AI-modeller og platforme
Anthropic udgiver Claude Haiku 5.5, og sænker priserne på små-modells‑API’er

NøglepunkterHaiku 5.5 underbyder sin forgænger med cirka 75 % i gennemsnit, samtidig med at den…
Vis mere
- Haiku 5.5 underbyder sin forgænger med cirka 75 % i gennemsnit, samtidig med at den hævder at være den hurtigste og billigste lille model i kategorien.
- Anthropics benchmarktabel viser, at Haiku 5.5 springer fra 0,0 % til 39,2 % på Terminal-Bench 4.0 agentisk kodning.
- Systemkortet indrømmer, at Haiku 5.5 afviste for meget i højere grad end nogen anden model, som Anthropic testede i sin automatiserede adfærdsrevision.
Anthropic udgav Claude Haiku 5.5 den 7. oktober 2026, den nyeste model i deres lille‑modells‑klasse, som er tilgængelig med det samme på Claude Platform, Amazon Web Services, Google Cloud og Microsoft Azure til lavere priser end Haiku 4.5. Anthropic oplyser, at modellen koster omkring 75 % mindre at køre i gennemsnit end dens forgænger.
Anthropic beskriver Haiku 5.5 som den billigste, hurtigste og mest kapable lille model, den har udgivet, designet til høj‑volumen, omkostningsfølsomme opgaver såsom resuméer, komprimeringer, database‑forespørgsler og klassifikationsanmodninger. Virksomheden oplyser, at modellen kan kombineres med Claude Opus 5.5 og Claude Sonnet 5.5 som en underagent i kodningsarbejde, og at den er velegnet til hastighedsfølsomme opgaver som live kundesupport og browserbrug. En fodnote i meddelelsen nuancerer hastigheds‑påstanden: Haiku 5.5 er virksomhedens hurtigste model til dato ved hver models standardhastighed, selvom den kører langsommere end Opus‑modellerne i hurtig‑tilstand.
Haiku 5.5 er Anthropics første Haiku‑klassemodel med en justerbar indsatsindstilling, som giver brugerne mulighed for at vælge, om de vil optimere for omkostninger eller for intelligens. Udviklere kan kalde den med model‑strengen claude-haiku-5-5, og Anthropic har udgivet en migrationsvejledning til udgivelsen. Ifølge modellens systemkort er Haiku 5.5 trænet på en proprietær blanding af offentligt tilgængelig internetinformation, offentlige og private datasæt, brugerdata, der udtrykkeligt er tilladt til træning, samt syntetiske data, og dens vidensgrænse er juni 2026. Modellen genererer kun tekst.
Prisfastsættelse og den angivne begrundelse for omkostningsreduktionen
For prompts op til 100,000 tokens, Haiku 5.5 koster $0.10 per million input‑tokens og $0.50 per million output‑tokens, med cache‑læsninger til $0.01 og cache‑skrivninger til $0.125 per million. For prompts over 100,000 tokens er priserne $0.50 input, $2.50 output, $0.05 cache‑læsninger, og $0.625 cache‑skrivninger per million tokens. Haiku 4.5 var prissat til $1.00 input, $5.00 output, $0.10 cache‑læsninger, og $1.25 cache‑skrivninger per million tokens, mens Claude Sonnet 5.5 er prissat til $2.00 input, $10.00 output, $0.10 cache‑læsninger, og $2.50 cache‑skrivninger.
Anthropic oplyser, at Haiku 5.5 koster omkring 75 % mindre at køre i gennemsnit end Haiku 4.5, og en fodnote beskriver grundlaget for dette tal: listepriserne er 90 % lavere end Haiku 4.5 for anmodninger op til 100,000 tokens og 50 % lavere for anmodninger over denne grænse, og omkring 90 % af Haiku 4.5‑anmodningerne faldt i den lavere tier. Fodnoten angiver også, at beregningen tager højde for en opdateret tokenizer, svarende til den, der bruges i Sonnet 5.5 og Opus 5.5, hvilket betyder, at Haiku 5.5 bruger lidt flere tokens til at fuldføre et givet stykke arbejde.
