通过 API 使用 Claude Haiku 4.5

Haiku 4.5 生来要承接的工作

Claude Haiku 4.5 是 Claude 家族中最快、成本最低的模型，通过标准的 Anthropic Messages API 即可访问，模型 ID 为 claude-haiku-4-5——请求格式、请求头、流式行为与 Sonnet、Opus 完全一致。只要延迟和单 token 价格比深度推理更重要，它就是正确的默认选择。通过 apitoken.sale 使用时按预付余额计费，统一比官方费率低 50%，无需订阅，也无需排队等待。

Haiku 的价值体现在流水线的边缘地带——请求短、频率高、彼此可互换的场景：

• 分类与打标：工单分类、内容审核、意图识别——输入短、输出短，每天数千次调用。
• 抽取与解析：在更大的模型接触数据之前，先从发票、邮件、日志或 HTML 中抽出结构化字段。
• 路由与分诊：判断某个请求该交给哪个模型或工具，只把难的升级上去。
• 对延迟敏感的对话：智能体内层循环、工具调用的粘合逻辑、自动补全式交互——用户正盯着加载圈看的场景。
• 低成本预处理：在调用 Opus 或 Sonnet 之前，对长上下文做摘要、清洗和切分。

深度多步推理、高风险分析和超长生成不是 Haiku 的战场。如果某个任务反复达不到你的质量线，那是路由问题而不是提示词问题——把它交给 Sonnet 或 Opus。

另见： Claude Sonnet API 接入：Sonnet 5 与 Sonnet 4.6

模型 ID、上下文窗口与输出上限

当前需要记住的 Haiku ID 只有一个：claude-haiku-4-5。它支持 Messages API 的完整能力集——系统提示词、多轮消息、工具调用、流式输出和提示词缓存——上下文窗口为 200K token，最大输出 64K token。这两个上限都低于 Opus 和 Sonnet 产品线，如果你习惯把大文档塞进单次调用，需要留意这一点。

无论是否流式，Messages API 都要求每个请求显式设置 max_tokens。把它设为你实际预期的最大响应长度，而不是模型上限——不设约束的上限加上啰嗦的输出习惯，正是廉价负载悄悄变贵的常见原因。

发出你的第一个 Haiku 请求

1. 01注册账户并在控制台生成密钥——形如 sk-pool-…，所有支持的 Claude、GPT、Gemini 和 Kimi 模型通用。
2. 02把任意 Anthropic 兼容客户端指向路由器：将 ANTHROPIC_BASE_URL 设为 https://router.apitoken.sale，ANTHROPIC_API_KEY 设为你的密钥。官方 SDK 无需其他改动。
3. 03发送 POST /v1/messages，带上 x-api-key 和 anthropic-version 请求头，model 填 claude-haiku-4-5，并显式设置 max_tokens。

curl https://router.apitoken.sale/v1/messages \
  -H "x-api-key: sk-pool-•••" \
  -H "anthropic-version: 2023-06-01" \
  -H "content-type: application/json" \
  -d '{
    "model": "claude-haiku-4-5",
    "max_tokens": 256,
    "messages": [
      {"role": "user", "content": "Classify this ticket as billing, bug or feature: \"My invoice shows the wrong total.\""}
    ]
  }'

返回的是标准 Messages 格式：一个内容块数组，外加包含输入、输出 token 数的 usage 对象。这份 usage 就是余额扣费的依据——按 Anthropic 官方费率计量，再减去统一的 50% 折扣后扣减。

Haiku 单次、每百万、每月分别花多少钱

官方定价为每百万输入 token $1、每百万输出 token $5；本站折后为 $0.50/$2.50。输出 token 的价格是输入的五倍，所以在话多的负载上，控制响应长度比精简提示词更省钱。

算一笔具体的账：一次分类调用，提示词 600 token、回答 80 token，共计量 680 token，折后成本约 $0.0005。每月十万次这样的调用约为 $50——到了这个量级，按 token 计价就不再是抽象概念，而是账单上实实在在的一行。

用免费成本计算器估算你自己的用量 →

用流式输出压低首 token 延迟

设置 "stream": true 后，端点返回的是 server-sent events 而非一次性阻塞响应：先是 message_start，随后是一系列携带生成文本的 content_block_delta 事件，最后以带有最终 usage 的 message_delta 和 message_stop 收尾。边收到边渲染，聊天界面的感知延迟就降到了首个 token——这正是 Haiku 速度优势的用武之地。流式改变的是延迟感受，不是价格：两种方式计量的 token 完全相同。

权威的 token 计数要以结尾的 message_delta 事件为准，不要自己数 delta。如果流在生成中途断开，不要密集重试：发一次新请求，并根据已收到的 usage 核对花费即可。

缓存每次调用都在重发的前缀

高并发循环每次都在重发相同的前缀：系统提示词、标签定义、few-shot 示例。在这段稳定前缀的末尾打上 cache_control 断点，Anthropic 会把它放进一个短期缓存——TTL 五分钟，每次命中刷新。写入按输入费率的 1.25 倍计费，之后的每次读取只按 0.1 倍计费，50% 折扣在此基础上继续叠加。

把断点放在最后一个永不变化的内容块之后，每次请求不同的内容放在断点之后。打在每次都变的文本上的断点永远不会命中，只会白白付出写入溢价——按 Haiku 的费率这笔溢价不大，但放大到高并发就是纯粹的浪费。

Claude Haiku 4.5 价格详解（缓存费率、上下文、FAQ） →

同一把密钥，把难的那部分升级到 Sonnet 或 Opus

一把密钥、一份余额覆盖所有支持的模型，所以路由只是客户端的一个 if 判断，不是一个基础设施工程。把大部分流量发给 Haiku；当输入很长、置信度偏低或任务确实需要多步推理时，把同一个 messages 数组换个 model 字段重发即可——claude-sonnet-5 或某个 Opus ID。生产流量大多数是简单流量，所以大部分花费停留在 Haiku 费率，而难题依然能拿到更强的模型。

import anthropic

client = anthropic.Anthropic(
    base_url="https://router.apitoken.sale",
    api_key="sk-pool-•••",
)

def answer(question: str) -> str:
    triage = client.messages.create(
        model="claude-haiku-4-5",
        max_tokens=8,
        system="Reply with one word: EASY for a simple lookup or short task, HARD if it needs multi-step reasoning.",
        messages=[{"role": "user", "content": question}],
    )
    verdict = triage.content[0].text.strip().upper()
    model = "claude-sonnet-5" if verdict.startswith("HARD") else "claude-haiku-4-5"
    reply = client.messages.create(
        model=model,
        max_tokens=1024,
        messages=[{"role": "user", "content": question}],
    )
    return reply.content[0].text

分诊本身也是一次 Haiku 调用，所以只有负载确实难易不均时才值得路由。如果 95% 的请求都很简单，直接全量调 Haiku 比为每个请求多付一次分诊往返更便宜。

常见问题

相关指南