Claude Haiku 5.5 so với Haiku 4.5: Mười xu bây giờ mua được gì

AIHubMixĐọc 8 phút
Claude Haiku 5.5 so với Haiku 4.5: Mười xu bây giờ mua được gì

Claude Haiku 4.5 đạt 0.0% trên Terminal-Bench 4.0. Claude Haiku 5.5 đạt 39.2%, và chi phí mỗi token chỉ bằng một phần mười: $0.10 cho mỗi triệu token đầu vào và $0.50 cho mỗi triệu token đầu ra, so với $1 và $5 của Haiku 4.5.

Đó là toàn bộ điểm nâng cấp trong một dòng. Mô hình Claude nhỏ từ mức "ổn cho phân loại, không phù hợp cho agent" đã trở thành một subagent dùng được, và giá của nó hiện ngang bằng với GPT-6 Luna của OpenAI đến từng xu. Anthropic phát hành mô hình này vào ngày 7 tháng 10 năm 2026 với tên Claude Haiku 5.5, model ID claude-haiku-5-5, và mô hình đã có mặt trên AIHubMix.

Mức giá này đi kèm với các điều kiện, và điểm benchmark cũng vậy. Bài viết này trình bày những gì đã thay đổi, Haiku 5.5 đuổi kịp Sonnet 5.5 đến mức nào, nó là lựa chọn sai ở đâu, và ai nên chuyển sang ngay bây giờ.

Những gì đã thay đổi và những gì không

Haiku 4.5 Haiku 5.5
Giá đầu vào / đầu ra $1 / $5 $0.10 / $0.50
Cửa sổ ngữ cảnh 200K 1M
Đầu ra tối đa 64K 128K
Suy luận (thinking) Ngân sách thủ công, mặc định tắt Thích ứng, mặc định bật
Mức effort Không có Năm mức, mặc định là medium
Số token cho cùng một đoạn văn bản Mốc so sánh Nhiều hơn khoảng 30%
Công cụ sử dụng trình duyệt Không Có

Giá của Haiku 5.5 áp dụng cho prompt tối đa 100K token; prompt dài hơn sẽ trả $0.50 / $2.50. Giá tính theo mỗi triệu token.

Điều không đổi là vai trò của mô hình. Anthropic vẫn định vị Haiku cho các tác vụ khối lượng lớn, nhạy cảm về chi phí (tóm tắt, nén ngữ cảnh, truy vấn cơ sở dữ liệu, phân loại) và cho vai trò subagent dưới một mô hình lớn hơn. Anthropic cho biết các prompt hiện có của Haiku 4.5 sẽ hoạt động tốt mà không cần thay đổi. Nhưng mã gọi API hiện có thì khác: năm kiểu request từng chạy được trên Haiku 4.5 nay sẽ trả về lỗi 400, như được liệt kê trong hướng dẫn di chuyển của Anthropic và được bài viết về di chuyển trong loạt bài này giải thích từng bước.

Có hai thay đổi làm thay đổi hành vi mặc định của mô hình. Thinking giờ được bật trừ khi bạn tắt nó, nên một request không hề đề cập đến thinking vẫn có thể trả về các khối thinking trước và tiêu tốn token đầu ra cho chúng. Và Haiku 5.5 là Haiku đầu tiên có cài đặt effort, hiện là núm điều chỉnh chính giữa chi phí và chất lượng.

So sánh điểm với Haiku 4.5, Luna và Sonnet 5.5

Các số liệu dưới đây lấy từ tài liệu ra mắt của Anthropic và system card của Haiku 5.5, do Kingy.ai tổng hợp. Đây là số liệu do nhà cung cấp công bố (Anthropic đã tự thực hiện một số so sánh với GPT, chẳng hạn OSWorld), và chưa có bên độc lập nào tái lập toàn bộ bảng.