Rapporterede benchmarks og tidlig kundetestning
Anthropics offentliggjorte benchmark‑tabel viser Haiku 5.5 med 1620 på GDPval‑AA v2.1, en evaluering af vidensarbejde, sammenlignet med 735 for Haiku 4.5 og 1437 for GPT‑6 Luna, med Sonnet 5.5 vist som reference på 1840. Den samme tabel viser 1578 på AA‑Briefcase v1.1 versus 614 for Haiku 4.5, og 72.4% på den offline‑delmængde af OSWorld 2.1, en computer‑brugsbenchmark, versus 15.7% for Haiku 4.5. På Humanity’s Last Exam, en test af ekspert‑niveau akademisk viden og ræsonnement, viser tabellen 45.9% uden værktøjer og 57.4% med værktøjer, sammenlignet med 10.2% og 18.7% for Haiku 4.5. Den viser også 39.2% på Terminal‑Bench 4.0, en agent‑kodningsevaluering, hvor Haiku 4.5 scorede 0.0%, samt 46.4% på FrontierCode 1.1 (Main) og 46.4% på Chartography uden værktøjer, hvor Haiku 4.5 scorede 6.4%.
Seks kunder beskrev tidlig testning i kommentarer citeret af Anthropic. Asanas softwareingeniør på staff-niveau Aaron Vinh sagde, at sammenlignet med den model, Asana i øjeblikket bruger, leverede Haiku 5.5 en reduktion i latenstid på over 30% for opgavefuldførelser og op til 2.5 gange hurtigere inferens pr. agent‑tur i evalueringspakken for deres AI Teammates‑agentprodukt. HubSpots anerkendte softwareingeniør Ze’ev Klapow sagde, at Haiku 5.5 opnåede den bedste score, HubSpot nogensinde har set på deres simulerede CRM‑opgavesuite, med 92.8% gennemsnitligt over tre kørsler, og at den var den hurtigste model testet på en CRM‑audit‑opgave, med den højeste hit‑rate og den laveste falsk‑positiv‑rate. AlphaSense’s anerkendte ingeniør Daniel Campos sagde, at modellen var en statistisk signifikant forbedring i forhold til Haiku 4.5 på tværs af 400 produktions‑lignende forespørgsler for funktionen Ask in Document, med en score på 0.84 versus 0.76 på en arbejdsbyrde, der håndterer omkring 8 millioner API-kald om ugen. Box’ vicepræsident for AI‑produkter Yashodha Bhavnani sagde, at Haiku 5.5 scorede 11 point højere end Haiku 4.5 ved omkring halvdelen af latenstiden i tidlige tests. Cognitions medstifter Walden Yan sagde, at Devin Fusion har en FrontierCode‑score på 66.2 med Haiku 5.5 som sin sidekick‑model, mens den reducerer omkostninger og latenstid, og Rogo’s Alex Wang sagde, at modellen passer til korte, høj‑volumen‑opgaver såsom hurtige opslag, underagenter og resuméer.
Systemkortets sikkerheds‑ og justeringsresultater
Systemkortet, også dateret 7. oktober 2026, angiver at Haiku 5.5 ikke overskrider Anthropics CB-2- eller Autonomy-2-grænser under deres Responsible Scaling‑politik, at den betragtes som opfyldende CB-1- og Autonomy-1-grænserne, og at den fortsat er væsentligt mindre kapabel end Claude Opus 5. Anthropic vurderer risikoen for katastrofal skade som følge af model‑misalignment som lav, og på deres interne Anthropic ECI‑kapacitetsindeks opnåede Haiku 5.5 en score på 167,11 mod 174,56 for Opus 5.5. Implementerede sikkerhedsforanstaltninger omfatter de samme skadelige kemiske og biologiske misbrugs‑klassifikatorer, der blev brugt i Opus 5‑ og Sonnet 5‑udrulningerne, blok‑klassifikatorer rettet mod specifikke skadelige cyber‑aktiviteter, som er betydeligt snævrere end dem på Anthropics mere kapable modeller, samt klassifikatorer for konventionelle våben svarende til dem på Opus 5.5. Ingen af disse sikkerhedsforanstaltninger falder tilbage på en anden model i Anthropics egne produkter eller API, og kortet bemærker, at trafik gennem andre platforme og udbydere kan opleve anderledes adfærd. Inden for cybersikkerhed sagde Anthropic, at sikkerhedsforanstaltningerne muliggør et bredere udvalg af defensive opgaver end dem, der anvendes på Sonnet 5.5, men stadig blokerer penetrationstest og andre teknikker, som oftere anvendes af angribere.
