anthropic
Anthropic: Claude Haiku 5.5
anthropic/claude-haiku-5.5
Nuestro análisis
Análisis asistido por IA basado en las fuentes siguientes. La idoneidad es una valoración editorial; compruébala con tus propias tareas.
Según el catálogo de OpenRouter, anthropic/claude-haiku-5.5 es el modelo pequeño y rápido de Anthropic orientado a trabajos de alto volumen y sensibles al coste, como resúmenes, subagentes y uso de navegador, presentado como sucesor de Claude Haiku 4.5 con mejoras en programación y uso de computadora. Acepta entradas de texto, imagen y archivo, y devuelve texto dentro de una ventana de contexto de un millón de tokens. Admite razonamiento opcional en varios niveles de esfuerzo, así como llamadas a herramientas y salidas estructuradas. No había una ficha de modelo independiente disponible en este paquete de fuentes.[1]
Puntos fuertes
- El catálogo de OpenRouter indica soporte de entrada multimodal para texto, imágenes y archivos, con una ventana de contexto de un millón de tokens.[1]
- Admite razonamiento opcional con varios niveles de esfuerzo, junto con llamadas a herramientas, salidas estructuradas y parámetros de formato de respuesta.[1]
- El catálogo lo describe como un modelo pequeño y rápido pensado para cargas de trabajo de alto volumen y sensibles al coste.[1]
Limitaciones
- Toda la evidencia procede únicamente del catálogo de OpenRouter; no había una ficha de modelo independiente ni documentación de primera mano en este paquete de fuentes.[1]
- El catálogo no especifica fecha de corte de conocimiento ni evaluaciones de seguridad; las capacidades reportadas deben validarse con cargas de trabajo propias.[1]
- Los índices y benchmarks del catálogo son resultados medidos que pueden no trasladarse a tareas concretas.[1]
Dónde utilizarlo
- El catálogo sugiere canalizaciones de resumen y procesamiento de texto a alto volumen; conviene confirmar la calidad con datos representativos.[1]
- La automatización con subagentes y uso de navegador figura como aplicación prevista; pruebe la integración con sus herramientas.[1]
- Opción plausible para aplicaciones sensibles al coste que requieran entrada de imágenes o archivos, según la descripción del catálogo.[1]
Fuentes
- [1] OpenRouter catalog · Anthropic: Claude Haiku 5.5Fuentes consultadas: 13 nov 2026
Sobre este modelo
La descripción siguiente es el texto original aportado por OpenRouter, en el idioma de la fuente.
Claude Haiku 5.5 is Anthropic's small, fast model for high-volume, cost-sensitive work such as summarization, subagents, and browser use. It succeeds Claude Haiku 4.5 with stronger coding, computer use, and...
Especificaciones
- ID del modelo
- anthropic/claude-haiku-5.5
- ID canónico
- anthropic/claude-haiku-5.5-20261007
- Creador
- anthropic
- Añadido a OpenRouter
- 07.10.2026
- Longitud de contexto
- 1,000,000
- Modalidad
- text+image+file->text
- Modalidades de entrada
- text, image, file
- Modalidades de salida
- text
- Precio por token
- USD por 1M de tokens: entrada $0.100 / salida $0.500
- Corte de conocimiento
- —
- Fecha de expiración
- —
Tareas y capacidades
Una nota aparece solo cuando la fuente aporta una medición correspondiente para esa tarea, el modelo está activo y la cohorte tiene al menos 10 modelos comparables. La columna de capacidad muestra hechos declarados por la fuente — formatos compatibles, razonamiento y parámetros de herramientas — que no son calidad medida.
