Claude Haiku 5.5: El Subagente Barato con Niveles de Esfuerzo

1. Los hechos del lanzamiento

Haiku 5.5 completa la línea 5.5 junto a Opus 5.5 y Sonnet 5.5. Está disponible en la Claude API, Amazon Bedrock, Google Cloud, Microsoft Foundry y Claude Platform on AWS, y los docs listan un único model ID, claude-haiku-5-5, sin sufijo de fecha ni alias aparte.

Dos detalles condicionan todo lo que sigue. Primero, el thinking es adaptativo y viene activado por defecto, así que tus tokens de output ahora incluyen razonamiento salvo que bajes el esfuerzo. Segundo, los precios escalan por largo de prompt: la tarifa barata aplica a prompts de hasta 100.000 tokens, y un request que pase de ahí paga más caro en cada token.

2. Qué mejoró de verdad vs Haiku 4.5

La página de Anthropic dice que Haiku 5.5 cuesta 90% menos que Haiku 4.5 en requests de hasta 100.000 tokens y 50% menos por encima: $1 / $5 pasó a $0.10 / $0.50. En benchmarks reportados por el vendor, el salto de capacidad es mayor que la baja de precio: Terminal-Bench 4.0 pasa de 0.0% a 39.2%, OSWorld 2.1 (subset offline) de 15.7% a 72.4%, y Humanity’s Last Exam sin herramientas de 10.2% a 45.9%.

La API también cambió. Haiku 4.5 no tenía parámetro effort y usaba un presupuesto de thinking manual; Haiku 5.5 es el primer Haiku con niveles de esfuerzo, trae ventana de contexto de 1M de tokens (antes 200k) y 128K de output (antes 64K), y cachea prompts desde 512 tokens (Haiku 4.5 pedía 4.096). La contra: el mismo texto cuenta ~30% más tokens que en Haiku 4.5.

Tres cambios que importan

3. Evidencia, con fuentes

Todos los números de benchmarks de abajo salen de la tabla de la página de lanzamiento de Anthropic, así que leelos como reportados por el vendor y direccionales. La página remite a la system card de Haiku 5.5 para saber cómo se corrieron las evaluaciones y no declara el harness ni la configuración de herramientas; solo una entrada, Sonnet 5.5 en FrontierCode 1.1, indica su nivel de esfuerzo (Xhigh).

La brecha contra Sonnet 5.5 es el número a recordar: 39.2% vs 70.6% en Terminal-Bench 4.0, 72.4% vs 83.9% en OSWorld 2.1, 46.4% vs 52.1% en FrontierCode 1.1. Haiku 5.5 está cerca en algunas tareas y muy atrás en trabajo largo de terminal. Los resultados de clientes los cita Anthropic y describen sus propias suites de evals.

4. La aritmética de costos

Cada cifra de acá es un precio de lista de la página de pricing de Anthropic. No invento números de uso, así que las fórmulas toman tus conteos de tokens. Empezá por el costo unitario de un millón de tokens de input más uno de output y leé las proporciones.

El output cuesta 5x el input en Haiku 5.5 ($0.50 vs $0.10), y los tokens de thinking se facturan como output. Por eso el esfuerzo, y no la lista de precios, es tu palanca principal de costo: cambia cuántos tokens de output gasta cada call.

# 1M input + 1M output tokens (precio de lista)
Haiku 5.5, prompt <= 100k : 0.10 + 0.50  =  $0.60
Haiku 5.5, prompt  > 100k : 0.50 + 2.50  =  $3.00
Haiku 4.5                 : 1.00 + 5.00  =  $6.00
Sonnet 5.5                : 2.00 + 10.00 = $12.00  -> 12.00 / 0.60 = 20x Haiku 5.5
Opus 5.5                  : 4.00 + 20.00 = $24.00  -> 24.00 / 0.60 = 40x Haiku 5.5
(sobre 100k la brecha con Sonnet 5.5 se achica: 12.00 / 3.00 = 4x)

# una call, prompt <= 100k tokens ("output" incluye tokens de thinking)
costo = (input x 0.10 + cache_write_5m x 0.125 + cache_read x 0.01
         + output x 0.50) / 1,000,000

# el escalón de 100k (lecturas y escrituras de caché cuentan para el largo)
prompt de 100,000 tokens : 100,000 x 0.10 / 1M = $0.0100 de input
prompt de 100,001 tokens : 100,001 x 0.50 / 1M = $0.0500 de input  (5x)

