Anthropic lança Claude Haiku 5.5: 43 pontos no índice da AA e preço de $0.10 por milhão de tokens

A Anthropic lançou o Claude Haiku 5.5 e, segundo medições independentes da Artificial Analysis, ele é hoje o líder entre os modelos pequenos: 43 pontos no Intelligence Index com o nível máximo de esforço. Um ano atrás, o Haiku anterior tinha 17, ou seja, o ganho foi de 26 pontos. O preço também caiu: $0.10 por milhão de tokens de entrada e $0.50 por milhão de tokens de saída, em prompts de até 100k. Isso equivale a cerca de 10% do custo do Haiku anterior e à mesma tarifa do GPT-6 Luna.

Onde o Haiku 5.5 aparece na tabela

No esforço máximo, o modelo fica um pouco à frente do GLM-5.3 Flash (42), do Gemini 3.8 Flash (41) e do GPT-6 Luna (38). Em pontuação, ele se equipara ao Kimi K3 (44), um modelo aberto de 2.8 trilhões de parâmetros, e fica 13 pontos atrás do Claude Sonnet 5.5 (max, 56). O Haiku 5.5 é o primeiro da linha com configurações de effort e raciocínio adaptativo, o que significa que agora é possível ajustar a profundidade do raciocínio.

Principais métricas, segundo a Artificial Analysis:

• Intelligence Index: 43 (max) e 38 no nível high.
• AA-Briefcase, teste fechado com tarefas realistas de knowledge work: 1578 Elo, acima do Kimi K3 e do GLM-5.3 e no nível do Muse Spark 1.3 (max). Dentro dos intervalos de confiança, o modelo empata com o GPT-6 Astra (max) e o Claude Fable 5.1 (high).
• Terminal-Bench 4.0: 33%, contra 0% do Haiku 4.5. É o nível do GLM-5.3 Flash, acima do Gemini 3.8 Flash (20%) e do GPT-6 Luna (13%).
• AA-Omniscience: precisão de 36%, contra 55% do Gemini 3.8 Flash e 44% do GPT-6 Luna.
• Taxa de alucinação: 40%, contra 55% e 77% dos concorrentes.
• AutomationBench-AA: 35%, contra 53–60% do Luna, do Gemini 3.8 Flash e do GLM-5.3 Flash.
• Contexto: 1 milhão de tokens em vez de 200k; entrada de texto e imagens, saída de texto.

A precisão baixa no Omniscience se explica em parte pelo comportamento do modelo. O Haiku 5.5 admite com mais facilidade que não sabe a resposta, e por isso erra menos por invenção. Em cenários com agentes, onde a falsa confiança custa mais caro que uma pausa, isso tende a ser um ponto positivo. A AA considera o resultado do AutomationBench subestimado: no teste pré-lançamento, um bug nas recusas de segurança fez o modelo rejeitar tarefas sem motivo. A Anthropic promete uma correção, e a Artificial Analysis vai refazer o teste.

Preço por token e preço por tarefa

A tarifa do Haiku 5.5 é escalonada. Acima de 100k tokens no prompt, o preço sobe cinco vezes, para $0.50/$2.50. A leitura de cache custa $0.01 por milhão ($0.05 acima do limite), e a gravação de cache de cinco minutos custa $0.125 ($0.625). O site da Artificial Analysis ainda não considera esse escalonamento, então os cálculos preliminares de custo estão subestimados. A Cost per Task deve ser adicionada mais tarde.

O modelo tem ainda um problema mais visível: é prolixo. No esforço máximo, o Haiku 5.5 gasta cerca de 162k tokens de saída por tarefa do índice. É o triplo do GPT-6 Luna (cerca de 50k) e mais que o Opus 5.5 (max). Passar de xhigh para max rende apenas 2 pontos, ao custo de ~1.8x mais tokens. Com os mesmos 38 pontos, o Haiku 5.5 (high) consome ~55k tokens e o Luna (max), ~50k; em configurações mais baixas, a diferença aumenta.

As tarifas de saída dos dois modelos são iguais, então a conta real por tarefa do Haiku 5.5 no máximo será bem mais alta que a do Luna. Nesse cenário, um preço baixo por milhão de tokens não garante vantagem por tarefa. O resultado só ficará claro com os cálculos de Cost per Task.

Para quem e para que usar

O Haiku 5.5 serve para pipelines com agentes, trabalho no terminal e automação de escritório, onde se precisa de bom desempenho a baixo custo e de contexto de um milhão de tokens. Para perguntas factuais sem busca externa, é melhor escolher o Gemini 3.

8 Flash, com seus 55% no Omniscience. Antes de definir o nível de effort, vale rodar tarefas próprias e medir não só a qualidade, mas também o consumo de tokens: no nível high, o modelo fica em ~55k tokens; no max, chega a ~162k. É preciso manter prompts longos abaixo de 100k ou usar o cache de forma ativa, senão a tarifa sobe cinco vezes.

Outra ressalva: o AutomationBench hoje mostra um resultado subestimado por causa de recusas excessivas, então conclusões definitivas sobre automação só devem sair depois da correção.