Anthropic lance Claude Haiku 5.5 : 43 points à l'indice AA et un tarif de 0.10 $ par million

Anthropic a mis sur le marché Claude Haiku 5.5. Selon les mesures indépendantes d'Artificial Analysis, la solution s'impose désormais en tête des modèles légers : 43 points sur l'Intelligence Index au niveau d'effort maximal. Il y a un an, la version précédente d'Haiku plafonnait à 17 points, marquant ainsi une progression de 26 points. Dans le même temps, la grille tarifaire s'effondre : 0.10 $ par million de tokens d'entrée et 0.50 $ par million de tokens de sortie pour les invites de moins de 100k. Cela représente environ 10 % du prix de l'ancien Haiku, s'alignant directement sur les tarifs de GPT-6 Luna.

Où se situe Haiku 5.5 dans le classement ?

À son niveau d'effort maximal, le modèle dépasse légèrement GLM-5.3 Flash (42), Gemini 3.8 Flash (41) et GPT-6 Luna (38). En matière de points, il rivalise avec Kimi K3 (44), un modèle ouvert de 2.8 billions de paramètres, tout en restant à 13 points de Claude Sonnet 5.5 (max, 56). Haiku 5.5 inaugure au sein de sa gamme les paramètres d'effort et le raisonnement adaptatif, permettant désormais d'ajuster finement la profondeur de réflexion.

Les principaux indicateurs mesurés par Artificial Analysis :

• Intelligence Index : 43 (max), 38 au niveau high.
• AA-Briefcase, banc d'essai propriétaire évaluant des tâches réalistes de travail intellectuel : 1578 Elo, au-dessus de Kimi K3 et GLM-5.3, et au coude-à-coude avec Muse Spark 1.3 (max). Dans les marges des intervalles de confiance, le modèle équivaut à GPT-6 Astra (max) et Claude Fable 5.1 (high).
• Terminal-Bench 4.0 : 33 % contre 0 % pour Haiku 4.5. Un niveau identique à GLM-5.3 Flash, supérieur à Gemini 3.8 Flash (20 %) et GPT-6 Luna (13 %).
• AA-Omniscience : 36 % de précision contre 55 % pour Gemini 3.8 Flash et 44 % pour GPT-6 Luna.
• Taux d'hallucinations : 40 % contre 55 % et 77 % chez ses concurrents.
• AutomationBench-AA : 35 % contre 53–60 % pour Luna, Gemini 3.8 Flash et GLM-5.3 Flash.
• Contexte : 1 million de tokens contre 200k auparavant, entrées texte et image, sortie texte.

La faible précision observée sur Omniscience s'explique en partie par le comportement même du système. Haiku 5.5 admet plus volontiers son ignorance, ce qui limite les inventions pures. Dans le cadre de flux agentiques où une fausse certitude coûte plus cher qu'une mise en pause, ce choix s'avère plutôt vertueux. Artificial Analysis juge par ailleurs le score AutomationBench sous-évalué : un bug lié aux garde-fous a provoqué des refus de traitement injustifiés lors des tests préliminaires. Anthropic promet un correctif, après quoi Artificial Analysis relancera l'évaluation.

Coût par token contre coût par tâche

La grille d'Haiku 5.5 fonctionne par paliers. Dès que l'invite dépasse 100k tokens, les prix quintuplent pour atteindre 0.50 $/2.50 $. La lecture de cache s'établit à 0.01 $ par million (0.05 $ au-delà du seuil), et l'écriture en cache pour cinq minutes coûte 0.125 $ (0.625 $). La plateforme d'Artificial Analysis ne prenant pas encore en charge cette tarification échelonnée, ses premières estimations de coûts sont sous-estimées. L'intégration de la métrique « Cost per Task » interviendra plus tard.

Le modèle souffre toutefois d'un travers plus évident : sa verbosité. En mode d'effort maximal, Haiku 5.5 génère environ 162k tokens de sortie par tâche pour l'indice de référence. C'est trois fois plus que GPT-6 Luna (environ 50k) et davantage qu'Opus 5.5 (max). Passer du niveau xhigh à max ne rapporte que 2 points pour une consommation accrue d'environ 1.8x en tokens. À niveau égal (38 points), Haiku 5.5 (high) absorbe ~55k tokens contre ~50k pour Luna (max), et cet écart s'accentue sur les réglages inférieurs.

Les prix de sortie étant identiques entre les deux concurrents, la facture réelle par tâche pour Haiku 5.5 au niveau maximal s'avérera nettement plus salée que celle de Luna. Dans ces conditions, un prix au million de tokens très bas ne garantit aucun avantage économique au niveau de la tâche concrète. Seules les données consolidées du coût par tâche permettront de trancher.

Profils d'usage et cas d'application

Haiku 5.5 répond particulièrement aux besoins des pipelines agentiques, des opérations en terminal et de l'automatisation de bureau réclamant de solides performances à bas coût avec un contexte d'un million de tokens. Pour les requêtes factuelles sans accès à un moteur de recherche externe, Gemini 3.

8 Flash restera préférable grâce à ses 55 % sur Omniscience. Avant de verrouiller le niveau d'effort en production, il conviendra d'évaluer vos propres cas d'usage en mesurant à la fois la qualité et le volume de tokens consommés : au niveau high, la consommation tourne autour de ~55k tokens, contre ~162k au niveau max. Les invites massives devront rester sous la barre des 100k tokens ou exploiter intensivement le cache pour éviter la multiplication par cinq des tarifs.

Dernière réserve : le résultat sur AutomationBench étant faussé par des refus intempestifs, les arbitrages définitifs concernant l'automatisation devront attendre la publication du correctif.