Claude Haiku 4.5 là mô hình nhanh nhất và hiệu quả nhất của Anthropic, mang đến trí thông minh gần với tiên tiến nhất với chi phí và độ trễ chỉ bằng một phần nhỏ so với các mô hình Claude lớn hơn. Đạt được hiệu suất tương đương Claude Sonnet 4...
Claude Haiku 4.5 là thành viên của dòng sản phẩm Claude của Anthropic, được tối ưu hóa đặc biệt về tốc độ và chi phí. Mô hình này cung cấp cửa sổ ngữ cảnh 200.000 token và có thể tạo ra tới 64.000…
Claude Haiku 4.5 phù hợp với các tác vụ có tần suất cao, độ trễ thấp: phân loại hỗ trợ khách hàng, dịch thuật thời gian thực, phân tích cảm xúc, tóm tắt nội dung, trích xuất dữ liệu từ biểu mẫu hoặc bảng biểu, và trả lời câu hỏi cơ bản trên các tài liệu lớn. Tốc độ suy luận nhanh của nó khiến nó trở nên lý tưởng cho các ứng dụng tương tác nơi người dùng mong đợi phản hồi gần như tức thì. Mô hình cũng có thể xử lý các suy luận đơn giản, tạo mã cho các mẫu phổ biến và các tác vụ phân loại. Đối với các tác vụ yêu cầu suy luận đa bước sâu, chứng minh toán học, hoặc phân tích pháp lý tinh tế, một mô hình lớn hơn như Claude Sonnet hoặc Opus có thể phù hợp hơn. Trên OrcaRouter, bạn có thể dễ dàng chuyển đổi ID mô hình để nâng cấp hoặc hạ cấp tùy theo tác vụ.
Claude Haiku 4.5 đã nằm trong số các lựa chọn nhanh nhất và rẻ nhất trên OrcaRouter. Tuy nhiên, đối với các tác vụ đơn giản, thông lượng cực cao (ví dụ: phân loại có/không, trích xuất regex), bạn có thể cân nhắc các mô hình nhỏ hơn như GPT-4o Mini, Llama 3.2 1B hoặc Mistral 7B, vốn tiết kiệm chi phí hơn nữa. Ngược lại, nếu bạn cần độ chính xác tối đa trên các chuẩn đánh giá suy luận, bạn nên nâng cấp lên Claude Opus, GPT-4o hoặc DeepSeek-R1. Một nguyên tắc hữu ích: nếu tác vụ của bạn yêu cầu dưới 100 token mỗi yêu cầu và không hưởng lợi từ ngữ cảnh lớn, thì một mô hình nhẹ hơn có thể giảm thêm chi phí. Minh bạch về giá của OrcaRouter cho phép bạn so sánh chi phí trên mỗi token và chuyển đổi mô hình qua cùng một API.
Claude Haiku 4.5 có cửa sổ ngữ cảnh 200.000 token, cho phép nó xử lý toàn bộ sách, tài liệu pháp lý dài, hoặc hàng giờ nhật ký trò chuyện trong một yêu cầu duy nhất. Mặc dù nó có thể nhớ lại thông tin trên toàn bộ cửa sổ, sự chú ý đến chi tiết ở phần đuôi rất xa có thể yếu hơn so với các mô hình lớn hơn. Để có kết quả tốt nhất, hãy đặt các hướng dẫn chính và ngữ cảnh quan trọng ở gần đầu hoặc cuối prompt. Tốc độ sinh văn bản nhanh của mô hình vẫn khá ổn định ngay cả với ngữ cảnh dài, khiến nó phù hợp cho phân tích tài liệu thời gian thực. Lưu ý rằng giá token đầu vào áp dụng cho tất cả token trong ngữ cảnh, vì vậy các prompt rất dài sẽ có chi phí cao hơn tương ứng.
