Claude Haiku 5.5 est le premier Haiku doté d'un réglage d'effort, et ce réglage influe sur la facture plus que tout autre paramètre à votre disposition. Dans les tests indépendants d'Artificial Analysis, Haiku 5.5 en effort max a obtenu 43 à son Intelligence Index, contre 29 en effort low. Le niveau max a aussi utilisé 440 millions de tokens de sortie pour traiter l'index, contre 32 millions pour low.
La réponse courte : gardez la plupart des tâches au réglage par défaut, medium. Basculez les routes simples et à fort volume sur low. Passez les tâches de travail intellectuel et le suivi strict des instructions sur high. Considérez xhigh et max comme des réglages qui exigent des preuves, et comparez-les à Sonnet 5.5 avant de vous engager.
La suite de cet article montre ce que coûte chaque niveau, à partir de quel point monter ne rapporte plus, et quels réglages cassent ou deviennent coûteux quand vous changez l'effort.
Ce qu'est ce réglage
Claude Haiku 5.5 prend en charge cinq niveaux : low, medium, high, xhigh et max. La valeur par défaut est medium, ce qui est inhabituel : la plupart des modèles Claude actuels utilisent high par défaut, et seuls Haiku 5.5 et Opus 5.5 utilisent un niveau inférieur. Envoyer medium revient à omettre le paramètre.
L'effort remplace le budget de réflexion manuel qu'utilisait Haiku 4.5. Une requête avec thinking: {"type": "enabled", "budget_tokens": N} renvoie désormais une erreur 400, il n'y a donc aucune ancienne valeur à reprendre. Selon la documentation sur l'effort d'Anthropic, on le définit dans output_config :
output_config={"effort": "low"}
Trois faits encadrent tout ce qui suit :
- La réflexion est activée par défaut. Haiku 5.5 exécute une réflexion adaptative, sauf indication contraire. Un effort plus faible signifie moins de réflexion, et sur les requêtes simples le modèle peut sauter la réflexion complètement.
- Les tokens de réflexion sont des tokens de sortie. Ils comptent dans
max_tokenset sont facturés au tarif de sortie (0,50 $ par million pour les prompts allant jusqu'à 100K tokens). - Demander moins de réflexion dans le prompt ne fonctionne pas. Dans les tests d'Anthropic, le modèle réfléchissait encore lorsque le prompt lui demandait de répondre directement. L'effort est le levier.
Ce que coûte chaque niveau
Deux sources indépendantes ont mesuré Haiku 5.5 selon les niveaux d'effort. Les chiffres de l'index proviennent d'Artificial Analysis ; les chiffres FrontierCode proviennent du fichier de résultats public de Cognition, tel que compilé par Kingy.ai. Aucune des deux ne couvre votre charge de travail : considérez-les comme la forme de la courbe, pas comme vos propres chiffres.
Artificial Analysis Intelligence Index v4.3.2 (dix évaluations, du travail intellectuel aux tâches de terminal) :
| Effort | Score de l'index | Tokens de sortie pour l'index | Coût par tâche | Délai avant le premier token |
|---|---|---|---|---|
| low | 29 | 32M | $0.02 | 9.9 s |
| medium | 34 | 54M | $0.05 | 13.4 s |
| high | 38 | 97M | $0.08 | 28.0 s |
| xhigh | 41 | 180M | $0.12 | n/a |
| max | 43 | 440M | $0.21 | n/a |
Artificial Analysis n'a pas publié de mesure de latence pour xhigh. Sa mesure de latence en effort max semblait anormale, elle est donc omise.
FrontierCode 1.1 Main, Haiku 5.5 exécuté dans Claude Code :
| Effort | Score composite | Coût par rollout | Tokens de sortie par rollout |
|---|---|---|---|
| low | 34.8% | $0.06 | 23,868 |
| medium | 41.6% | $0.13 | 36,172 |
| high | 41.9% | $0.26 | 55,149 |
| xhigh | 45.8% | $0.63 | 100,847 |
| max | 46.4% | $1.33 | 181,387 |
Les coûts sont arrondis au centime.
En lisant les deux tableaux ensemble, trois points ressortent.
Passer de low à medium est la hausse la moins chère. Sur l'index, elle rapporte 5 points pour environ 1,7 fois plus de tokens de sortie. Sur FrontierCode, elle rapporte 6,8 points pour environ deux fois le coût par rollout.
De medium à high, le gain peut être nul. Sur FrontierCode, high a obtenu 0,3 point de plus que medium et coûté environ deux fois plus cher. Sur l'index plus large, high a bien ajouté 4 points. Savoir si votre charge de travail ressemble au premier cas ou au second, c'est précisément ce qu'une évaluation rapide vous indiquera.
