Claude Haiku 5.5 vs Sakana Namazu: Båda billiga, båda snabba, nästan inget annat gemensamt

Vid en första anblick ser dessa två ut som jämlikar. Claude Haiku 5.5 är leverantörens lilla snabba nivå, släppt den 7 oktober 2026 för 0,10 USD per miljon indatatoken och 0,50 USD per miljon utdatatoken med ett fönster på en miljon token, byggd för klassificering, extrahering, routning och subagentarbete. Sakana Namazu är Sakana AI:s japanskspecialiserade API-modell, lanserad den 3 augusti 2026, debiterad med 0,95 USD per miljon indatatoken och 4,00 USD per miljon utdatatoken med en taxa på 0,15 USD för cachad indata, vidareutvecklad ovanpå den öppna basen Kimi K2.6 med Sakana:s egen efterträning, och tillgänglig via en OpenAI-kompatibel endpoint.

Båda positioneras som det överkomliga alternativet i sina respektive produktlinjer, och det är där likheten slutar. Claude Haiku 5.5 är en västerländsk modell för allmänna ändamål som man tar till för att routa trafik; Sakana Namazu är en modell specialiserad på ett land som man tar till när uppgiften är på japanska och alternativet är en allmän modell som utför den dåligt. Den intressanta frågan är inte vilken som är bättre. Det är vad en specialist ger dig, var gränsen för den specialiseringen faktiskt går, och vad det kostar att lämna den.

Vad Sakana AI faktiskt byggde

Sakana Namazu är värd att förstå innan den jämförs med något annat, eftersom dess konstruktion är ovanlig. Den är inte tränad från grunden. Den är en vidareutveckling av en befintlig modell med öppna vikter – Kimi K2.6 – som Sakana eftertränade ytterligare och som Sakana tillhandahåller som ett slutet API. Härstamningen spelar roll: basmodellens allmänna resonemangs- och kodningsförmåga ärvs, och det Sakana lade till är det Japanspecifika lagret.

Det lagret är dokumenterat, vilket är mer än vad som kan sägas om de flesta lokaliseringspåståenden. Sakana rapporterar att Namazu behåller basmodellens prestanda på allmänna utvärderingar – AIME26, MMLU-Pro, LiveCodeBench v6 – samtidigt som den överträffar den i den japanska och japanspecifika uppsättningen, med FairPoliticsQA som stiger från 34,10 % till 56,30 %. Den kör sin egen interna japanska översättningsbenchmark, JFBench, och rapporterar förbättringar på alla områden även där. En separat fallstudie, ett evidenssökningsverktyg för läkare, rapporterar 96,8 % på det 119:e nationella medicinska provet och 96,4 % på det 120:e.

Det där är Sakanas siffror på Sakanas benchmarks, och JFBench är inte en offentlig standard som någon annan kan reproducera. Påståendet som överlever det förbehållet är snävt men verkligt: modellen är en namngiven basmodell plus ett dokumenterat efterträningssteg, och de rapporterade deltavärdena är mot dess egen bas snarare än mot fältet.

API:et och de kommersiella villkoren är de delar som kommer att avgöra de flesta affärsfall. Namazu är kompatibel med OpenAI — ett byte av endpoint och ett sakana-namazu-modellnamn är den enda kodändringen, enligt Sakanas egen dokumentation. Den fakturerar i amerikanska dollar och erbjuder betalning i yen på Enterprise-planen. Den har också verktygskostnader som en jämförelse per token aldrig kommer att visa: 7,00 USD per tusen webbsökningsanrop och 0,12 USD per timme för kodkörning, som Sakana buntar in i produkten.

Det finns två begränsningar som spelar större roll än någon siffra på prislistan. Namazu är inte tillgängligt i EU, EES, Storbritannien eller Schweiz i väntan på GDPR-relaterat efterlevnadsarbete, enligt Sakanas egen sida. Och policyn för datahantering som gäller som standard anger att indata kan användas för att träna och förbättra Sakanas modeller, med möjlighet att välja bort i Console-inställningarna; företaget säger att det för närvarande inte kan garantera att behandlingen sker helt och hållet inom Japan. För ett europeiskt team eller ett team i Storbritannien är den första diskvalificerande och den andra en fråga som måste besvaras före det första samtalet.