MMLU-Pro (Massive Multitask Language Understanding – Pro) là một chuẩn đánh giá đo lường kiến thức của mô hình trên 57 lĩnh vực, bao gồm STEM, nhân văn và khoa học xã hội. Điểm số 80.0 cho thấy Claude Haiku 4.5 trả lời đúng khoảng 80% câu hỏi trong bộ dữ liệu thử thách này. Đây là kết quả khả quan đối với một mô hình nhẹ, xếp trên nhiều mô hình mã nguồn mở nhỏ hơn nhưng thấp hơn các mô hình hàng đầu như Claude Opus (thường ~87+) hay GPT-4o (~88). Đối với các tác vụ hàng ngày đòi hỏi kiến thức thực tế rộng, Haiku 4.5 đáng tin cậy; đối với suy luận chuyên sâu, bạn có thể cần một mô hình mạnh hơn. Điểm số được cung cấp bởi Anthropic và phản ánh khả năng tổng quát của mô hình.
Claude Haiku 4.5 được thiết kế để tối ưu tốc độ. Trong sử dụng thông thường, thời gian đến token đầu tiên (TTFT) dưới nửa giây đối với các prompt vừa phải, và quá trình sinh có thể duy trì hàng trăm token mỗi giây tùy thuộc vào tải và điều kiện mạng. Trên OrcaRouter, độ trễ có thể thay đổi đôi chút do định tuyến, nhưng mô hình cơ bản vẫn giữ tốc độ suy luận nhanh. Đối với các ứng dụng nhạy cảm về thông lượng, Haiku 4.5 có thể xử lý tốc độ yêu cầu cao mà không bị xếp hàng đáng kể. Nếu bạn cần đảm bảo độ trễ chính xác, hãy xem xét tính năng caching theo từng yêu cầu của OrcaRouter hoặc chiến lược xử lý theo lô của riêng bạn. Ngữ cảnh 200K của mô hình không làm giảm đáng kể tốc độ sinh nhờ các tối ưu hóa kiến trúc transformer hiệu quả.
Mặc dù có nhiều điểm mạnh, Claude Haiku 4.5 vẫn có những hạn chế. Điểm MMLU-Pro 80.0 của nó, mặc dù tốt, nhưng kém hơn các mô hình hàng đầu từ 5-10 điểm trong các lĩnh vực đòi hỏi suy luận nặng. Mô hình này có thể gặp khó khăn với các bài toán nhiều bước, phát hiện mâu thuẫn logic, hoặc các tác vụ yêu cầu tuân thủ chính xác định dạng phức tạp. Ngoài ra, là một mô hình nhanh hơn, đầu ra của nó đôi khi có thể kém tinh tế hơn hoặc dễ bị ảo giác hơn về các chủ đề ít phổ biến so với các mô hình lớn hơn. Nó không hỗ trợ sử dụng công cụ hoặc gọi hàm một cách tự nhiên ngay từ đầu (mặc dù bạn có thể nhắc nó xuất ra JSON có cấu trúc). Đối với các quy trình tác nhân hoặc tạo mã yêu cầu suy luận sâu, hãy cân nhắc một mô hình có năng lực hơn. Trên OrcaRouter, bạn có thể sử dụng cùng một API để dễ dàng chuyển đổi ID mô hình.
Anthropic chưa công bố đầy đủ điểm benchmark cho Haiku 4.5 ngoài MMLU-Pro (80.0). Tuy nhiên, dựa trên vị trí của nó trong dòng sản phẩm Claude, các kỳ vọng như sau: trên HellaSwag (suy luận thông thường) có khả năng đạt điểm từ cao 80 đến thấp 90; trên HumanEval (sinh mã) có thể đạt khoảng 50-60% pass@1; và trên GSM8K (toán tiểu học) có khả năng đạt điểm ở giữa 70. Những ước tính này được suy ra từ so sánh với các mô hình có kích thước tương tự. Để biết điểm chính thức, tham khảo tài liệu của Anthropic. Trên OrcaRouter, bạn có thể tự benchmark Haiku 4.5 bằng cách chạy các mẫu đại diện cho các tác vụ cụ thể của mình.
