Anthropic 在 10 月 7 日发布了 Claude Haiku 5.5。我盯着官方那张 benchmark 表看了一会儿，目光没停在新一代的分数上，而是停在了它旁边那一列——上一代 Haiku 4.5。
那一列有几个数字很刺眼：
Haiku 4.5 Haiku 5.5
Terminal-Bench 4.0 0.0% → 39.2%
OSWorld 2.1（离线子集） 15.7% → 72.4%
Humanity's Last Exam 10.2% → 45.9%
Chartography 6.4% → 46.4%
# generated by hugo AI
Terminal-Bench 4.0，0.0%。
这不是「差一点」。0 分意味着这个模型在 agentic 编码任务上 系统性失灵——不是偶尔做错，是几乎做不出任何一个能通过的任务。任何一个去年拿 Haiku 4.5 做过 agent 的工程师都知道，面对一个 0 分的模型，你不可能靠改 prompt 让它跑通。你只能靠工程去兜：把任务拆得更碎、加重试、加多轮自我修正、加输出校验、加人工检查点。
而这一次升级，那个 0.0% 变成了 39.2%。
我第一反应不是「新模型真强」。我第一反应是：过去一年里，所有人为「Haiku 做不到」而写的那些补偿代码，从 10 月 7 日起，集体变成了负资产——而且没有任何人会收到通知。