Benchmark Haiku 5.5 Haiku 4.5 GPT-6 Luna Sonnet 5.5
GDPval-AA v2.1 (Elo) 1620 735 1437 1840
AA-Briefcase v1.1 1578 614 1336 1824
OSWorld 2.1 (offline) 72.4% 15.7% 48.9% 83.9%
Humanity's Last Exam 45.9% 10.2% n/a 56.9%
Terminal-Bench 4.0 39.2% 0.0% 16.4% 70.6%
FrontierCode 1.1 Main 46.4% n/a 42.4% 52.1%
Chartography 46.4% 6.4% 29.1% 61.6%

Humanity's Last Exam và Chartography được đo không dùng công cụ. Điểm FrontierCode của Sonnet 5.5 ở mức effort xhigh.

Ba điểm sau đây quan trọng hơn bất kỳ dòng đơn lẻ nào:

  • So với Haiku 4.5, đây là một hạng mô hình khác. Điểm đánh giá các tác vụ tri thức gần như tăng gấp đôi, và các chỉ số về agent từ gần bằng không lên mức dùng được. Haiku 4.5 không thể hoàn thành một tác vụ Terminal-Bench nào; Haiku 5.5 hoàn thành khoảng hai trên năm.
  • So với GPT-6 Luna, Haiku 5.5 dẫn trước ở mọi dòng chung với cùng giá niêm yết. Khoảng cách lớn nhất nằm ở sử dụng máy tính (72.4% so với 48.9%) và Terminal-Bench (39.2% so với 16.4%).
  • So với Sonnet 5.5, khoảng cách phụ thuộc vào tác vụ. Ở FrontierCode, Haiku kém trong khoảng sáu điểm. Ở Terminal-Bench, Sonnet đạt 70.6% trong khi Haiku đạt 39.2%. Chính Anthropic cũng nói rằng Sonnet 5.5 và Opus 5.5 vẫn là lựa chọn tốt hơn cho lập trình agent phức tạp.

Hãy đọc kỹ phần chú thích trước khi trích dẫn các con số này

Điểm chính được chạy ở mức effort tối đa, cài đặt tốn kém nhất. Mặc định là medium, và các lần chạy ở medium trong system card cho kết quả thấp hơn: 1277 trên GDPval-AA thay vì 1620, và 1372 trên AA-Briefcase thay vì 1578. Nếu bạn triển khai ở mức mặc định, hãy so sánh với những con số này, không phải biểu đồ ra mắt.

Số liệu OSWorld cũng cần xem xét kỹ hơn. Con số 72.4% là điểm tín dụng từng phần, được tính trung bình qua các checkpoint. Tỷ lệ tác vụ mà Haiku 5.5 hoàn thành tất cả checkpoint là 37.1% (Luna: 17.1%). Với một browser agent phải hoàn thành toàn bộ công việc, 37.1% là con số cần dựa vào khi lập kế hoạch.

Các khách hàng đầu tiên đã báo cáo gì

Bài đăng ra mắt của Anthropic trích dẫn một số khách hàng đã thử mô hình trước khi phát hành. Đây là những khách hàng do nhà cung cấp lựa chọn, nhưng họ đều chỉ ra cùng những khối lượng công việc:

  • AlphaSense xử lý khoảng 8 triệu lượt gọi "Ask in Document" mỗi tuần. Trên 400 truy vấn thử nghiệm, Haiku 5.5 đạt 0.84 so với 0.76 của Haiku 4.5.
  • Box ghi nhận mức tăng 11 điểm so với Haiku 4.5 với độ trễ chỉ bằng khoảng một nửa.
  • Asana đo được độ trễ mỗi tác vụ thấp hơn hơn 30% và suy luận nhanh hơn tới 2.5 lần mỗi lượt agent, so với mô hình hiện tại của họ.
  • HubSpot đạt 92.8% trên bộ đánh giá CRM của họ, điểm cao nhất mà họ từng thấy trên bộ đánh giá đó.
  • Cognition dùng Haiku 5.5 làm "người trợ lý" dưới Opus 5.5 trong Devin Fusion và báo cáo rằng cặp mô hình này đạt điểm FrontierCode 66.2 với chi phí và độ trễ thấp hơn.

Mẫu chung là: công việc ngắn, lặp lại trên tài liệu, và vai trò subagent dưới một mô hình lớn hơn.

