，仍是模型輸入的一部分。

上面的數字是 AlphaLab 的 Haiku 實測嗎？

不是。它是合成收據的離線算式檢查；A／B／C 沒有在本次跑出模型成績。

完全不寫程式，今天可以做什麼？

請工程同事匯出同一件工作的逐請求 usage，先填一列三項輸入，再圈出超過 100K 的列。

給新手的三個重點

第一，先辨認這個數字屬於一個請求，還是一整段工作。第二，歷史與工具分開改，才知道哪個變更帶來差異。第三，用同一把驗收尺比較每件合格成果的總成本，保留失敗與重試收據。