Tarification de Claude Haiku 5.5 : la limite de 100K derrière la baisse de 90%

AIHubMix8 min de lecture
Tarification de Claude Haiku 5.5 : la limite de 100K derrière la baisse de 90%

Claude Haiku 5.5 coûte $0.10 par million de tokens d'entrée et $0.50 par million de tokens de sortie, soit un dixième des $1 et $5 de Haiku 4.5. Ce tarif s'applique aux prompts allant jusqu'à 100,000 tokens. Au-delà de ce seuil, la totalité de la requête est facturée $0.50 et $2.50, soit la moitié du prix de Haiku 4.5 et non un dixième.

Anthropic évalue l'économie typique à environ 75%, et non 90%. L'écart s'explique par trois éléments que cet article détaille : la position de vos prompts par rapport à la limite de 100K, le nombre de tokens de réflexion générés par les paramètres par défaut, et un nouveau tokenizer qui compte environ 30% de tokens en plus pour le même texte. Deux exemples chiffrés ci-dessous montrent comment une facture réelle se calcule.

La grille tarifaire

Prix par million de tokens, issus de l'article de lancement de Haiku 5.5 d'Anthropic et de la page de tarification :

Type de token Haiku 5.5, court Haiku 5.5, long Haiku 4.5 Sonnet 5.5
Entrée $0.10 $0.50 $1.00 $2.00
Sortie $0.50 $2.50 $5.00 $10.00
Lecture du cache $0.01 $0.05 $0.10 $0.10
Écriture du cache, 5 min $0.125 $0.625 $1.25 $2.50
Écriture du cache, 1 heure $0.20 $1.00 $2.00 $4.00

« Court » désigne un prompt de 100,000 tokens ou moins ; « long » désigne un prompt de plus de 100,000 tokens. L'API Batch offre une réduction de 50% sur l'entrée et la sortie. Le prix de lecture du cache de Sonnet 5.5 a été ramené de $0.20 à $0.10 le même jour.

La page Haiku 5.5 sur AIHubMix présente les mêmes deux paliers, avec la recherche web à $0.01 par requête.

Règles de facturation faciles à manquer

La requête entière change de palier, et pas seulement l'excédent. Anthropic facture Haiku 5.5 selon deux grilles tarifaires choisies en fonction de la longueur du prompt. Un prompt de 100,000 tokens paie $0.0100 pour son entrée ; un prompt de 100,001 tokens paie $0.0500, et sa sortie coûte elle aussi cinq fois plus. Haiku 5.5 fait exception : les autres modèles actuels d'Anthropic à contexte de 1M facturent la fenêtre complète à leurs tarifs standard.

La limite est atteinte plus tôt que ne le laissent penser vos anciens tableaux de bord. Haiku 5.5 utilise un tokenizer plus récent, et le même texte produit environ 30% de tokens en plus que sur Haiku 4.5. En divisant 100,000 par 1.3, on obtient une limite proche de 77,000 tokens tels que Haiku 4.5 les comptait. Un prompt de 78,000 tokens sur votre ancien tableau de bord devient donc environ 101,000 tokens sur Haiku 5.5 et paie le tarif long. Ce calcul repose sur le chiffre de 30% donné dans le guide de migration d'Anthropic ; l'augmentation exacte dépend du contenu, il faut donc recompter des prompts réels sur le nouveau modèle.

La réflexion est activée par défaut, et elle est facturée comme sortie. Haiku 4.5 ne réfléchissait que sur demande. Haiku 5.5 exécute une réflexion adaptative à l'effort medium sauf si vous le modifiez, si bien qu'une route qui renvoyait 200 tokens de sortie peut désormais en renvoyer plusieurs centaines de plus.

Les prompts courts peuvent désormais être mis en cache. Le prompt minimal pouvant être mis en cache passe de 4,096 tokens sur Haiku 4.5 à 512 sur Haiku 5.5, selon le guide de migration d'Anthropic. Un prompt système de 3,000 tokens qui ne pouvait jamais être mis en cache sur Haiku 4.5 peut l'être désormais, et une lecture de cache coûte un dixième du tarif d'entrée.

Le Priority Tier n'est pas disponible. Si vous disposez d'un engagement Priority Tier sur Haiku 4.5, il ne se reporte pas sur Haiku 5.5. Planifiez la capacité séparément.

Tokens mis en cache et limite de 100K : supposez qu'ils comptent. Anthropic indique un prix de lecture de cache distinct pour chaque palier, ce qui laisse penser que la totalité du prompt, mis en cache ou non, détermine le palier. Anthropic n'a pas explicité ce point ; l'hypothèse prudente est donc qu'un préfixe mis en cache de 95K suivi d'une question de 6K constitue un prompt long.

Exemple 1 : un classifieur de tickets de support

Hypothèses, en nombre de tokens Haiku 4.5 : un prompt système de 3,000 tokens avec les définitions d'outils, un ticket de 1,000 tokens, une réponse de 200 tokens, et 1 million de requêtes par mois. Haiku 4.5 fonctionne avec la réflexion désactivée.