Những trường hợp Haiku 5.5 là lựa chọn sai

  • Lập trình agent phức tạp. Terminal-Bench là nơi Sonnet 5.5 bỏ xa nhất. Nếu một tác vụ cần nhiều bước, yêu cầu mơ hồ hoặc chuỗi chỉnh sửa dài, hãy bắt đầu với Sonnet 5.5 hoặc Opus 5.5.
  • Prompt vượt quá 100K token. Cửa sổ 1M là có thật, nhưng giá không đồng đều trên toàn bộ phạm vi. Khi vượt 100K token, toàn bộ request chuyển sang $0.50 / $2.50, và vì tokenizer mới đếm nhiều hơn khoảng 30% token, ngưỡng này tương đương khoảng 77K token theo cách Haiku 4.5 đếm. Bài viết về giá trong loạt này phân tích chi tiết các con số.
  • Công việc cần xhigh hoặc max để đạt yêu cầu. Đầu ra trở nên dài và tốn kém ở các mức cao nhất. Hướng dẫn của chính Anthropic là hãy so sánh với Sonnet 5.5 trước khi chọn các mức đó.
  • Các đội đang dùng Priority Tier. Haiku 5.5 không hỗ trợ tier này, nên cam kết Priority Tier của Haiku 4.5 không được chuyển sang.
  • Kiểm thử bảo mật. Các biện pháp bảo vệ an ninh mạng của Haiku 5.5 nghiêm ngặt hơn của Haiku 4.5 và chặn kiểm thử xâm nhập. Hãy kỳ vọng gặp lý do dừng refusal với loại công việc này, và không có cơ chế dự phòng phía máy chủ chuyển sang mô hình khác.

Dùng thử qua AIHubMix

Cài đặt effort của Haiku 5.5 nằm trong output_config của Messages API, nên endpoint Claude gốc trên AIHubMix là cách trực tiếp nhất. Cài đặt Anthropic SDK phiên bản mới (pip install -U anthropic) và trỏ nó đến AIHubMix:

import os
import anthropic

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

response = client.messages.create(
    model="claude-haiku-5-5",
    max_tokens=2000,  # leave room for thinking, not just the answer
    output_config={"effort": "low"},
    messages=[{
        "role": "user",
        "content": "Classify this ticket as billing, bug, or other: "
                   "'I was charged twice for October.'",
    }],
)

# Thinking blocks can come first, so pick the text block by type.
answer = next(block.text for block in response.content if block.type == "text")
print(answer)
print(response.usage)

Có một điều cần kiểm tra ở lần chạy đầu tiên: đọc response.usage.output_tokens ở low và lại ở high với cùng một prompt. Nếu các con số không thay đổi, nghĩa là cài đặt effort chưa đến được mô hình. Haiku 5.5 chạy với đầy đủ cửa sổ ngữ cảnh 1M trên AIHubMix, nên các prompt dài hoạt động như bình thường; chỉ cần ghi nhớ ngưỡng 100K về giá.

Ai nên chuyển, ai nên chờ

Chuyển ngay nếu bạn chạy phân loại, trích xuất, định tuyến, tóm tắt hoặc hỏi đáp tài liệu với prompt nằm xa dưới 100K token. Bạn sẽ có một mô hình mạnh hơn nhiều với giá token chỉ bằng một phần nhỏ. Hãy dành một giờ để sửa mã request, sau đó thử nghiệm effort low so với medium trên bộ đánh giá của riêng bạn.

Chuyển ngay nếu bạn dùng một mô hình lớn cho công việc subagent mà nó vượt xa yêu cầu: lấy một số liệu từ hồ sơ, kiểm tra một tệp, hoặc tóm tắt kết quả của công cụ. Đây chính là vai trò mà Anthropic và các khách hàng ra mắt nhấn mạnh.

Chờ thêm một sprint nếu tích hợp của bạn dùng sử dụng máy tính với công cụ computer_20250124, prefill hoặc temperature=0. Mỗi thứ trong số đó đều trả về lỗi 400 trên Haiku 5.5, và việc sửa chúng là công việc viết mã, không chỉ là đổi tên mô hình.

