Haiku 5.5 超过 100K 输入后，费用为什么会跳档？

Haiku 5.5 在单次请求的总输入超过 100,000 token 时切换费率。恰好 100,000 仍是低档；超过门槛后，整条当前请求的各类 token（包括输出）使用对应高档费率，而不是只对超出的输入部分加价。

缓存读取、缓存写入也计入输入门槛，但仍按各自的缓存费率收费，并不会全部变成普通输入价。以前的请求不会被追溯重算。

本文核对 Anthropic 官方价格文档 和 提示缓存规则，日期为 2026 年 10 月 15 日。所有算例都是按第一方美元牌价进行的本地计算，不是真实 API 用量或 Ofox 报价。Haiku 5.5 于 10 月 7 日发布。

两档费率分别是多少？

以下单位均为美元／百万 token，适用于第一方标准 global 推理。

Batch 将适用的 token 费用减半，可以与缓存计价叠加。它是一种异步处理方式，不是给任意同步请求贴上 Batch 标签就能打折；Managed Agents 没有 Batch 模式。本文算例不含第一方 inference_geo: "us" 的额外倍率；官方规定该选项对输入、输出和缓存费率均乘 1.1。

多一个输入 token，整张费率表都可能变化

假设全部是普通输入，输出固定为 1,000 token：

这是合成边界样例，不表示一个字符总是一个 token，也不表示实际 tokenizer 必然得到这些长度。重点是跳档：不能把前 100K 按低价、只把超出部分按高价计算。

输出影响金额，但不决定输入档位。99,000 输入加 2,000 输出仍属于低档输入长度；是否满足模型其他限制，需要另外核对。

缓存 token 只计一次

使用互不重叠的类别：

prompt_total = ordinary_input + cache_write_5m + cache_write_1h + cache_read
cost = (ordinary_input × input_rate
      + cache_write_5m × write_5m_rate
      + cache_write_1h × write_1h_rate
      + cache_read × read_rate
      + output × output_rate) / 1,000,000

先根据 prompt_total 选费率，再逐类相乘。API 如果同时返回缓存创建总量和五分钟／一小时细项，按细项分配一次即可，不能再把总量加进去。即使内容在此前请求中写入缓存，本次缓存读取仍属于本次模型输入。

实际字段映射为：input_tokens 对应普通输入，cache_read_input_tokens 对应缓存读取，cache_creation.ephemeral_5m_input_tokens 与 cache_creation.ephemeral_1h_input_tokens 对应两种写入。cache_creation_input_tokens 用于核对写入合计，不应再次相加。

例如，90,000 缓存读取加 10,001 普通输入，总输入是 100,001，使用高档。输出为 1,000 时：

(90,000 × 0.05 + 10,001 × 0.50 + 1,000 × 2.50) / 1,000,000
= 0.0120005 美元

如果适用 Batch 的请求确实产生同样的分类用量，估算为 0.00600025 美元。这是条件算例，不保证真实 Batch 一定命中缓存；未命中会改变用量类别及账单。

下载并运行本地计算器

下载 Python 计算器 和 边界样例 CSV。计算器只使用 Python 标准库和十进制运算，不联网、不读取密钥、不调用 API。

python3 haiku_cost.py --input 100001 --output 1000
python3 haiku_cost.py --input 10001 --cache-read 90000 --output 1000
python3 haiku_cost.py --input 10001 --cache-read 90000 --output 1000 --batch
python3 haiku_cost.py --self-test

第一条应显示高档、总输入 100,001、费用 0.0525005 美元；第二条为 0.0120005，第三条为 0.00600025。负数会被拒绝。五分钟和一小时写入分别使用 --cache-write-5m、--cache-write-1h。填写对应实际 usage 字段，不要用字数猜测。

自检覆盖门槛选择、缓存计入、输出不计入门槛、缓存单价、Batch 计算和无效输入。它验证本地实现是否符合公开公式，不验证 Anthropic 生产计量或你的发票。费率固定在 10 月 15 日，官方变价后需要更新。

降低上下文前，先保证任务仍然完整

先测量真正发送的输入：系统指令、工具定义、对话历史、检索内容及其他输入。不要只数用户可见的消息。为检索长度和多轮增长留余量，比每次都压到恰好 100,000 更稳妥。

拆分不必然更便宜。系统提示可能重复、输出变多、需要最终汇总，或引发重试。应把失败尝试、汇总等所有请求成本相加，与不拆分的基线比较。质量测试要包含需要跨块信息的案例，不能只测简单独立记录。

长对话也逐请求计算。后续轮次越过 100K 会变贵，但不会改变此前请求已经适用的费率。缓存可能降低金额，同时总输入仍然越过门槛。

怎样与真实账单对账？

对每个已获授权的生产请求，保留时间、模型、计费供应商、输入／缓存／输出数量、处理模式和对应费率快照。不要把提示词或密钥放进公开成本表。区分两种缓存写入，核对是否实际使用 Batch 或地理选项。

金额不一致时，先检查漏掉的缓存写入、重复计数、输出量、供应商特定价格、重试和费率日期；不要随意减少 token 数让结果对上。第三方网关可能有不同价表，第一方计算器不能证明 Ofox 如何收费。

Haiku 5.5 与 4.5 的任务比较讨论分类、提取和摘要中的输出行为，不验证这里的合成边界成本。不同模型的 tokenizer 也可能不同，同样文本不保证同样 token 数。

Claude Max／Team API 赠额可以支付符合条件的第一方用量，但不改变公式。复现样例、将自己的 usage 映射到不重叠的类别，并同时检查成本与输出质量，才算完成调整前的核验。