Passa al contenuto principale

Claude Haiku 5.5: il salto di prezzo a 100K

Intermedio

Il 7 ottobre 2026 Anthropic ha rilasciato Claude Haiku 5.5 (claude-haiku-5-5): il modello più veloce della gamma, con una finestra di contesto da 1M (da 200K), 128K di output massimo (da 64K), il thinking adattivo con il parametro effort per la prima volta in un Haiku, e un prezzo di input di listino di $0,10 / MTok contro $1,00 di Haiku 4.5.

È un taglio del 90% sul listino, ed è il numero con cui ogni articolo ha aperto. Non è però il numero che pagherai, per due ragioni che si sommano — e una di esse è un cambiamento strutturale che nessun altro modello della gamma ha.

Haiku 5.5 è l'unico modello Claude attuale con prezzo in base alla lunghezza del prompt. Ogni altro modello Claude dalla 4.6 in poi fattura una richiesta da 900K token alla stessa tariffa per token di una da 9K. Haiku 5.5 ha due listini, e il passaggio dall'uno all'altro è una soglia netta a 100.000 token che riprezza l'intera richiesta — input, output, scritture in cache, letture dalla cache, batch — a 5x.

La seconda ragione è più discreta: Haiku 5.5 passa al nuovo tokenizer, quindi lo stesso testo conta circa il 30% di token in più rispetto a Haiku 4.5. Questo riduce lo sconto e sposta anche la soglia: i 100.000 sono contati in token nuovi, quindi arrivano circa il 23% prima in termini di testo reale rispetto a quanto assumerà chiunque porti con sé una misura fatta su Haiku 4.5.

Questa pagina calcola cosa paghi davvero in ciascun regime, mostra dove si trova la soglia in parole e poi tratta la migrazione — inclusi cinque errori 400 e sei cambiamenti che restituiscono 200 e ti danno semplicemente una risposta peggiore.

What you'll learn
  • Conoscere i numeri reali: due listini divisi a 100.000 token, contesto da 1M, output da 128K (300K su Batches), thinking adattivo, effort predefinito medium, cutoff di giugno 2026
  • Capire che la soglia è un riprezzamento, non un supero: un token oltre 100.000 moltiplica per 5 l'intero conto
  • Collocare la soglia nel testo (~55.500 parole inglesi) e nelle vecchie misure (~77.000 token di Haiku 4.5), perché è contata sul nuovo tokenizer
  • Calcolare il risparmio onesto: ~87% sotto la soglia, ~35% sopra, e comunque il 75% in meno rispetto a Sonnet 5.5 in entrambi i casi
  • Decidere quando dividere in blocchi sotto la soglia — un caso concreto che taglia il conto del 79% a parità di token di input — e quando dividere è la risposta sbagliata
  • Correggere i cinque breaking change che mandano in 400 un codebase Haiku 4.5, incluso l'assistant prefill, che Haiku 4.5 accettava
  • Individuare i sei cambiamenti silenziosi che restituiscono 200: una risposta vuota da un max_tokens tarato senza thinking, un content[0] che non è più la risposta e rifiuti senza fallback lato server

Specifiche, e la riga senza precedenti​

Haiku 4.5Haiku 5.5Sonnet 5.5
ID Claude APIclaude-haiku-4-5-20251001claude-haiku-5-5claude-sonnet-5-5
Input / output per MTok, prompt ≤ 100K$1 / $5$0,10 / $0,50$2 / $10
Input / output per MTok, prompt > 100K$1 / $5$0,50 / $2,50$2 / $10
Lettura dalla cache$0,10$0,01 / $0,05$0,10
Scrittura in cache 5m$1,25$0,125 / $0,625$2,50
Scrittura in cache 1h$2$0,20 / $1$4
Batch input / output$0,50 / $2,50$0,05 / $0,25 · $0,25 / $1,25$1 / $5
Finestra di contesto200K1M1M
Output massimo (sincrono)64K128K128K
Output massimo (Batches, beta)—300K300K
Parametro effortnon supportatosupportato, predefinito mediumsupportato, predefinito high
thinking: disabledn/d (budget_tokens)accettato a low/medium/high400 (usa between_tools)
tool_choice forzatoaccettatoaccettato400
Assistant prefillaccettato400—
Tokenizerprecedentenuovo (~30% di token in più)nuovo
System prompt per l'uso di strumenti (auto/none)496 token286 token286 token
Knowledge cutoff affidabilefeb 2025giu 2026giu 2026
Priority Tiersupportatonon supportato—
Fallback lato server in caso di rifiuto—nessunocyber, frontier_llm → Sonnet 5
Ritiro non prima di15 ott 20267 ott 202728 set 2027

Tre di quelle righe meritano più di un'occhiata.

Le due righe di input sono il cuore della storia. Nessun altro modello Claude attuale ne ha due. La sezione di Anthropic sui prezzi per contesto lungo dichiara l'eccezione esplicitamente: i modelli Claude 4.6 e successivi tranne Haiku 5.5 includono l'intera finestra da 1M a prezzo standard. Haiku 5.5 ha un "prezzo in base alla lunghezza del prompt".

Haiku 5.5 è il modello attuale più permissivo sul determinismo. Accetta thinking: {"type": "disabled"} (con effort low, medium o high) e un tool_choice forzato. Opus 5.5 rifiuta entrambi. Sonnet 5.5 rifiuta entrambi. Se la generazione 5.5 ha rotto un classificatore deterministico che esegui su Haiku 4.5, Haiku 5.5 è l'unico modello della famiglia su cui puoi spostarlo quasi intatto — perdi solo il prefill, che è trattato più avanti.