Les deux niveaux supérieurs sont chers. De high à max sur l'index, les tokens de sortie sont multipliés par environ 4,5 pour 5 points. Sur FrontierCode, max coûte environ dix fois plus que medium pour 4,8 points de plus, et le passage de xhigh à max double à peu près le coût pour 0,6 point. Les recommandations d'Anthropic disent la même chose en termes plus simples : utilisez xhigh et max uniquement lorsque vos évaluations montrent un gain, et comparez-les d'abord à Sonnet 5.5 sur la performance, le coût et la vitesse.
Une autre raison pour laquelle le réglage par défaut compte : les résultats de lancement d'Anthropic ont été obtenus en effort max. Les résultats en effort medium publiés dans la system card sont plus bas (1277 sur GDPval-AA au lieu de 1620). Si vous déployez avec le réglage par défaut, ce sont ces chiffres qu'il faut comparer.
Par où commencer, selon la charge de travail
| Charge de travail | Commencer à | Monter quand |
|---|---|---|
| Classification, routage, étiquetage | low | Les étiquettes dérivent sur les cas difficiles |
| Extraction à partir de documents courts | low | Des champs sont manqués ou fusionnés |
| Chat et support en direct | low | Les règles se relâchent dans les longues conversations |
| Résumés et compaction | medium | Des détails clés disparaissent |
| Travail de sous-agents sous un modèle plus grand | medium | Le modèle principal refait le travail |
| Codage agentique, modifications ciblées | medium | Les tests échouent à la première tentative |
| Travail intellectuel, longues tâches d'agent | high | Les évaluations montrent une marge de progression |
Ces points de départ suivent les recommandations d'Anthropic pour Haiku 5.5 ; les signaux « monter » sont ce qu'il faut surveiller dans vos propres journaux.
La seule ligne qui mérite un second regard est le chat. Low est le niveau le plus rapide, ce qui convient au support en direct. Mais Anthropic recommande high lorsque le respect des instructions compte le plus, par exemple pour un assistant de support qui doit tenir les règles de son prompt système pendant qu'un utilisateur argumente. Testez les deux sur les conversations qui ont mal tourné par le passé.
Ce qui casse ou devient coûteux quand l'effort change
Un max_tokens trop petit peut interrompre la réponse avant qu'elle ne commence. La réflexion compte dans max_tokens. Une limite calibrée pour une classification d'un seul mot, par exemple 50 tokens, peut être entièrement consommée par la réflexion, et la réponse se termine avec stop_reason: "max_tokens" et sans texte. Augmentez la limite pour laisser de la marge, ou baissez l'effort.
Changer l'effort en cours de conversation réinitialise le cache. Modifier la valeur d'effort globale entre deux requêtes invalide le cache de prompt des messages de la conversation. Si un agent a besoin d'un tour difficile en high au sein d'une conversation en low, Anthropic propose un changement d'effort par message (en-tête bêta mid-conversation-output-config-2026-07-01, API Claude et Google Cloud) qui préserve le cache. Il exige que la réflexion soit activée. Vérifiez si votre passerelle transmet cet en-tête bêta avant de vous y fier.
Désactiver la réflexion a des limites. thinking: {"type": "disabled"} est accepté en low, medium et high. En xhigh ou max, il renvoie une erreur 400. Avec la réflexion désactivée, un changement d'effort par message renvoie aussi une erreur 400, et le modèle peut omettre un appel d'outil dont il a besoin lorsque la même requête demande une sortie JSON. Le conseil d'Anthropic est de garder la réflexion activée et d'utiliser un niveau d'effort plus bas.
En effort low, le modèle peut s'arrêter trop tôt. Avec un long prompt système d'agent de codage en low, Haiku 5.5 s'arrête parfois avant la fin du travail et rend la tâche. Dans les tests d'Anthropic, passer de low à medium a à peu près divisé par deux les arrêts prématurés et plus que doublé les tokens de sortie par tentative. Le guide de prompting de Haiku 5.5 contient une courte instruction « continue jusqu'à ce que ce soit terminé » qui résout le même problème à moindre coût.
Low et medium peuvent sauter la vérification. Sur les tâches de codage, le modèle annonce parfois une modification comme terminée sans avoir exécuté de test. Le guide de prompting contient un paragraphe sur la vérification pour cela ; il coûte des tokens, mais augmente la part des modifications vérifiées.
Xhigh peut renvoyer une réponse vide. Dans les conversations multi-tours en xhigh, le modèle écrit parfois toute sa réponse dans sa réflexion et termine le tour sans texte visible. Si vous utilisez xhigh, vérifiez l'absence de blocs de texte vides.
Forcer un outil fait sauter la réflexion. Haiku 5.5 accepte un tool_choice forcé, mais la réponse commence alors directement par l'appel d'outil, sans réflexion. Si le modèle doit raisonner avant d'appeler l'outil, utilisez auto et indiquez dans le prompt quand l'appeler.
