Claude Haiku 5.5 與小模型在行銷中的價值

每一次模型發表，都會被拿來與現場最大的模型比較。我認為對大多數行銷工作而言，這是錯誤的視角。10 月 7 日，Anthropic 發布了 Claude Haiku 5.5，有趣之處不在於它多接近前沿，而在於執行一百萬次要花多少錢。

發生了什麼事

Anthropic 稱 Haiku 5.5 是其迄今發布最便宜、最快速、能力最強的小模型。它針對大量、成本敏感的工作：摘要、分類、資料庫查詢、即時客服、瀏覽器操作，以及搭配較大的 Opus 5.5 與 Sonnet 5.5 模型執行子代理工作。它是第一個具有可調整投入程度設定的 Haiku 級模型，讓使用者能在成本與智慧之間取捨。Anthropic 明確表示，複雜的代理式程式開發仍以 Sonnet 5.5 與 Opus 5.5 較佳。

價格是最大亮點。對於最多 100,000 token 的提示，Anthropic 列出的價格為每百萬輸入 token US$0.10、每百萬輸出 token US$0.50，並表示 Haiku 5.5 的成本平均比 Haiku 4.5 低約 75%。發表頁面也收錄了客戶回報；例如 HubSpot 表示，它在其 CRM 評估套件中取得 92.8% 的分數。這些是該公司及其客戶提供的數字，並非獨立測試。

為何重要

行銷 AI 是一門講究量的生意。單一廣告活動就可能涉及數千個創意版本、數萬則需要分類的留言、數十萬列的產品資料饋送，以及橫跨數十個市場的每日報告。這些工作幾乎都不需要最強大的模型，而是需要一個夠好、快速、可預期、而且便宜到能用在所有東西上的模型。

當小模型同時變得更好、更便宜，自動化的經濟學就會改變。原本因太昂貴而無法對每一項執行的任務，例如標記每一則競品廣告或摘要每一則顧客評論，都會變成例行工作。架構也會改變：大模型負責規劃與判斷，小模型在底層執行重複性工作。Anthropic 自己將 Haiku 描述為子代理，正是這種模式。

我的研究怎麼說

這是我長期以來的主張。我曾在 Forbes 探問越大是否越好，之後又比較了行銷中的大型語言模型與小型神經網路。我的答案始終不變：模型大小遠不如技術與任務適配度重要。

我們的研究一直結合兩類模型，而不是二選一。在 SoCraft（WSDM 2023）中，我們展示了一個多模態模型，能在上線前運用文字、圖片、鎖定條件與設定，為廣告主的 Meta 廣告創意評分。在 Fusing Predictive and Large Language Models for Actionable Recommendations in Creative Marketing（ACM Transactions on Information Systems，2025）中，我們將廣告成效預測模型與大型語言模型結合，讓創意分數變成行銷人可據以行動的建議。

這些研究的教訓是：專門化、高效率的模型負責衡量，大型語言模型負責解釋。一個更便宜、能力更強的小型大型語言模型，並不會取代專門化的預測器，而是讓解釋與協調層在行銷實際發生的規模上變得負擔得起。

我會如何運用這樣的模型

• 全面涵蓋的分類。依主題、優惠與格式，標記你所在品類的每一則競品貼文、每一則評論、每一則廣告，而不是抽樣。
• 初步摘要。把冗長的報告、逐字稿與留言串轉為簡短摘要，再由人或更大的模型審閱。
• 流程中的子代理。讓較大的模型規劃競品分析，再把重複性的擷取步驟交給小模型。
• 面向顧客的速度。在延遲至關重要之處使用快速模型，例如即時聊天，並將困難案例轉給更強的模型或真人處理。

行銷人在轉換之前該檢查什麼

• 自己進行評估。廠商的基準測試不等於你的任務。從工作中取 200 個真實範例，加上標註，並在這組資料上比較模型。
• 關注每項任務的成本，而不是每個 token 的成本。Anthropic 指出，Haiku 5.5 採用新的 tokenizer，每項任務使用的 token 略多。帳單取決於整個工作流程。
• 審慎使用投入程度設定。簡單的標記預設使用低投入，只有在評估顯示品質確實提升之處才調高。
• 在專門化模型表現更好之處保留它們。如果你已經有以自身成效資料訓練的模型，大型語言模型應該負責解釋其產出，而不是取代它。

前沿模型搶走頭條，但大部分的工作與大部分的節省，都會發生在小模型上。

常見問題