OrcaRouter chuyển tiếp mức giá của nhà cung cấp Anthropic mà không có phụ phí. Đối với Claude Haiku 4.5, token đầu vào có giá $1.00 cho mỗi 1 triệu token, và token đầu ra có giá $5.00 cho mỗi 1 triệu token. Không có phí nền tảng bổ sung, mức tối thiểu hàng tháng, hoặc chi phí ẩn. Việc thanh toán dựa trên mức sử dụng và được theo dõi trong bảng điều khiển OrcaRouter của bạn. Mức giá này thấp hơn đáng kể so với Claude Sonnet ($3.00/$15.00 per 1M) và Claude Opus ($15.00/$75.00 per 1M). Để so sánh, Haiku 4.5 rẻ hơn khoảng 3x so với Sonnet và 15x so với Opus về token đầu vào, khiến nó trở thành mô hình Anthropic giá phải chăng nhất trên OrcaRouter cho khối lượng công việc sản xuất.
Mặc dù Haiku 4.5 rẻ, độ chính xác thấp hơn của nó trong các tác vụ phức tạp có thể đòi hỏi nhiều lần thử lại, kỹ thuật prompt, hoặc xem xét của con người, điều này có thể làm giảm lợi ích từ tiết kiệm token. Đối với các tác vụ đơn giản, khối lượng lớn (phân tích cảm xúc, phân loại, tóm tắt), lợi thế về chi phí là rõ ràng. Đối với các tác vụ mà mỗi phản hồi phải hoàn hảo (ví dụ: hợp đồng pháp lý, tính toán tài chính), chi phí thêm của Sonnet hoặc Opus có thể được biện minh bởi ít lỗi hơn. Ngoài ra, vì kích thước ngữ cảnh ảnh hưởng đến chi phí đầu vào, một tài liệu dài (ví dụ: 100K token) đưa vào Haiku tốn $0.10 mỗi lần gọi chỉ riêng phần đầu vào. Nếu bạn có thể chia nhỏ tài liệu hoặc sử dụng RAG dựa trên embedding rẻ hơn, bạn có thể giảm chi phí hơn nữa. Trang giá của OrcaRouter cho phép bạn ước tính chi phí trên mỗi triệu token.
OrcaRouter hỗ trợ bộ nhớ đệm lời nhắc cho các mô hình đủ điều kiện, mặc dù khả năng khả dụng cho Claude Haiku 4.5 phụ thuộc vào hỗ trợ của nhà cung cấp. Các token đầu vào được lưu trong bộ nhớ đệm được tính phí với mức giá giảm (thường giảm 50-90%) khi cùng một tiền tố được sử dụng lại trong nhiều yêu cầu. Điều này đặc biệt hữu ích cho các kịch bản chatbot có lời nhắc hệ thống cố định hoặc tài liệu ngữ cảnh dài. Để sử dụng bộ nhớ đệm, hãy đảm bảo các yêu cầu API của bạn bao gồm cùng một tiền tố lời nhắc và tuân theo các hướng dẫn về tiêu đề bộ nhớ đệm của Anthropic. OrcaRouter cũng cung cấp giới hạn tốc độ và kiểm soát đồng thời để giúp quản lý chi phí. Để biết chi tiết chính xác về bộ nhớ đệm và giá cả, hãy tham khảo tài liệu của OrcaRouter hoặc ghi chú cụ thể của nhà cung cấp.
Để sử dụng Claude Haiku 4.5 trên OrcaRouter, hãy gửi một yêu cầu POST đến https://api.orcarouter.ai/v1/chat/completions với tham số model được đặt thành "anthropic/claude-haiku-4.5". API này hoàn toàn tương thích với OpenAI, nghĩa là bạn có thể sử dụng bất kỳ SDK OpenAI hoặc ứng dụng khách HTTP nào. Bao gồm khóa API OrcaRouter của bạn trong tiêu đề Authorization. Ví dụ body: {"model": "anthropic/claude-haiku-4.5", "messages": [{"role": "user", "content": "Hello."}]}. Phản hồi sẽ chứa một đối tượng chat completion tiêu chuẩn với các trường choices, usage tokens và các trường khác. Đối với đầu vào đa phương thức, hãy sử dụng một mảng các phần nội dung với loại "image_url" hoặc "text".
