Anthropic выпустила Claude Haiku 5.5: 43 балла в индексе AA и цена $0.10 за миллион

Anthropic выпустила Claude Haiku 5.5, и по независимым замерам Artificial Analysis это сейчас лидер среди небольших моделей: 43 балла в Intelligence Index при максимальном уровне усилий. Год назад предыдущий Haiku стоял на 17, так что прирост составил 26 пунктов. Одновременно упала цена: $0.10 за миллион входных и $0.50 за миллион выходных токенов для промптов до 100k. Это примерно 10% от стоимости прежнего Haiku и тот же тариф, что у GPT-6 Luna.

Где Haiku 5.5 стоит в таблице

На максимальном усилии модель немного опережает GLM-5.3 Flash (42), Gemini 3.8 Flash (41) и GPT-6 Luna (38). По баллам она сопоставима с Kimi K3 (44), открытой моделью на 2.8 трлн параметров, и отстаёт на 13 пунктов от Claude Sonnet 5.5 (max, 56). Haiku 5.5 стала первой в линейке с настройками effort и адаптивным мышлением, то есть глубину рассуждений теперь можно регулировать.

Основные метрики по данным Artificial Analysis:

• Intelligence Index: 43 (max), 38 на уровне high.
• AA-Briefcase, закрытый тест на реалистичные задачи knowledge work: 1578 Elo, выше Kimi K3 и GLM-5.3 и на уровне Muse Spark 1.3 (max). В пределах доверительных интервалов модель совпадает с GPT-6 Astra (max) и Claude Fable 5.1 (high).
• Terminal-Bench 4.0: 33% против 0% у Haiku 4.5. Это уровень GLM-5.3 Flash, выше Gemini 3.8 Flash (20%) и GPT-6 Luna (13%).
• AA-Omniscience: точность 36% против 55% у Gemini 3.8 Flash и 44% у GPT-6 Luna.
• Доля галлюцинаций: 40% против 55% и 77% у конкурентов.
• AutomationBench-AA: 35% против 53–60% у Luna, Gemini 3.8 Flash и GLM-5.3 Flash.
• Контекст: 1 млн токенов вместо 200k, вход текст и изображения, выход текст.

Слабая точность в Omniscience объясняется отчасти поведением модели. Haiku 5.5 охотнее признаёт, что ответа не знает, поэтому врёт реже. Для агентных сценариев, где ложная уверенность обходится дороже паузы, это скорее плюс. Результат AutomationBench AA считает заниженным: на предрелизном тесте сработал баг с защитными отказами, и модель отказывалась от задач без причины. Anthropic обещает исправление, Artificial Analysis перезапустит тест.

Цена за токен и цена за задачу

Тариф у Haiku 5.5 ступенчатый. Выше 100k токенов в промпте цена вырастает в пять раз, до $0.50/$2.50. Кэш-чтение стоит $0.01 за миллион ($0.05 выше порога), пятиминутная запись в кэш $0.125 ($0.625). Сайт Artificial Analysis пока не учитывает ступень, поэтому предварительные расчёты стоимости занижены. Cost per Task обещают добавить позже.

У модели есть и более заметная проблема: она многословна. При максимальном усилии Haiku 5.5 тратит около 162k выходных токенов на задачу индекса. Это втрое больше, чем GPT-6 Luna (около 50k), и больше, чем у Opus 5.5 (max). Переход с xhigh на max даёт только 2 балла за ~1.8x токенов. При равных 38 баллах Haiku 5.5 (high) расходует ~55k токенов, а Luna (max) ~50k, и на низких настройках разрыв растёт.

Тарифы на выход у обеих моделей совпадают, поэтому реальный счёт за задачу у Haiku 5.5 на максимуме будет заметно выше, чем у Luna. Низкая цена за миллион токенов в такой ситуации не гарантирует выигрыша на задаче. Итог покажут только расчёты Cost per Task.

Кому и для чего брать

Haiku 5.5 подходит для агентных пайплайнов, работы в терминале и офисной автоматизации, где нужен сильный результат при малой цене и контекст в миллион токенов. Для фактологических вопросов без внешнего поиска лучше выбрать Gemini 3.8 Flash с его 55% в Omniscience. Перед выбором уровня effort стоит прогнать собственные задачи и измерить не только качество, но и расход токенов: на уровне high модель укладывается в ~55k токенов, на max уже в ~162k. Длинные промпты нужно держать ниже 100k или активно использовать кэш, иначе тариф вырастет впятеро. Ещё одна оговорка: AutomationBench сейчас показывает заниженный результат из-за избыточных отказов, так что окончательные выводы по автоматизации стоит делать после фикса.