Claude Haiku 5.5: Mô hình rẻ nhất của Anthropic thực chất là gì

Claude Haiku 5.5 là mô hình chính hãng nhỏ nhất hiện nay — bậc trên nó là Claude Sonnet 5.5, và mô hình mà nó thay thế là Claude Haiku 4.5 — và đây là Haiku đầu tiên hoạt động như một mô hình ngữ cảnh lớn: 1.000.000 token đầu vào, tối đa 128.000 token đầu ra, đầu vào là văn bản và hình ảnh, đầu ra là văn bản. Nhà cung cấp đã phát hành nó vào ngày 7 tháng 10 năm 2026, với mức giá từ 0,10 USD cho mỗi triệu token đầu vào và 0,50 USD cho mỗi triệu token đầu ra. Năm thông tin đó chính là những gì hầu hết người tìm kiếm tên mô hình này muốn biết, và mọi thứ bên dưới chính là những thông tin đó cùng với các chi tiết làm thay đổi số tiền bạn thực sự phải trả và những gì mã của bạn phải làm.

Mọi số liệu ở đây đều đến từ một trong hai nguồn, và mỗi nguồn đều được nêu rõ tại vị trí xuất hiện: tài liệu đã công bố của chính nhà cung cấp, hoặc một phép đo độc lập của Artificial Analysis. Không có nội dung nào trên trang này được lấy lại từ một bài viết khác trên blog này, và khi một tuyên bố được lặp lại rộng rãi không thể được tái xác lập từ nhà cung cấp, trang sẽ nói rõ điều đó thay vì lặp lại tuyên bố ấy.

Claude Haiku 5.5 nằm ở đâu trong dòng sản phẩm

Dòng sản phẩm chính thức hiện tại gồm bốn mô hình, và Haiku là mô hình nhỏ nhất trong số đó. Được định vị dựa trên chính mô tả của nhà cung cấp về mục đích của từng mô hình, và dựa trên các con số mà nhà cung cấp công bố cho từng mô hình:

• Claude Haiku 5.5 — dành cho công việc khối lượng lớn, nhạy cảm với độ trễ: phân loại, trích xuất, định tuyến, các tác vụ tác nhân phụ. Nhanh nhất trong bốn mô hình. Từ $0.10 / $0.50 mỗi triệu token. Mức nỗ lực mặc định trung bình.

• Claude Sonnet 5.5 — phân khúc tầm trung, dành cho công việc sản xuất phổ thông. Nhanh. 2 USD / 10 USD mỗi triệu token. Mức nỗ lực mặc định là cao.

• Claude Opus 5.5 — dành cho công việc lập trình agentic và công việc tri thức chạy trong thời gian dài. Độ trễ ở mức trung bình. $4 / $20 mỗi triệu token. Mức nỗ lực mặc định là trung bình.

• Claude Fable 5.1 — mô hình mạnh mẽ nhất được phát hành rộng rãi, dành cho những tác vụ suy luận đòi hỏi cao và các tác nhân vận hành trong thời gian dài. Chậm nhất. 10 / 50 USD mỗi triệu token. Mức nỗ lực mặc định cao.

So với thế hệ mà nó thay thế, đây là một bước tiến lớn hơn nhiều so với một bản nâng cấp phiên bản. Claude Haiku 4.5 là mô hình có ngữ cảnh 200.000 token, giới hạn đầu ra 64.000 token và mức giá cố định 1 USD / 5 USD mỗi triệu token; Claude Haiku 5.5 là mô hình ngữ cảnh 1M, đầu ra 128K, với mức giá khởi điểm chỉ bằng một phần mười mức đó. Nhà cung cấp cam kết không khai tử Haiku 5.5 trước ngày 7 tháng 10 năm 2027 — cùng mức sàn hai năm mà hãng dành cho phần còn lại của dòng sản phẩm hiện tại — điều này càng quan trọng hơn mức thông thường đối với một mô hình nhỏ, bởi mô hình nhỏ chính là loại mà người ta gắn vào những pipeline dài hạn rồi quên đi.

Bảng giá, và mốc ở 100.000 token

Giá niêm yết mà nhà cung cấp công bố cho Claude Haiku 5.5 không phải là một mức giá. Mà là hai mức, được chia theo độ dài prompt, và cách chia đó chính là điều có tác động lớn nhất trên trang này đối với bất kỳ ai đang ước tính chi phí.