Lancez votre propre test d'effort via AIHubMix
Le moyen le plus rapide de choisir est d'exécuter les mêmes 20 à 50 prompts réels sur deux ou trois niveaux, puis de comparer la qualité, les tokens de sortie et la latence. Via le point de terminaison natif Claude d'AIHubMix, avec AIHUBMIX_API_KEY défini :
import os
import time
import anthropic
client = anthropic.Anthropic(
api_key=os.environ["AIHUBMIX_API_KEY"],
base_url="https://aihubmix.com",
)
prompts = [
"Summarize this support ticket in one sentence: ...",
"Extract the invoice number and total from: ...",
]
for effort in ["low", "medium", "high"]:
out_tokens, seconds = 0, 0.0
for prompt in prompts:
start = time.time()
r = client.messages.create(
model="claude-haiku-5-5",
max_tokens=8000,
output_config={"effort": effort},
messages=[{"role": "user", "content": prompt}],
)
seconds += time.time() - start
out_tokens += r.usage.output_tokens
text = next((b.text for b in r.content if b.type == "text"), "")
# Save `text` next to the prompt and grade it against your own rubric.
print(f"{effort}: {out_tokens} output tokens, {seconds:.1f}s total")
Si les tokens de sortie varient à peine entre low et high, le réglage n'atteint probablement pas le modèle ; vérifiez la requête que votre passerelle transmet. Sur la page Haiku 5.5 sur AIHubMix, le prix par token est le même à chaque niveau d'effort : le nombre de tokens de ce test se convertit donc directement en dollars.
FAQ
Quel est le niveau d'effort par défaut de Claude Haiku 5.5 ?
Medium. La plupart des modèles Claude actuels utilisent high par défaut, donc le code qui s'appuyait sur le défaut d'un autre modèle exécutera Haiku 5.5 un niveau plus bas, sauf s'il définit explicitement l'effort.
Puis-je désactiver complètement la réflexion ?
En effort low, medium et high, oui, en réglant thinking sur disabled. En xhigh et max, cela renvoie une erreur. Anthropic recommande plutôt de baisser l'effort, car le modèle peut lui-même sauter la réflexion sur les requêtes simples et conserve ainsi son comportement d'appel d'outils.
Quel niveau d'effort est le moins cher ?
Low. Dans les tests d'Artificial Analysis, il a utilisé environ 32 millions de tokens de sortie pour l'ensemble de l'index, contre 54 millions en medium et 440 millions en max. Le prix par token est le même à chaque niveau ; la différence tient au nombre de tokens générés.
L'effort max vaut-il la peine sur Haiku 5.5 ?
Seulement si vos propres évaluations le prouvent. Sur FrontierCode, max a coûté environ dix fois plus que medium pour un gain de 4,8 points. À ce stade, Anthropic suggère de comparer avec Sonnet 5.5, qui peut atteindre la même qualité pour moins cher.
Pourquoi mes réponses s'arrêtent-elles sans texte ?
Généralement parce que la réflexion a consommé max_tokens avant le début de la réponse. Augmentez max_tokens ou baissez l'effort. En xhigh, dans les conversations multi-tours, une réponse vide peut aussi signifier que le modèle a placé sa réponse dans sa réflexion.
Le changement d'effort affecte-t-il le cache de prompt ?
Oui. Modifier l'effort global entre deux requêtes invalide les messages mis en cache pour cette conversation. Un changement d'effort par message, actuellement en bêta, l'évite.
Pourquoi les benchmarks de lancement ne correspondent-ils pas à ce que j'observe avec la valeur par défaut ?
Les chiffres de lancement ont été obtenus à l'effort maximal. Au niveau medium, la system card rapporte des scores plus bas, par exemple 1277 au lieu de 1620 sur GDPval-AA.
À lire ensuite : la série Claude Haiku 5.5
- L'effort détermine le nombre de tokens que vous générez. Pour comparer Haiku 5.5 avec Haiku 4.5, GPT-6 Luna et Sonnet 5.5 dans le haut de gamme, lisez Claude Haiku 5.5 vs Haiku 4.5 : ce que dix cents achètent désormais
- Les tokens de réflexion sont facturés comme tokens de sortie, et la longueur du prompt détermine le tarif applicable. Pour traduire votre choix d'effort en facture mensuelle, lisez Claude Haiku 5.5 Pricing : la barre des 100K derrière la baisse de 90%
- L'effort remplace l'ancien budget de réflexion, et l'ancien budget renvoie désormais une erreur. Pour la correction et les autres changements liés au passage de Haiku 4.5, lisez Migrer de Claude Haiku 4.5 vers 5.5 : cinq erreurs 400 et les changements discrets
Sources
- Effort (Claude Platform Docs)
- Prompting Claude Haiku 5.5 (Claude Platform Docs)
- Claude Haiku 5.5 sur AIHubMix
- Claude Haiku 5.5 Intelligence, Performance & Price Analysis (Artificial Analysis)
- Claude Haiku 5.5: Benchmarks, Specs, Sol & Luna Compared (Kingy.ai)



