anthropic
Anthropic: Claude Haiku 5.5
anthropic/claude-haiku-5.5
Nossa análise
Análise com auxílio de IA baseada nas fontes abaixo. A adequação é uma avaliação editorial; teste com suas próprias tarefas.
Segundo o catálogo da OpenRouter, anthropic/claude-haiku-5.5 é o modelo pequeno e rápido da Anthropic voltado a trabalhos de alto volume e sensíveis a custo, como resumos, subagentes e uso de navegador, apresentado como sucessor do Claude Haiku 4.5 com melhorias em programação e uso de computador. Ele aceita entradas de texto, imagem e arquivo e retorna texto dentro de uma janela de contexto de um milhão de tokens. O raciocínio opcional é suportado em vários níveis de esforço, junto com chamadas de ferramentas e saídas estruturadas. Não havia um cartão de modelo independente disponível neste pacote de fontes.[1]
Pontos fortes
- O catálogo da OpenRouter lista suporte de entrada multimodal para texto, imagens e arquivos, com janela de contexto de um milhão de tokens.[1]
- Suporta raciocínio opcional com vários níveis de esforço, além de chamadas de ferramentas, saídas estruturadas e parâmetros de formato de resposta.[1]
- O catálogo o descreve como um modelo pequeno e rápido posicionado para cargas de trabalho de alto volume e sensíveis a custo.[1]
Limitações
- Toda a evidência vem apenas do catálogo da OpenRouter; não havia cartão de modelo independente nem documentação oficial neste pacote de fontes.[1]
- O catálogo não especifica data de corte de conhecimento nem avaliações de segurança; as capacidades relatadas devem ser validadas em suas próprias cargas de trabalho.[1]
- Os índices e benchmarks do catálogo são resultados medidos que podem não se transferir para tarefas específicas.[1]
Onde usar
- O catálogo sugere pipelines de resumo e processamento de texto em alto volume; confirme a qualidade com dados representativos.[1]
- Automação com subagentes e uso de navegador aparece como aplicação prevista; teste a integração com suas ferramentas.[1]
- Uma opção plausível para aplicações sensíveis a custo que precisem de entrada de imagem ou arquivo, conforme a descrição do catálogo.[1]
Fontes
- [1] OpenRouter catalog · Anthropic: Claude Haiku 5.5Fontes consultadas: 13 de nov. de 2026
Sobre este modelo
A descrição abaixo é o texto original fornecido pelo OpenRouter, no idioma da fonte.
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...
Especificações
- ID do modelo
- anthropic/claude-haiku-5.5
- ID canônico
- anthropic/claude-haiku-5.5-20261007
- Criador
- anthropic
- Adicionado ao OpenRouter
- 07.10.2026
- Comprimento de contexto
- 1,000,000
- Modalidade
- text+image+file->text
- Modalidades de entrada
- text, image, file
- Modalidades de saída
- text
- Preço por token
- USD por 1M de tokens: entrada $0.100 / saída $0.500
- Corte de conhecimento
- —
- Data de expiração
- —
Tarefas e capacidades
Uma nota aparece apenas quando a fonte fornece uma medição correspondente para aquela tarefa, o modelo está ativo e a coorte tem pelo menos 10 modelos comparáveis. A coluna de capacidade lista fatos declarados pela fonte — formatos compatíveis, raciocínio e parâmetros de ferramentas — que não são qualidade medida.
| Tarefa | Nota | Capacidade declarada pela fonte |
|---|---|---|
| Qualidade geral | AA — próximos 20% da coorte | raciocínio: opcional · padrão medium · esforços: max, xhigh, high, medium, low, none · parâmetros: include_reasoning, reasoning, reasoning_effort |
| Programação | Sem medição | — |
| Agentes | Sem medição | parâmetros: structured_outputs, tool_choice, tools |
| Escrita | Sem medição | saída: text |
| Raciocínio | Sem medição | raciocínio: opcional · padrão medium · esforços: max, xhigh, high, medium, low, none · parâmetros: include_reasoning, reasoning, reasoning_effort |
| Análise de documentos | Sem medição | entrada: file |
| Visão | Sem medição | entrada: image |
| Geração de imagens | Sem medição | — |
| Áudio | Sem medição | — |
| Vídeo | Sem medição | — |
| Embeddings | Sem medição | — |
Avaliações
| Fonte | Benchmark | Valor | Nota | Dados obtidos |
|---|---|---|---|---|
| Artificial Analysis | Intelligence index | 36.5 | AA — próximos 20% da coorte | 13.11.2026 |
| Design Arena | models · 3dtaxa de vitória 55.8% · posição 14 | 1,327Elo | AA — próximos 20% da coorte | 13.11.2026 |
| Design Arena | models · asciiarttaxa de vitória 50.9% · posição 22 | 1,216Elo | BB — próximos 30% da coorte | 13.11.2026 |
| Design Arena | models · codecategoriestaxa de vitória 50.3% · posição 25 | 1,278Elo | AA — próximos 20% da coorte | 13.11.2026 |
| Design Arena | models · dataviztaxa de vitória 50.4% · posição 19 | 1,279Elo | AA — próximos 20% da coorte | 13.11.2026 |
| Design Arena | models · gamedevtaxa de vitória 52.5% · posição 14 | 1,316Elo | AA — próximos 20% da coorte | 13.11.2026 |
| Design Arena | models · svgtaxa de vitória 43.4% · posição 31 | 1,194Elo | BB — próximos 30% da coorte | 13.11.2026 |
| Design Arena | models · uicomponenttaxa de vitória 50.8% · posição 30 | 1,274Elo | AA — próximos 20% da coorte | 13.11.2026 |
| Design Arena | models · websitetaxa de vitória 48.2% · posição 41 | 1,254Elo | BB — próximos 30% da coorte | 13.11.2026 |
Como funcionam as notas
Cada nota compara um modelo apenas com outros modelos avaliados pela mesma fonte e métrica no snapshot atual. S é o top 10%, A os 20% seguintes, B os 30% seguintes e C o restante. Modelos sem medição publicada aparecem como não avaliados — um formato compatível nunca implica qualidade medida.
- S — S — top 10% da coorte
- A — A — próximos 20% da coorte
- B — B — próximos 30% da coorte
- C — C — abaixo da faixa B
Provedores
Estatísticas opcionais de provedores ao vivo do OpenRouter. Valores ausentes são desconhecidos, não zero.
| Provedor | Comprimento de contexto | Preço entrada /1M | Preço saída /1M | Latência p50 (30m, s) | Taxa p50 (30m, tok/s) | Disponibilidade (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 | — | — | 90% |
| 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% |
Dados de provedores obtidos: 13.11.2026
Artigos relacionados
- Quatro escolhas de requisição do Amazon Bedrock que afetam o custo de inferênciaUm artigo da AWS mostra como a duração do cache, o nível de serviço, o esforço de raciocínio e maxTokens alteram tokens e tarifas no Amazon Bedrock, com testes em modelos Claude e Nova.
- APIs de lote de LLMs cortam o preço pela metade, mas só para o tráfego que pode esperarUm blog de modelagem de custos explica como descontos em lote valem apenas para chamadas adiáveis, por que lote e cache se acumulam multiplicativamente, o bug de cobrança que isso causou e por que descer de nível de modelo costuma economizar mais.
- Google DeepMind e Artificial Analysis apresentam o MKA, um benchmark para trabalho de agentes com base visualO MKA é um benchmark de 200 tarefas que mede se agentes de IA conseguem extrair evidências decisivas de blueprints, digitalizações e gráficos e transformá-las em entregáveis profissionais.