Sur Haiku 5.5, le même texte devient 3,900 + 1,300 tokens d'entrée et une réponse de 260 tokens. La réflexion est supposée ajouter 300 tokens à l'effort low et 800 à l'effort medium. Ces chiffres de réflexion sont des hypothèses ; mesurez les vôtres.

Configuration Par requête Par mois
Haiku 4.5 $0.00500 $5,000
Haiku 5.5, low, sans cache $0.00080 $800
Haiku 5.5, low, préfixe mis en cache $0.00045 $453
Haiku 5.5, medium, préfixe mis en cache $0.00070 $703
Sonnet 5.5, medium, préfixe mis en cache $0.01359 $13,674

Les lignes mensuelles avec cache incluent environ $4 d'écritures de cache pour Haiku 5.5 et environ $84 pour Sonnet 5.5, en supposant une écriture de 5 minutes toutes les cinq minutes. Sonnet 5.5 utilise les mêmes hypothèses de tokens que Haiku à l'effort medium.

Calcul de la ligne low avec cache : 3,900 tokens mis en cache à $0.01 par million ($0.000039), plus 1,300 tokens d'entrée frais à $0.10 ($0.00013), plus 560 tokens de sortie à $0.50 ($0.00028), soit $0.000449 par requête.

La tendance : le cache et l'effort combinés font passer la facture de 16% de l'ancien coût (sans cache, low) à 9% (avec cache, low). Laisser l'effort par défaut au lieu de low ajoute environ $250 par mois à ce volume. Ni l'un ni l'autre ne pèse beaucoup en valeur absolue face aux $5,000 de Haiku 4.5, ce qui fait du cas du classifieur l'endroit où le titre de 90% est réel.

Exemple 2 : une revue de contrat qui franchit la limite

Hypothèses, en nombre de tokens Haiku 4.5 : un contrat avec ses instructions de 70,000 tokens, une réponse de 1,500 tokens, sans cache. Sur Haiku 5.5, cela devient 91,000 tokens d'entrée, une réponse de 1,950 tokens, et 2,000 tokens de réflexion supposés à l'effort medium, soit 3,950 tokens de sortie.

Rallongeons maintenant le contrat de 14% : 80,000 tokens sur Haiku 4.5, 104,000 sur Haiku 5.5.

Taille du contrat (décompte Haiku 4.5) Haiku 4.5 Haiku 5.5 Variation
70,000 tokens $0.0775 $0.0111 86% de moins
80,000 tokens $0.0875 $0.0619 29% de moins

La deuxième ligne : 104,000 tokens d'entrée à $0.50 par million ($0.052) plus 3,950 tokens de sortie à $2.50 ($0.0099). Quatorze pour cent de texte en plus coûtent 5.6 fois plus cher sur Haiku 5.5.

La solution consiste à rester sous la limite. Scinder le contrat long en deux appels d'environ 53,000 tokens chacun (la moitié du contrat plus les instructions dans chacun) coûte environ $0.015 au total au tarif court, soit moins d'un quart de l'appel long unique. Qu'une scission fonctionne dépend de la tâche : une revue clause par clause se découpe proprement, une question qui nécessite le document entier d'un coup, non.

Comparaison du coût par tâche

Face à Sonnet 5.5, Haiku 5.5 coûte environ un vingtième du prix par token sur les prompts courts. Mais le prix par token n'est pas le prix par tâche accomplie. Sur du codage agentique complexe, Sonnet 5.5 obtient 70.6% sur Terminal-Bench 4.0 contre 39.2% pour Haiku 5.5, selon les résultats rapportés par Anthropic. Une requête moins chère qui échoue puis doit être relancée, ou refaite par un modèle plus grand, n'est pas moins chère. Le conseil d'Anthropic est de comparer avec Sonnet 5.5 avant d'exécuter Haiku à xhigh ou max. Sonnet 5.5 est aussi devenu moins cher le même jour : ses lectures de cache ont été divisées par deux, ce qui, selon Anthropic, réduit d'environ 20% la plupart des tâches agentiques.

Face à GPT-6 Luna, les prix catalogue des prompts courts sont identiques, lectures de cache comprises. La différence tient à la règle des prompts longs. Le tarif long contexte de Luna commence au-delà de 272,000 tokens d'entrée et vaut $0.20 / $0.75, alors que celui de Haiku 5.5 commence au-delà de 100,000 tokens et vaut $0.50 / $2.50. Pour une charge de travail entre 100K et 272K tokens, Luna est nettement moins chère au prix catalogue. Les deux modèles utilisent des tokenizers différents : comparez donc les factures mesurées, et non les nombres de tokens.

Les chiffres sur le seuil de 100K et sur l'effet du tokenizer ont aussi été analysés par la Roo's Newsletter, dont les calculs correspondent aux exemples ci-dessus.