Claude Haiku 4.5 hỗ trợ các tham số kiểu OpenAI tiêu chuẩn thông qua OrcaRouter: temperature (0-2, mặc định 1), top_p (0-1, mặc định 1), max_tokens (tối đa 64,000), stop sequences (mảng các chuỗi), frequency_penalty, presence_penalty và seed (để lấy mẫu xác định). Bạn cũng có thể truyền các trường body bổ sung mà Anthropic hỗ trợ, chẳng hạn như "system" cho prompt hệ thống hoặc các trường dành riêng cho Anthropic như "thinking" để suy luận mở rộng (nếu có). Tham khảo tài liệu của OrcaRouter để biết danh sách đầy đủ các tham số được hỗ trợ. Vì API tương thích với OpenAI, hầu hết mã nguồn hiện có cho các mẫu GPT sẽ hoạt động với những thay đổi tối thiểu—chỉ cần cập nhật ID mô hình và API key.
Việc chuyển đổi sang Claude Haiku 4.5 trên OrcaRouter chỉ yêu cầu hai thay đổi: cập nhật ID mô hình trong các request từ mô hình hiện tại của bạn (ví dụ: từ "gpt-4o" thành "anthropic/claude-haiku-4.5") và đảm bảo khóa API OrcaRouter của bạn đã được thiết lập. Vì API tương thích với OpenAI, bạn không cần viết lại code trừ khi bạn phụ thuộc vào các tính năng đặc thù của mô hình (ví dụ: function calling với một schema cụ thể). Lưu ý rằng Haiku 4.5 không hỗ trợ sẵn tool calls theo cách có cấu trúc như GPT-4o; bạn có thể cần mô phỏng việc sử dụng công cụ thông qua prompt engineering. Hãy thử nghiệm với một vài request đại diện để xác minh chất lượng đầu ra đáp ứng yêu cầu của bạn. Dashboard của OrcaRouter cung cấp logs để giúp gỡ lỗi bất kỳ vấn đề nào.
GPT-4o Mini là mô hình nhẹ của OpenAI, có giá tương tự Haiku 4.5 ($0.15/$0.60 cho mỗi 1M token, nhưng lưu ý rằng giá có thể thay đổi). Cả hai đều cung cấp suy luận nhanh và đầu vào đa phương thức (văn bản, hình ảnh cho Haiku; văn bản, hình ảnh cho GPT-4o Mini). GPT-4o Mini có cửa sổ ngữ cảnh 128K token, nhỏ hơn 200K của Haiku. Trên MMLU, GPT-4o Mini đạt điểm khoảng 82, cao hơn một chút so với 80 của Haiku 4.5. Tuy nhiên, Haiku 4.5 có thể xuất ra tới 64K token so với 16K của GPT-4o Mini, phù hợp hơn cho việc sinh văn bản dài. Sự lựa chọn phụ thuộc vào việc bạn cần đầu ra dài hơn hay ngữ cảnh rộng hơn. Trên OrcaRouter, bạn có thể dễ dàng chuyển đổi giữa các ID mô hình để so sánh hiệu suất trên các tác vụ của mình.
Claude Sonnet 4.0 (hoặc các phiên bản mới hơn) cung cấp khả năng suy luận tốt hơn và điểm chuẩn cao hơn (ví dụ: MMLU-Pro ~86-88) nhưng với chi phí cao hơn: $3.00/M đầu vào và $15.00/M đầu ra. Sonnet cũng có cửa sổ ngữ cảnh 200K nhưng giới hạn đầu ra tối đa thấp hơn là 8K token (thay đổi theo phiên bản). Đối với phân tích phức tạp, sinh mã, hoặc hội thoại tinh tế, Sonnet vượt trội hơn. Haiku 4.5 được ưu tiên khi tốc độ và chi phí là yếu tố chính và nhiệm vụ không yêu cầu độ chính xác cao nhất. Trên OrcaRouter, bạn có thể thử cả hai mô hình bằng cách thay đổi ID mô hình thành "anthropic/claude-sonnet-4.0" hoặc tương tự. Cấu trúc lệnh gọi API vẫn giống hệt nhau.
