Tekniske specifikationer for Claude Haiku 5.5
| Specifikation | Claude Haiku 5.5 |
|---|---|
| Model-ID | claude-haiku-5-5 |
| Udbyder | Anthropic |
| Modeltype | Tekstgenerering / multimodal forståelse |
| Input | Tekst, billeder |
| Output | Tekst |
| Kontekstvindue | 1M tokens |
| Maksimalt output | 128K tokens |
| Batch-maksimumoutput | 300K tokens med den dokumenterede beta-konfiguration |
| Tænkning | Adaptiv |
| Indsatsniveauer | low, medium, high, xhigh, max |
| Standardindsats | medium |
| Vidensafskæring | juni 2026 |
| Udgivet | 7. oktober 2026 |
| Latensprofil | Hurtigst i Anthropics nuværende sammenligning |
Hvad er Claude Haiku 5.5?
Claude Haiku 5.5 er Anthropics model til høj volumen og latensfølsomme opgaver inden for klassifikation, ekstraktion, routing, kundesupport, resuméer, databaseforespørgsler og subagent-arbejdsbelastninger. Den kan også kode, bruge værktøjer, understøtte browser-/computer-workflows og håndtere længere ræsonneringsopgaver.
Sammenlignet med Claude Haiku 4.5 udvider den kontekstvinduet fra 200K til 1M tokens, øger maks. output fra 64K til 128K, og introducerer adaptiv tænkning med konfigurerbar indsats.
Hovedfunktioner i Claude Haiku 5.5
- 1M-token-kontekst: Egnet til store dokumenter, lange samtaler, kodebaser og retrieval-tunge arbejdsgange.
- Adaptiv tænkning: Modellen beslutter dynamisk, hvor meget ræsonnering der skal anvendes; udviklere styrer afvejningen via
effort. - Fem indsatsniveauer:
low,medium,high,xhighogmax, medmediumsom standard. - Meget lav latens: Anthropic positionerer Haiku 5.5 som deres hurtigste model, hvilket gør den velegnet til høj-volume og realtidsarbejdsbelastninger.
- Multimodalt input: Understøtter tekst- og billedinput med tekstoutput.
- Agent-/værktøjs-arbejdsgange: Egnet til subagenter og understøttede browser-/computerbrugs-arbejdsgange.
- Stor outputkapacitet: Op til 128K outputtokens på standard-API'en og op til 300K i den dokumenterede Batch API beta-konfiguration.
Benchmark-ydelse for Claude Haiku 5.5
Anthropics evalueringer fra oktober 2026 rapporterer følgende resultater:
| Benchmark | Haiku 5.5 | Haiku 4.5 | Sonnet 5.5 |
|---|---|---|---|
| GDPval-AA v2.1 | 1620 | 735 | 1840 |
| AA-Briefcase v1.1 | 1578 | 614 | 1824 |
| OSWorld 2.1, offline | 72.4% | 15.7% | 83.9% |
| Humanity's Last Exam, no tools | 45.9% | 10.2% | 56.9% |
| Humanity's Last Exam, with tools | 57.4% | 18.7% | 64.5% |
| Terminal-Bench 4.0 | 39.2% | 0.0% | 70.6% |
| FrontierCode 1.1 Main | 46.4% | — | 52.1% |
Resultaterne viser en markant forbedring i forhold til Haiku 4.5, mens Sonnet 5.5 fortsat er det stærkere valg til arbejdsbelastninger, hvor maksimal ræsonnerings- og kodningskapacitet vægter højere end latens og omkostninger.
Claude Haiku 5.5 vs. Haiku 4.5 vs. Sonnet 5.5
| Model | Kontekst | Maks. output | Latens | Bedst egnet |
|---|---|---|---|---|
| Claude Haiku 5.5 | 1M | 128K | Hurtigst | Automatisering i høj volumen og latensfølsomme agenter |
| Claude Haiku 4.5 | 200K | 64K | Meget hurtig | Eksisterende legacy-integrationer |
| Claude Sonnet 5.5 | 1M | 128K | Hurtig | Mere avanceret kodning og vidensarbejde |
Haiku 5.5 er det bedre udgangspunkt for nye høj-volume-applikationer. Sonnet 5.5 er at foretrække, når applikationen kræver stærkere ydeevne på svær kodning, ræsonnering eller vidensarbejde.
Begrænsninger og migrationshensyn
Udviklere, der migrerer fra Haiku 4.5, bør tage højde for flere bagudkompatibilitetsbrydende ændringer. Manuel udvidet tænkning med thinking: {"type":"enabled","budget_tokens":...} understøttes ikke længere; adaptiv tænkning og output_config.effort bør anvendes i stedet.
Ikke-standardværdier for temperature, top_p og top_k returnerer en 400-fejl. Fordi adaptiv tænkning er aktiveret som standard, kan svar begynde med thinking-blokke, så klienter bør vælge indhold efter type i stedet for at antage, at den første blok er det endelige svar.
Haiku 5.5 bruger også den nyere tokenizer, som anvendes af Claude 4.7 og senere. Ifølge Anthropic giver den samme tekst cirka 30% flere tokens end med Haiku 4.5, så eksisterende tokenbudgetter og omkostningsestimater bør genberegnes.
Repræsentative anvendelsestilfælde
- Klassifikation og routing: Intent-genkendelse i høj volumen, tildeling af sager og workflow-dispatch.
- Informationsekstraktion: Udtrækning af entiteter, felter, resuméer og struktureret information fra store dokumentsamlinger.
- Kundesupport: Hurtige, konversationelle svar og værktøjsassisterede supportarbejdsgange.
- Agent-baseret automatisering: Lavlatens subagent-kald til gentaget research, verifikation og eksekvering.
- Kodeassistance: Generering, review, fejlfinding og agentisk udvikling; Terminal-Bench-resultater viser en stor forbedring i forhold til Haiku 4.5.
- Langkontekst-analyse: Store dokumenter, lange historikker og repository-skala kontekst uden gentagen komprimering af input.
Sådan får du adgang til Claude Haiku 5.5 API via CometAPI
Trin 1: Opret en CometAPI-konto
Opret eller log ind på din CometAPI-konto. CometAPI tilbyder en samlet API-platform for modeller fra Anthropic, OpenAI, Google og andre udbydere, så udviklere kan administrere modeladgang via et enkelt API-interface og en enkelt API-nøgle.
Claude Haiku 5.5 er i øjeblikket opført i CometAPI's modelkatalog som en Anthropic-tekstgenereringsmodel, men dens CometAPI-tilgængelighed er i øjeblikket markeret som Coming soon.
Trin 2: Vælg Claude Haiku 5.5
Den officielle Anthropic-model-ID er:
claude-haiku-5-5
Claude Haiku 5.5 er designet til høj-volume og omkostningsfølsomme arbejdsbelastninger, hvor hastighed og effektivitet er vigtige. Anthropic beskriver den som deres hurtigste model til dato og positionerer den til opgaver som opsummering, klassifikation, routing, realtids-support, browserbrug og subagent-arbejdsbelastninger.
Når CometAPI aktiverer modellen til API-adgang, kan udviklere bruge claude-haiku-5-5 via CometAPI's modelgrænseflade.
Trin 3: Send en anmodning via CometAPI API'et
CometAPI tilbyder et samlet API-lag til adgang til modeller fra forskellige udbydere. Hvor skal det kaldes: Anthropic Messages format og Chat format.
Indsæt dit spørgsmål eller din anmodning i content-feltet—det er dette, modellen svarer på. Behandl API-responsen for at få det genererede svar.