Étapes pour réduire la facture

  1. Comptez les tokens sur le nouveau modèle et alertez avant 100K. Journalisez la taille complète du prompt pour chaque requête et déclenchez une alerte vers 90,000 tokens, afin que les prompts qui dérivent à la hausse soient réduits ou scindés avant de changer de palier.
  2. Mettez en cache le préfixe stable. Prompt système et définitions d'outils en premier, contenu variable en dernier. Avec un minimum de 512 tokens, la plupart des prompts système de production sont désormais éligibles. Le guide de mise en cache des prompts Claude d'AIHubMix montre le format de requête.
  3. Définissez l'effort explicitement. Utilisez low pour les routes simples à fort volume. L'effort medium par défaut coûte plus cher sur chaque requête, que la route en ait besoin ou non.
  4. Dimensionnez max_tokens pour la réflexion plus la réponse. Trop petit, et vous payez une réflexion qui se termine sans réponse.
  5. Groupez ce qui peut attendre. L'API Batch divise par deux les tarifs d'entrée et de sortie.
  6. Montez en gamme plutôt que de relancer en descendant. Si un type de tâche échoue souvent sur Haiku, envoyez-le d'abord à Sonnet 5.5 plutôt que de payer des tentatives Haiku plus un repli.

Un schéma de journalisation pour les étapes 1 et 2 via le point d'accès natif Claude d'AIHubMix :

import os
import anthropic

client = anthropic.Anthropic(
    api_key=os.environ["AIHUBMIX_API_KEY"],
    base_url="https://aihubmix.com",
)

SYSTEM_PROMPT = "You triage support tickets..."  # stable, cacheable prefix

def classify(ticket: str) -> str:
    r = client.messages.create(
        model="claude-haiku-5-5",
        max_tokens=1024,
        output_config={"effort": "low"},
        system=[{"type": "text", "text": SYSTEM_PROMPT,
                 "cache_control": {"type": "ephemeral"}}],
        messages=[{"role": "user", "content": ticket}],
    )
    u = r.usage
    prompt_tokens = (u.input_tokens + (u.cache_read_input_tokens or 0)
                     + (u.cache_creation_input_tokens or 0))
    if prompt_tokens > 90_000:
        print(f"warning: prompt at {prompt_tokens} tokens, near the 100K price line")
    return next(b.text for b in r.content if b.type == "text")

Si cache_read_input_tokens reste à zéro sur des appels répétés, quelque chose dans le préfixe change entre les requêtes, comme un horodatage dans le prompt système.

FAQ

Combien coûte Claude Haiku 5.5 ?
Pour les prompts allant jusqu'à 100,000 tokens, $0.10 par million de tokens d'entrée et $0.50 par million de tokens de sortie. Pour les prompts plus longs, $0.50 et $2.50, appliqués à la totalité de la requête. Les lectures de cache coûtent un dixième du tarif d'entrée, et l'API Batch divise par deux les prix d'entrée et de sortie.

Haiku 5.5 est-il vraiment 90% moins cher que Haiku 4.5 ?
Par token, sur les prompts courts, oui. Par tâche, moins : le nouveau tokenizer compte environ 30% de tokens en plus pour le même texte, la réflexion est activée par défaut, et les prompts longs ne bénéficient que d'une baisse de 50%. Anthropic estime une économie typique d'environ 75%. Un classifieur à prompts courts avec cache peut économiser environ 90%.

Que se passe-t-il si mon prompt dépasse à peine 100,000 tokens ?
Toute la requête passe à la grille tarifaire supérieure, entrée et sortie comprises. Dans l'exemple du contrat ci-dessus, 14% de texte en plus ont rendu la requête 5.6 fois plus chère.

Les tokens mis en cache comptent-ils dans le seuil de 100K ?
Anthropic ne l'a pas explicitement indiqué. Sa tarification liste des prix de lecture de cache distincts pour chaque palier ; l'hypothèse prudente est donc que la totalité du prompt, mis en cache ou non, détermine le palier.

Les tokens de réflexion coûtent-ils plus cher ?
Ils sont facturés comme tokens de sortie au tarif de sortie normal. Comme la réflexion est activée par défaut à l'effort medium, ils peuvent alourdir sensiblement une route qui produisait des réponses courtes. Baisser l'effort les réduit.

Haiku 5.5 est-il moins cher que GPT-6 Luna ?
Sur les prompts allant jusqu'à 100K tokens, les prix catalogue sont identiques. Entre 100K et 272K tokens, Luna reste à son tarif de base tandis que Haiku 5.5 passe à son tarif supérieur, donc Luna est moins chère à cet endroit au prix catalogue. Les tokenizers diffèrent : comparez donc les factures réelles.

Puis-je utiliser Priority Tier avec Haiku 5.5 ?
Non. Priority Tier n'est pas pris en charge sur Haiku 5.5, donc les engagements pris sur Haiku 4.5 ne sont pas transférables.

À lire ensuite : la série Claude Haiku 5.5

Sources

Une seule passerelle vers plusieurs fournisseurs d’IA. Conçue pour la production.

Découvrir AIHubMix