| Tarea | Nota | Capacidad declarada por la fuente |
|---|---|---|
| Calidad general | AA — siguiente 20% de la cohorte | razonamiento: opcional · predeterminado medium · esfuerzos: max, xhigh, high, medium, low, none · parámetros: include_reasoning, reasoning, reasoning_effort |
| Programación | Sin medición | — |
| Agentes | Sin medición | parámetros: structured_outputs, tool_choice, tools |
| Escritura | Sin medición | salida: text |
| Razonamiento | Sin medición | razonamiento: opcional · predeterminado medium · esfuerzos: max, xhigh, high, medium, low, none · parámetros: include_reasoning, reasoning, reasoning_effort |
| Análisis de documentos | Sin medición | entrada: file |
| Visión | Sin medición | entrada: image |
| Generación de imágenes | Sin medición | — |
| Audio | Sin medición | — |
| Vídeo | Sin medición | — |
| Embeddings | Sin medición | — |
Evaluaciones
| Fuente | Benchmark | Valor | Nota | Datos obtenidos |
|---|---|---|---|---|
| Artificial Analysis | Intelligence index | 36.5 | AA — siguiente 20% de la cohorte | 13.11.2026 |
| Design Arena | models · 3dtasa de victoria 55.8% · posición 14 | 1,327Elo | AA — siguiente 20% de la cohorte | 13.11.2026 |
| Design Arena | models · asciiarttasa de victoria 50.9% · posición 22 | 1,216Elo | BB — siguiente 30% de la cohorte | 13.11.2026 |
| Design Arena | models · codecategoriestasa de victoria 50.3% · posición 25 | 1,278Elo | AA — siguiente 20% de la cohorte | 13.11.2026 |
| Design Arena | models · dataviztasa de victoria 50.4% · posición 19 | 1,279Elo | AA — siguiente 20% de la cohorte | 13.11.2026 |
| Design Arena | models · gamedevtasa de victoria 52.5% · posición 14 | 1,316Elo | AA — siguiente 20% de la cohorte | 13.11.2026 |
| Design Arena | models · svgtasa de victoria 43.4% · posición 31 | 1,194Elo | BB — siguiente 30% de la cohorte | 13.11.2026 |
| Design Arena | models · uicomponenttasa de victoria 50.8% · posición 30 | 1,274Elo | AA — siguiente 20% de la cohorte | 13.11.2026 |
| Design Arena | models · websitetasa de victoria 48.2% · posición 41 | 1,254Elo | BB — siguiente 30% de la cohorte | 13.11.2026 |
Cómo funcionan las notas
Cada nota compara un modelo solo con otros modelos evaluados por la misma fuente y métrica en la instantánea actual. S es el 10% superior, A el siguiente 20%, B el siguiente 30% y C el resto. Los modelos sin medición publicada aparecen como no evaluados: un formato compatible nunca implica calidad medida.
- S — S — 10% superior de la cohorte
- A — A — siguiente 20% de la cohorte
- B — B — siguiente 30% de la cohorte
- C — C — por debajo de la franja B
Proveedores
Estadísticas opcionales de proveedores en vivo desde OpenRouter. Los valores ausentes son desconocidos, no cero.
| Proveedor | Longitud de contexto | Precio entrada /1M | Precio salida /1M | Latencia p50 (30m, s) | Rendimiento p50 (30m, tok/s) | Disponibilidad (30m) |
|---|---|---|---|---|---|---|
| 1,000,000 | $0.100 | $0.500 | — | — | 100% | |
| Claude Platform on AWS | 1,000,000 | $0.100 | $0.500 | — | — | 100% |
| Azure | 1,000,000 | $0.100 | $0.500 | — | — | 100% |
| Anthropic | 1,000,000 | $0.100 | $0.500 | — | — | 100% |
| Amazon Bedrock | 1,000,000 | $0.100 | $0.500 | — | — | 100% |
| 1,000,000 | $0.110 | $0.550 | — | — | 100% | |
| 1,000,000 | $0.110 | $0.550 | — | — | 100% | |
| Azure | 1,000,000 | $0.110 | $0.550 | — | — | — |
| Amazon Bedrock | 1,000,000 | $0.110 | $0.550 | — | — | 100% |
| Amazon Bedrock | 1,000,000 | $0.110 | $0.550 | — | — | 100% |
Datos de proveedores obtenidos: 13.11.2026
Artículos relacionados
- Cuatro opciones de solicitud de Amazon Bedrock que afectan al costo de inferenciaUn artículo de AWS muestra cómo la duración de la caché, el nivel de servicio, el esfuerzo de razonamiento y maxTokens modifican los tokens y las tarifas en Amazon Bedrock, con pruebas en modelos Claude y Nova.
- Las API por lotes de los LLM reducen el precio a la mitad, pero solo para el tráfico que puede esperarUn blog de modelado de costes explica cómo los descuentos por lotes solo aplican a llamadas aplazables, por qué lote y caché se acumulan multiplicativamente, el error de facturación que esto causó y por qué bajar de nivel de modelo suele ahorrar más.
- Google DeepMind y Artificial Analysis presentan MKA, una evaluación de agentes con evidencia visualMKA es una evaluación de 200 tareas que mide si los agentes de IA pueden extraer evidencia decisiva de planos, escaneos y gráficos y convertirla en entregables profesionales.