# prefijo estático de P tokens reusado N veces, caché de 5 minutos
sin caché : N x P x 0.10 / 1M
con caché : (P x 0.125 + (N - 1) x P x 0.01) / 1M
por 1M de tokens de prefijo: N=2 -> $0.200 vs $0.135 | N=10 -> $1.000 vs $0.215

5. Quickstart: niveles de esfuerzo y el patrón worker

El esfuerzo se setea en output_config.effort, no dentro del objeto thinking, y no pide header beta. Haiku 5.5 usa medium por defecto, y setear medium explícito equivale a omitirlo. Esta es la guía de Anthropic para elegir nivel, condensada de su guía de prompting:

Abajo: una call de worker en la Messages API con system prompt cacheado, y luego el mismo worker definido como subagente del Agent SDK bajo un orquestador mayor.

import anthropic

client = anthropic.Anthropic()

# Reglas estáticas del worker. Haiku 5.5 cachea prefijos de 512+ tokens.
WORKER_RULES = "...tus instrucciones estables, 512+ tokens..."

response = client.messages.create(
    model="claude-haiku-5-5",
    max_tokens=4096,                  # el thinking cuenta para max_tokens
    output_config={"effort": "low"},  # el default es "medium"
    system=[
        {
            "type": "text",
            "text": WORKER_RULES,
            "cache_control": {"type": "ephemeral"},
        }
    ],
    messages=[{"role": "user", "content": "Clasificá este ticket: ..."}],
)

if response.stop_reason == "refusal":
    ...  # un classifier lo rechazó; el mismo request suele volver a rechazarse

for block in response.content:  # puede venir un bloque thinking primero
    if block.type == "text":
        print(block.text)

print(response.usage)  # cache_read_input_tokens, output_tokens, ...

from claude_agent_sdk import query, ClaudeAgentOptions, AgentDefinition

options = ClaudeAgentOptions(
    allowed_tools=["Read", "Grep", "Glob", "Agent"],
    agents={
        "log-triager": AgentDefinition(
            description="Clasifica un log o reporte de tests. Usar para consultas acotadas y de alto volumen.",
            prompt="Leé solo el archivo que te pasan. Clasificá cada falla y resumí en 5 líneas.",
            tools=["Read", "Grep", "Glob"],
            model="claude-haiku-5-5",  # un alias o un model ID completo
            effort="low",
        ),
    },
    env={
        "CLAUDE_CODE_MAX_SUBAGENT_SPAWN_DEPTH": "1",
        "CLAUDE_CODE_MAX_CONCURRENT_SUBAGENTS": "5",
    },
    max_budget_usd=5.0,
)

# async for message in query(prompt="Triage de los logs de CI en ./logs", options=options):
#     ...

Según los docs de Anthropic, cada subagente arranca con un contexto limpio y solo su mensaje final vuelve al padre, lo que mantiene chico el contexto del orquestador. Además cada subagente hace sus propios requests a la API, que cuentan para total_cost_usd, así que ponele tope al fan-out.

6. Límites honestos: cuándo no usar Haiku 5.5

La guía de costos de la propia Anthropic es directa. En sus mediciones internas y direccionales, delegar en workers más baratos ahorró plata solo en dos situaciones: trabajo rutinario con una cola larga de costo, y trabajo más grande que una ventana de contexto. Cuando el trabajo era una única cadena dependiente, o entraba en un solo contexto sin una cola larga de costo, el modelo del orquestador solo y con menos esfuerzo salió adelante en todos los casos medidos. Esas pruebas usaron workers Sonnet 5, no Haiku 5.5, y la guía dice que midas Haiku 5.5 vos mismo.

7. Qué hacer esta semana

No migres todo. Elegí un paso acotado y de alto volumen del tipo que Anthropic nombra para Haiku 5.5, como clasificación, extracción, ruteo, resumen o consultas rápidas, y probalo con tus propios datos.

Veredicto

Haiku 5.5 es un tier worker de verdad: 20x más barato que Sonnet 5.5 y 40x más barato que Opus 5.5 en precios de lista de input y output para prompts bajo 100k, con niveles de esfuerzo para ajustar la factura de thinking. Según los números de Anthropic, es muy superior a Haiku 4.5 y claramente inferior a Sonnet 5.5 en trabajo largo de terminal.

Usalo para pasos acotados y de alto volumen bajo un orquestador, mantené los prompts bajo 100k y el esfuerzo fijo por rol, y medí antes de ampliar su trabajo. Si el trabajo es una cadena difícil, pagá el modelo mayor.