Gränsen, ärligt uttalad

Det här är avsnittet där en specifikationsjämförelse skulle ljuga för dig, så här är vad som faktiskt går att jämföra:

• Pris — Claude Haiku 5.5 $0,10 för input och $0,50 för output per miljon tokens upp till 100 000 tokens i prompten, därefter $0,50 och $2,50. Sakana Namazu $0,95 och $4,00, med en kostnad på $0,15 för cachad input. Namazu är ungefär nio och en halv gånger dyrare för input och åtta gånger för output vid den första nivån.

• Cachelagring – cacheläsningarna för Claude Haiku 5.5 kostar $0,01 och $0,05 per miljon beroende på nivå; Sakana Namazu har ett fast pris på $0,15. De absoluta siffrorna ligger nära varandra på den högsta nivån och skiljer sig med en faktor tjugonio på den lägsta.

• Verktyg — ingen av dem är enbart en textmodell och ingen av dem tar betalt på samma sätt. Claude Haiku 5.5 levereras med adaptivt tänkande med en ansträngningsinställning från Låg till Max och stöd för verktyg på serversidan; Sakana Namazu inkluderar webbsökning för 7,00 USD per tusen anrop och kodexekvering för 0,12 USD per timme.

• Kontext — en miljon tokens för Claude Haiku 5.5. Sakana publicerar inte ett kontextfönster för Namazu, och varje siffra som du ser citerad för den är ett antagande om basen Kimi K2.6 snarare än en specifikation.

• Oberoende poängsättning — Claude Haiku 5.5 har ett Artificial Analysis Intelligence Index på 43, tvåa av 182 i sin klass på den listan, med en kostnad på $0.21 per uppgift i Intelligence Index. Sakana Namazu har ingen post i Artificial Analysis och ingen tredjepartsutvärdering av något slag som jag har kunnat hitta. Dess publicerade siffror är dess egna.

• Tillgänglighet — Claude Haiku 5.5 finns på Claude API, Amazon Bedrock, Vertex AI, Microsoft Foundry och Claude Platform on AWS, med ett publicerat åtagande om avveckling tidigast den 7 oktober 2027. Sakana Namazu finns på Sakanas eget API, Sakana Chat och produkten Sakana Translate, och är inte tillgänglig i EU, EES, Storbritannien och Schweiz.

• Datahantering — Leverantörens villkor är av företagsstandard, och modellens tankeblock är begränsade till det konto som skapade dem. Sakana Namazus standardinställning är att indata får användas för träning, med möjlighet att avstå.

• Modalitet — Claude Haiku 5.5 tar emot text och bilder; Sakana Namazus modalitetsomfattning är inte publicerad utöver dess text-först-positionering.

• Licens och härstamning — Claude Haiku 5.5 är proprietär och finns endast som API. Sakana Namazu är proprietär men byggd på öppna Kimi K2.6-vikter, vilket innebär att basen går att inspektera men inte den finjusterade modellen.

Det ärliga poängsättningsproblemet

Läs den listan och lägg märke till vad som saknas: någon rad som säger vilken modell som producerar bättre japansk output. Det är inte ett förbiseende. Det finns ingen gemensam benchmark mellan dem som skulle avgöra det. Claude Haiku 5.5:s starka japanska prestanda är inte något som leverantören annonserar som ett huvudargument, och Sakanas JFBench-siffror är deras eget instrument. En allmän liten modell på frontier-nivå från en leverantör med stark flerspråkig förmåga, utvärderad mot en Kimi-baserad modell som eftertränats specifikt för japanska, är en jämförelse som ingen faktiskt har kört och publicerat.

Det som kan sägas är strukturellt snarare än empiriskt. Namazus hela kommersiella identitet är påståendet att en generell modell inte är tillräckligt bra för japanskt arbete – att landspecifikt språk, kulturell slutledning och inhemsk kontext är en distinkt förmåga som motiverar en specialiserad modell till en niofaldig prishöjning. Om du tror på det påståendet är Namazu svaret, och priset är vad svaret kostar. Om du inte gör det är en generell modell till 0,10 dollar per miljon tokens vad du använder, och frågan är om du kan mäta skillnaden i din egen trafik.

Den mätbara versionen av påståendet är den som Sakana tillhandahåller: FairPoliticsQA går från 34,10 % till 56,30 % jämfört med basmodellen som den finjusterades från. Det är en verklig förbättring på ett verkligt benchmark, men det är en jämförelse mot Kimi K2.6, inte mot Claude Haiku 5.5 — och den säger att efterträning för japanskspecifik politisk kontext gör skillnad på den uppgiften, vilket är ett snävare och mer försvarbart påstående än "bättre på japanska".