• Prompt lên đến 100,000 token — đầu vào $0.10 mỗi triệu, đầu ra $0.50 mỗi triệu, ghi bộ nhớ đệm 5 phút $0.125, ghi bộ nhớ đệm 1 giờ $0.20, đọc bộ nhớ đệm $0.01.

• Prompt trên 100.000 token — đầu vào 0,50 USD mỗi triệu, đầu ra 2,50 USD mỗi triệu, ghi bộ nhớ đệm năm phút 0,625 USD, ghi bộ nhớ đệm một giờ 1,00 USD, đọc bộ nhớ đệm 0,05 USD.

• Batch API — giảm 50% cho đầu vào và đầu ra ở cả hai hạng, và tối đa 300.000 token đầu ra với output-300k-2026-03-24 tiêu đề beta, so với 128.000 trên Messages API đồng bộ.

Nhà cung cấp mô tả bậc thứ hai một cách rõ ràng trong tài liệu về giá của mình: một yêu cầu có prompt vượt quá 100.000 token sẽ trả mức giá cao hơn, và độ dài prompt được tính là toàn bộ token đầu vào của nó, bao gồm cả đọc cache lẫn ghi cache. Mỗi yêu cầu được tính giá riêng — một yêu cầu dài có trúng cache một phần vẫn trả bậc cao hơn — và những yêu cầu đã chạy vẫn giữ mức giá mà chúng đã được tính.

Nhà cung cấp cũng công bố phép tính đằng sau tuyên bố tiết kiệm nổi bật của mình, và phép tính đó thú vị hơn cả con số tiêu đề. Bảng giá của Haiku 5.5 thấp hơn 90% so với Haiku 4.5 đối với prompt tối đa 100.000 token, và thấp hơn 50% so với Haiku 4.5 khi vượt ngưỡng đó; nhà cung cấp nói rằng khoảng 90% yêu cầu gửi tới mô hình Haiku trước đó nằm dưới ngưỡng. Nhưng họ cũng nói rằng mô hình mới dùng cùng tokenizer như Claude 4.7 và các phiên bản sau, nên cùng một đoạn văn bản được tính thành lượng token nhiều hơn khoảng 30% so với trên Haiku 4.5 — đó là lý do bản tóm tắt của chính nhà cung cấp ghi là "chi phí chạy ít hơn khoảng 75%", chứ không phải 90%. Con số 75% đó là mức trung bình do nhà cung cấp báo cáo, không phải một benchmark được đo lại, và nó phụ thuộc vào tổ hợp khối lượng công việc mà bạn có thể không có.

Cách hiểu thực tế: nếu prompt của bạn ngắn và tỷ lệ cache hit tốt, thì mức giảm là thật và lớn. Nếu prompt của bạn dài, thì thứ thay đổi nhiều nhất chính là mức trần — giờ bạn đã có thể gửi một prompt 1M token, và bạn phải trả gấp năm lần mức giá của prompt ngắn để làm điều đó.

Hai điều đang lưu truyền gắn với mô hình này cần được tách bạch khỏi tài liệu của chính nhà cung cấp. Thứ nhất là con số "rẻ hơn 75%", vốn là của Anthropic và đi kèm lưu ý về tokenizer ở trên; hãy coi đó là ước tính của nhà cung cấp chứ không phải mức tiết kiệm đã được đo lường. Thứ hai là tuyên bố rằng Claude Haiku 5.5 nhằm hạ giá các mô hình phân khúc flash của Trung Quốc. Đó không phải là điều tài liệu của Anthropic nói. Mọi so sánh mà Anthropic công bố cho mô hình này đều là với Haiku trước đó của chính Anthropic — Haiku 4.5 — và thông điệp định vị nói về khối lượng công việc lớn, nhạy cảm với độ trễ, không phải về giá của đối thủ. Hãy coi cách diễn đạt hạ giá là chưa được chứng minh trừ khi ai đó cho bạn thấy một nguồn sơ cấp cho điều đó.

Cửa sổ ngữ cảnh, giới hạn đầu ra, các phương thức

Trang thông số kỹ thuật của Anthropic dành cho Claude Haiku 5.5 đưa ra những thông tin sau, và mỗi thông tin trong số này là số liệu do chính nhà cung cấp công bố chứ không phải là suy luận từ tên của mô hình:

• Cửa sổ ngữ cảnh — 1.000.000 token.