DeepSeek Chat (DeepSeek-V3 hoặc mới hơn) là mô hình hiệu suất cao, chi phí thấp đến từ Trung Quốc. Giá của nó thường rẻ hơn đáng kể so với Haiku (ví dụ: 0,27 USD/1,10 USD cho 1 triệu token). DeepSeek có cửa sổ ngữ cảnh khổng lồ 128K hoặc 1M tùy phiên bản, hỗ trợ đầu vào văn bản và tập tin, nhưng không hỗ trợ hình ảnh. Trên MMLU-Pro, DeepSeek thường đạt điểm cao ở mức 80, vượt qua Haiku. Tuy nhiên, DeepSeek có thể có độ trễ cao hơn do khác biệt về kiến trúc. Đối với các ứng dụng nhạy cảm về chi phí nơi không yêu cầu đầu vào hình ảnh và độ chính xác tối đa được ưu tiên, DeepSeek có thể là một lựa chọn thay thế mạnh mẽ. Trên OrcaRouter, bạn có thể so sánh cả hai bằng cách kiểm tra với ID mô hình "deepseek/deepseek-chat" và "anthropic/claude-haiku-4.5" trên cùng một tập dữ liệu.
Hãy chọn Claude Haiku 4.5 khi bạn cần: (1) sinh văn bản nhanh với độ trễ thấp, (2) đầu vào đa phương thức (văn bản + hình ảnh + tệp) mà không phải trả phí cho khả năng suy luận hàng đầu, (3) cửa sổ ngữ cảnh 200K token, (4) lên đến 64K token đầu ra, và (5) các tính năng an toàn và liên kết của Anthropic. Đây là lựa chọn mặc định lý tưởng cho các pipeline sản xuất xử lý hỗn hợp các loại dữ liệu. Tránh sử dụng nó nếu bạn yêu cầu độ chính xác cực cao trên các điểm chuẩn suy luận, cần gọi hàm gốc, hoặc muốn chi phí thấp nhất tuyệt đối (hãy cân nhắc các mô hình mã nguồn mở nhỏ hơn hoặc DeepSeek). Nền tảng của OrcaRouter giúp bạn dễ dàng thử nghiệm các mô hình khác nhau với cùng một điểm cuối API, vì vậy bạn có thể xác định theo kinh nghiệm mô hình nào phù hợp nhất với trường hợp sử dụng của mình.
Tương thích OpenAI — giữ nguyên SDK bạn đang dùng
https://api.orcarouter.ai/v1https://api.orcarouter.aifrom openai import OpenAI
client = OpenAI(
base_url="https://api.orcarouter.ai/v1",
api_key="$ORCAROUTER_API_KEY",
)
response = client.chat.completions.create(
model="anthropic/claude-haiku-4.5",
messages=[{"role": "user", "content": "Hello"}],
)
print(response.choices[0].message.content)include_reasoningmax_tokensreasoningresponse_formatstopstreamstructured_outputstemperaturethinkingtool_choicetoolstop_ktop_p| Đầu vào / 1M tokens | $1.00 |
| Đầu ra / 1M tokens | $5.00 |
| Đọc cache / 1M | $0.100 |
| Ghi cache / 1M | $1.25 |
| Tiền tệ | USD |
Ước tính theo giá niêm yết
Chỉ là ước tính — số token thực tế phụ thuộc vào bộ tách token của nhà cung cấp.
GET /api/public/models/anthropic/claude-haiku-4.5Mở @misc{orcarouter_claude_haiku_4_5,
title = {Claude Haiku 4.5 API},
author = {Anthropic},
year = {2025},
howpublished = {OrcaRouter},
url = {https://www.orcarouter.ai/models/anthropic/claude-haiku-4.5}
}Anthropic. (2025). Claude Haiku 4.5 API. OrcaRouter. https://www.orcarouter.ai/models/anthropic/claude-haiku-4.5