Hur kostnadsgapet ser ut vid volym

Kör en blygsam pipeline med 10 miljoner input- och 2 miljoner output-tokens per dag genom båda.

• Indatakostnad per dag — 1,00 USD med Claude Haiku 5.5, 9,50 USD med Sakana Namazu.

• Kostnad för utdata per dag — 1,00 USD med Claude Haiku 5.5, 8,00 USD med Sakana Namazu.

• Dagsumma – 2,00 $ mot 17,50 $, ungefär 60 $ i månaden mot 525 $.

Den summan på 525 dollar är innan ett enda webbsökningsanrop eller en timmes kodkörning. Lägg till 500 sökanrop om dagen, och Namazu kostar ytterligare 3,50 dollar per dag, vilket tar kostnaden till 21,00 dollar mot 2,00 dollar – ett förhållande bättre än tio mot ett som ingen mängd token-effektivitet kan stänga.

Om det är mycket beror helt och hållet på vad alternativet är. Om ditt val är Namazu eller en allmän modell som producerar medioker japansk output som dina granskare måste rätta för hand, köper $525 tillbaka granskartimmar, och jämförelsen är inte token mot token, den är token mot lön. Om din japanska trafik är rutinmässig och redan tillräckligt bra på en allmän modell, köper premiumet inget mätbart, och samma dollar köper tio gånger volymen någon annanstans.

Det tredje alternativet är det intressanta för en japanskspråkig produkt: använd specialisten där specialistens anspråk håller — översättning, inhemsk kontext, regulatorisk och politisk text — och en allmän modell för volymarbetet runt omkring. Det är ingen kompromiss. Det är arkitekturen som prissättningen faktiskt implicerar, eftersom Namazus premium betalas per token och det finns ingen anledning att betala det för klassificering.

Ingen av modellerna finns i vår katalog

Vi bör vara tydliga med detta, för det är en sådan jämförelse där ett stycke om tillgänglighet lätt kan smugglas in: OrcaRouter tillhandahåller varken Claude Haiku 5.5 eller Sakana Namazu. Namazu finns via Sakanas eget API, och Claude Haiku 5.5 via leverantörens API och de stora molnen. Inget av detta förändrar jämförelsen, som vilar på publicerade priser, publicerade förmågor och publicerade begränsningar.

Rollen som en slutpunkt spelar i ett fall som detta är snävare och ärligare än en plugg. Det är generalmodellsdelen av en hybrid – platsen dit du skulle dirigera den icke-japanska klassificerings- och extraktionstrafiken som inte behöver specialisten, utan att sätta upp en andra leverantörsrelation för den. En för 200+ modeller, leverantörslistpriser som förs vidare med 0 % påslag, automatisk failover mellan leverantörer, och routing-DSL:en när språket i begäran bör avgöra rutten snarare än applikationen. Om du kör en japansk produkt parallellt med en engelsk är det den söm du annars skulle bygga för hand.

Vilken, för vem

Välj Sakana Namazu när japanska är produkten snarare än en språkinställning — när dina granskare korrigerar utdata, när domänen är inhemsk rätt, medicin, politik eller kundservice, när en niofaldig token-premie är mindre än kostnaden för de korrigeringar den tar bort, och när dina användare är utanför EU, EES, Storbritannien och Schweiz eller du har juridiska rådgivare som har klarerat frågan om datahantering.

Välj Claude Haiku 5.5 när arbetet är allmänt, volymen är hög och du vill ha en oberoende uppmätt poäng i stället för ett leverantörsbenchmark – när $0.10 och $0.50 per miljon tokens gör räknandet åt dig, när du behöver fönstret på en miljon tokens för ett långt dokument, eller när svaret på "vilken är bättre på japanska" måste komma från din egen utvärdering i stället för endera leverantörens.

De två är inte riktigt rivaler. Den ena är en allmän modell prissatt för att användas ständigt; den andra är en specialist prissatt för att användas medvetet. Misstaget är att köpa specialisten för arbete som generalisten redan gör bra, och det motsatta misstaget – att anta att en allmän modell hanterar ett specifikt lands språk och kontext lika bra som något tränat för det – är det som hela Sakanas verksamhet bygger på att människor gör.