• Đầu ra tối đa — 128.000 token trên Messages API đồng bộ; 300.000 trên Batch API với header beta extended-output.

• Các phương thức — văn bản và hình ảnh đầu vào, văn bản đầu ra. Không có luồng đầu vào âm thanh hay video, và đầu ra là văn bản; bảng năng lực của Anthropic ghi “text and images → text”. Artificial Analysis cũng xác nhận một cách độc lập cùng cặp đầu vào/đầu ra đó trên trang riêng của mình cho mô hình.

• Suy nghĩ — thích ứng, bật theo mặc định, được điều khiển bởi tham số effort, với giá trị mặc định trên mô hình này là medium. Đây là Haiku đầu tiên có núm điều chỉnh effort; Haiku 4.5 thay vào đó dùng ngân sách suy nghĩ thủ công.

• Mốc kiến thức — tháng 6 năm 2026, cả mốc đáng tin cậy lẫn mốc dữ liệu huấn luyện rộng hơn.

Hai hệ quả của tư duy thích ứng rất dễ bị bỏ qua và cả hai đều được nhà cung cấp ghi nhận là những thay đổi so với Haiku 4.5. Giờ đây, một phản hồi có thể bắt đầu bằng các khối thinking, nên đoạn mã vốn đọc khối nội dung đầu tiên như thể đó là câu trả lời sẽ hỏng — hãy chọn khối theo loại. Và các khối thinking từ những lượt trước vẫn nằm trong ngữ cảnh và được tính phí như token đầu vào, trong khi Haiku 4.5 chỉ giữ lại của lượt mới nhất, nên các cuộc hội thoại nhiều lượt mang lượng đầu vào nhiều hơn mức mà chỉ riêng thay đổi tokenizer có thể giải thích.

Anthropic tuyên bố điều gì — và điều họ thực sự đo lường

Mọi thứ trong phần này là do nhà cung cấp báo cáo. Anthropic đã công bố các số liệu sau cho Claude Haiku 5.5 trong tài liệu phát hành của mình, mỗi số liệu đều đối chiếu với Claude Haiku 4.5 làm điểm so sánh, và không có số liệu nào trong số đó được tái tạo ở đây:

• OSWorld 2.1, sử dụng máy tính, tập hợp con ngoại tuyến — 72,4% cho Claude Haiku 5.5 so với 15,7% cho Claude Haiku 4.5.

• Terminal-Bench 4.0, lập trình agentic — 39,2% so với 0,0%.

• Humanity's Last Exam, suy luận đa ngành — 45,9% không dùng công cụ và 57,4% có dùng công cụ, so với 10,2% và 18,7%.

• GDPval-AA v2.1, lao động tri thức — 1620 so với 735.

• AA-Briefcase v1.1 — 1578 so với 614.

• FrontierCode 1.1, main — 46,4%.

• Bản đồ hóa, suy luận trực quan — 46,4% không dùng công cụ so với 6,4%.

Cách chính nhà cung cấp trình bày những con số này đáng được trích dẫn về thực chất: Anthropic nói Claude Sonnet 5.5 và Claude Opus 5.5 "vẫn là những lựa chọn tốt hơn cho các tác vụ lập trình agentic phức tạp như những tác vụ được đo bởi Terminal-Bench 4.0", và định vị Haiku 5.5 cho các tác vụ có phạm vi hẹp mà nếu không thì sẽ quá tốn kém đến mức không thể chạy được. Anthropic chưa công bố một lần chạy đối đầu trực tiếp giữa Haiku 5.5 với Sonnet 5.5 ở cùng mức nỗ lực trên cùng một khung thử nghiệm, nên không có gì ở đây nên được hiểu là xếp hạng giữa chúng; bộ benchmark của nhà cung cấp là của riêng họ và được dán nhãn như vậy.