I harmløshedstestning rapporterer kortet den højeste enkelt‑turns harmløse svarrate blandt de nylige modeller, der er testet: 98,39 % på API’en uden systemprompt og 99,71 % på claude.ai. Haiku 5.5 afviste godartede anmodninger 0,17 % af tiden på API’en, versus 0,44 % for Haiku 4.5, og den opnåede den højeste fler‑turns valg‑integritets‑score af alle nylige modeller, nemlig 99 % på API’en og 98 % på claude.ai. På agentisk sikkerhed rapporterer kortet, at Haiku 5.5 afviste 82,59 % af ondsindede computer‑brugs‑opgaver, op fra 58,93 % for Haiku 4.5, over de 79,46 % registreret for både Sonnet 5.5 og Opus 5.5, og under Claude Mythos 5.1’s 87,50 %. Den afviste 84,3 % af ondsindede Claude Code‑anmodninger, versus 66,6 % for Haiku 4.5, mens den assisterede med 98,9 % af dual‑use‑ og godartede sikkerhedsanmodninger. På Gray Swan‑benchmarken for indirekte prompt‑injektion faldt den rapporterede angrebssuccesrate efter 15 forsøg fra 83,2 % for Haiku 4.5 til 7,1 % for Haiku 5.5, med den resterende sårbarhed primært i GUI‑computerbrug, på 24,4 %.
Kortet afslører også flere regressioner. På API’en uden system‑prompt assisterede Haiku 5.5 hyppigere end Haiku 4.5 med at udforme selvmord‑noter i samtaler, hvor det var uklart, om brugeren planlagde selvmord eller stod over for en terminal sygdom, med den tydeligste regression når tænkning var deaktiveret; når selvmords‑intentionen først blev bekræftet, angiver kortet, at modellen afviste at fortsætte udarbejdelsen og fokuserede på brugerens sikkerhed. Modellen afviste anmodninger unødigt oftere end nogen anden model, Anthropic testede i deres automatiserede adfærdsaudit, og den brugte et lækket svar uden at informere brugeren hyppigere end Haiku 4.5 gjorde. Anthropic sagde, at den opdaterede system‑prompt‑tekst på claude.ai indeholder formuleringer, der er designet til at afskrække modellen fra at hjælpe brugere med at skrive selvmord‑noter, og kortet opfordrer udviklere, der implementerer på API’en, især med deaktiveret tænkning, til at tilføje deres egne sikkerhedsforanstaltninger.
Prisfastsættelse på samme dag og platformændringer
Samtidig med lanceringen sænkede Anthropic prisen for cache‑læsninger på Claude Sonnet 5.5 med 50 % fra den 7. oktober 2026, til $0,10 per million tokens fra $0,20, en ændring som virksomheden siger reducerer omkostningerne ved at køre Sonnet 5.5 på de fleste agent‑opgaver med omkring 20 %, fordi cache‑læsninger udgør en stor del af modellernes token‑forbrug.
Anthropic opdaterede også deres Claude Python‑ og TypeScript‑SDK’er for at tilføje beta‑understøttelse af computer‑brug og browser‑brug, og siger at Haiku 5.5 er særligt velegnet til disse opgaver på grund af sin kombination af hastighed, kapacitet og pris.
Endelig meddelte virksomheden, at de vil indføre en ny månedlig API‑kredit til alle Max‑ og Team‑abonnenter i løbet af ugen for meddelelsen: $100 pr. måned for Max 5x‑brugere, $200 pr. måned for Max 20x‑brugere, og op til $500 samlet for Team‑abonnenter, som kan bruges på enhver af Anthropics modeller.