Giữ nguyên hiện trạng nếu khối lượng công việc của bạn thường xuyên dùng prompt dài (thường vượt khoảng 77K token của Haiku 4.5), phụ thuộc vào Priority Tier, hoặc là lập trình agent phức tạp. Với nhóm cuối, so sánh hữu ích là Haiku 5.5 với Sonnet 5.5 theo chi phí trên mỗi tác vụ hoàn thành, chứ không phải Haiku 5.5 với Haiku 4.5.

Khi bạn sẵn sàng so sánh, danh sách mô hình AIHubMix đặt Haiku 5.5, Sonnet 5.5 và Opus 5.5 sau cùng một API key, nên cùng một bộ đánh giá có thể chạy trên cả ba.

Câu hỏi thường gặp

Claude Haiku 5.5 có tốt hơn Haiku 4.5 ở mọi mặt không?
Trên mọi benchmark trong bảng ra mắt của Anthropic thì có, thường với khoảng cách lớn. Các ngoại lệ mang tính thực tiễn hơn là về chất lượng: Priority Tier không được hỗ trợ, prompt vượt 100K token có giá mỗi token cao hơn mức prompt ngắn, và một số kiểu request cũ nay trả về lỗi.

Haiku 5.5 có thực sự rẻ hơn 90% không?
Giá mỗi token thấp hơn 90% đối với prompt tối đa 100K token và thấp hơn 50% với prompt dài hơn. Tính theo tỷ trọng của hỗn hợp request (khoảng 90% request của Haiku 4.5 nằm dưới 100K token) và tokenizer mới, vốn đếm nhiều hơn khoảng 30% token cho cùng một văn bản, Anthropic ước tính mức tiết kiệm trung bình khoảng 75%. Thinking bật mặc định sẽ thêm token đầu ra, nên hóa đơn thực tế của bạn cũng phụ thuộc vào cài đặt effort.

Haiku 5.5 so với GPT-6 Luna thì thế nào?
Cả hai đều niêm yết giá $0.10 cho mỗi triệu token đầu vào và $0.50 cho mỗi triệu token đầu ra. Theo kết quả Anthropic công bố, Haiku 5.5 đạt điểm cao hơn trên mọi benchmark có cả hai mô hình, rõ rệt nhất ở sử dụng máy tính và Terminal-Bench. Luna giữ mức giá cơ bản đến một độ dài prompt dài hơn, nên các khối lượng công việc dùng prompt dài cần được tính giá riêng.

Haiku 5.5 có thể thay thế Sonnet 5.5 cho lập trình không?
Với các thay đổi hẹp, được xác định rõ và các tác vụ subagent, có thể đáng để thử. Với lập trình agent nhiều bước phức tạp, Sonnet 5.5 đạt điểm cao hơn hẳn trên Terminal-Bench 4.0 (70.6% so với 39.2%), và Anthropic khuyến nghị Sonnet hoặc Opus cho công việc đó.

Các điểm benchmark có phải ở cài đặt mặc định không?
Không. Điểm chính được chạy ở mức effort tối đa. Mặc định là medium, và system card báo cáo kết quả thấp hơn ở mức này, ví dụ 1277 thay vì 1620 trên GDPval-AA.

Cửa sổ ngữ cảnh 1M có nghĩa là tôi có thể gửi prompt 1M token với giá rẻ không?
Bạn có thể gửi, nhưng mọi prompt vượt 100K token sẽ bị tính $0.50 đầu vào và $2.50 đầu ra cho mỗi triệu token trên toàn bộ request. AIHubMix cũng hỗ trợ đầy đủ cửa sổ 1M.

Tôi cần thay đổi gì trong code để chuyển đổi?
Tối thiểu là: model ID, mọi thiết lập thinking budget thủ công, mọi cài đặt temperature hoặc top_p, mọi assistant prefill, và code đọc content block đầu tiên làm câu trả lời. Bài hướng dẫn di chuyển trong loạt bài này có danh sách đầy đủ.

Đọc tiếp: loạt bài về Claude Haiku 5.5

Nguồn tham khảo

Một cổng duy nhất tới nhiều nhà cung cấp AI. Sẵn sàng cho môi trường production.

Truy cập AIHubMix