Bức tranh độc lập đến từ Artificial Analysis, đơn vị đã chạy mô hình ở cấu hình nỗ lực Max của nó và báo cáo những điều sau trên trang của riêng mình cho Claude Haiku 5.5: điểm Intelligence Index là 43, được mô tả ở đó là cao hơn đáng kể so với trung vị 13 của các mô hình tương đương; đo được 236 token đầu ra mỗi giây so với trung vị 106 token của các mô hình tương tự; chi phí 0,21 đô la cho mỗi tác vụ Intelligence Index đã hoàn thành; và một cờ cảnh báo độ dài dòng đáng chú ý — 440 triệu token được tạo trong lần chạy Intelligence Index so với trung vị 95 triệu. Bảng này cũng ghi nhận mức giá của mô hình là 0,10 đô la cho mỗi triệu token đầu vào so với trung vị 0,25 đô la, đầu vào văn bản và hình ảnh, cùng cửa sổ ngữ cảnh 1 triệu token, đây là sự xác nhận độc lập cho các tuyên bố về phương thức và cửa sổ ở trên. Đó là các đo lường của Artificial Analysis, không phải của Anthropic, và chúng được thực hiện trên cấu hình nỗ lực Max của mô hình — bảng lưu ý rằng có thể tồn tại một cấu hình không suy luận, và các số liệu cho cấu hình đó có thể khác. Bảng không công bố ngày đo trên trang.

Làm thế nào để bạn truy cập Claude Haiku 5.5

Nhà cung cấp đã phát hành Claude Haiku 5.5 với phạm vi hiện diện trong ngày đầu tiên rộng nhất mà họ từng dành cho một mẫu Haiku. Các mã định danh mô hình, như đã công bố:

• Claude API — claude-haiku-5-5.

• Bedrock — anthropic.claude-haiku-5-5.

• Vertex AI, Microsoft Foundry và Claude Platform on AWS — claude-haiku-5-5 trên mỗi nền tảng.

Phạm vi hiện diện rộng mới là điểm mấu chốt: nhiều đội sẽ tiếp cận mô hình này thông qua một hợp đồng đám mây mà họ đã có sẵn, thay vì một quan hệ nhà cung cấp mới, và ID mô hình là cùng một chuỗi ở mọi nơi, ngoại trừ dạng có tiền tố của Bedrock. Anthropic chưa công bố gói miễn phí, tín dụng miễn phí hay bản dùng thử cho Claude Haiku 5.5, và không có nội dung nào trên trang này nên được hiểu là một trong những điều đó.

Về phía OrcaRouter, có một điều cần nói thẳng chứ không thể để người ta tự suy diễn: danh mục trực tiếp của chúng tôi hiện nay không cung cấp Claude Haiku 5.5. Đối chiếu với danh sách model trực tiếp, gồm 207 model, các mục của Anthropic kéo dài đến Claude Opus 5.5 và Claude Sonnet 5.5 nhưng dừng ở Claude Haiku 4.5 cho phân khúc nhỏ — vì vậy nếu hiện tại bạn đang định tuyến lưu lượng thuộc lớp Haiku qua chúng tôi, thì bạn đang dùng thế hệ trước. Nếu giá của Anthropic cho model mới thay đổi, đó là trường hợp duy nhất mà mức giá được chuyển tiếp sẽ thay đổi ngay trong ngày ở phía chúng tôi, bởi vì chúng tôi chuyển tiếp nguyên mức giá niêm yết của nhà cung cấp và tính phí không thêm markup; nhưng đó là phát biểu về cách định giá của chúng tôi hoạt động, chứ không phải là tuyên bố rằng model cụ thể này đã có sẵn. Khi nó xuất hiện, nó sẽ xuất hiện trong cùng danh mục đó.

Mô hình này là gì, trong một đoạn văn

Claude Haiku 5.5 là một mô hình nhỏ dành cho văn bản và hình ảnh với ngữ cảnh 1M, đầu ra 128K, được Anthropic bán với giá từ 0,10 USD và 0,50 USD mỗi triệu token, tăng lên 0,50 USD và 2,50 USD khi vượt quá 100.000 token đầu vào, và được điều khiển bằng một thanh effort duy nhất thay vì các núm sampling mà các mô hình Haiku trước đây chấp nhận. Tốc độ đo được và điểm Intelligence Index đo được của nó đều cao hơn đáng kể so với trung vị của các mô hình trong cùng dải giá, còn độ dài dòng của nó thì ở chiều ngược lại, và các tuyên bố benchmark của nhà cung cấp thì vẫn là của nhà cung cấp. Nếu bạn đang chọn giữa nó và một thứ khác trong cùng phân khúc, hai câu hỏi quyết định là liệu các prompt của bạn có nằm dưới mốc 100.000 token hay không và liệu bạn có chấp nhận được mức chiết khấu batch 50% thay vì một lệnh gọi đồng bộ hay không.