Il limite minimo di Haiku 4.5 è il 15 ottobre 2026 — una settimana dopo l'uscita di Haiku 5.5. La tabella ufficiale di stato lo elenca ancora come Active senza alcuna deprecazione annunciata, quindi non è un avviso di interruzione; il passaggio di una data "non prima di" è un segnale per pianificare, e Anthropic si impegna a dare almeno 60 giorni di preavviso una volta emesso un avviso. Ma ora è il limite minimo più vicino della gamma, e ha ora un successore diretto. Vedi deprecazioni per come leggere quella tabella.

La soglia è un riprezzamento, non un supero​

Questo è il singolo fatto meccanico più importante della pagina, ed è quello che più facilmente si dà per scontato. La soglia di 100.000 token non funziona come un piano telefonico, dove paghi la tariffa bassa fino al limite e una più alta sull'eccedenza. Il listino di Anthropic è scritto per prompt: una riga "per prompt fino a 100.000 token", un'altra "per prompt oltre 100.000 token". Attraversa la linea e ogni token di quella richiesta viene fatturato alla tariffa più alta.

Prendi una risposta da 500 token e sposta di un token il confine:

RichiestaCosto inputCosto outputTotale
Prompt da 100.000 token100.000 × $0,10/M = $0,0100500 × $0,50/M = $0,00025$0,01025
Prompt da 100.001 token100.001 × $0,50/M = $0,0500500 × $2,50/M = $0,00125$0,05125

Un token in più, esattamente 5x il conto. Non c'è gradiente né miscela. Un carico di lavoro i cui prompt si addensano intorno a 100K è un carico di lavoro la cui fattura mensile contiene una funzione a gradino, e da quale lato del gradino cadi può dipendere dall'incollare un paragrafo in più da parte di un utente.

La conseguenza pratica: tratta 100.000 come un budget rigido, non come un obiettivo. Lascia margine. Una pipeline progettata per girare a 98K token ha un margine del 2% prima che il costo si quintuplichi, e le cose che fanno crescere silenziosamente un prompt — un chunk recuperato più lungo, un esempio few-shot in più, una definizione di strumento aggiunta la settimana scorsa, la cronologia della conversazione — non si annunciano.

Dove si trova davvero la soglia, in termini di testo​

La soglia è contata in token di Haiku 5.5, sul nuovo tokenizer. Contano due conversioni.

In parole. Anthropic stima 1M di token in circa 555K parole inglesi sul tokenizer attuale. Quindi 100.000 token sono circa 55.500 parole — diciamo un libro di 180 pagine, o 20-25 PDF corposi.

Nelle vecchie misure. Lo stesso testo produce circa il 30% di token in più su Haiku 5.5 che su Haiku 4.5. Quindi un prompt che hai misurato a 100.000 token su Haiku 4.5 arriva a circa 130.000 token su Haiku 5.5 — ben oltre la soglia, a 5x, su un testo che prima era esattamente al tuo limite. Al contrario: per restare sotto 100.000 token nuovi servono circa 77.000 token di Haiku 4.5 di testo.

Quel 23% in meno è la trappola. Chiunque dimensioni un prompt per Haiku 5.5 a partire da un conteggio di token di Haiku 4.5 — una misura in cache, un valore usage salvato, un foglio di calcolo, una costante fissa in un chunker — sottostimerà di circa un terzo e supererà una soglia che crede di avere ben lontana.

Watch out

Riconta ogni prompt con model impostato su claude-haiku-5-5. L'endpoint di conteggio dei token è specifico per tokenizer; un conteggio fatto su Haiku 4.5 non è una stima di quello di Haiku 5.5, è una misura diversa di una cosa diversa. Vale anche per i valori di max_tokens e per i modelli di costo.

Riconta un prompt con il nuovo tokenizer prima di fidarti di qualsiasi budget

curl https://api.anthropic.com/v1/messages/count_tokens \
-H "x-api-key: $ANTHROPIC_API_KEY" \
-H "anthropic-version: 2023-06-01" \
-H "content-type: application/json" \
-d '{
  "model": "claude-haiku-5-5",
  "system": [{"type": "text", "text": "<your real system prompt>"}],
  "messages": [{"role": "user", "content": "<your longest real input>"}]
}'

Il risparmio onesto: tre regimi​

"90% in meno" è un'affermazione sul listino. Ciò che paghi dipende dalla fascia in cui cadi e dal tokenizer. Tutti e tre i numeri qui sotto tengono costante il testo e lasciano muovere il numero di token, che è l'unico confronto significativo per una fattura.

Sotto la soglia: ~87% in meno rispetto a Haiku 4.5​

Un carico di classificazione, 1.000.000 di richieste al mese. Il prompt misura 9.000 token su Haiku 4.5, quindi circa 11.700 su Haiku 5.5; la risposta è di 300 vecchi token, circa 390 nuovi.

Haiku 4.5Haiku 5.5 (≤ 100K)
Input9.000 MTok × $1 = $9.00011.700 MTok × $0,10 = $1.170
Output300 MTok × $5 = $1.500390 MTok × $0,50 = $195
Totale$10.500$1.365

87% in meno per lo stesso lavoro. L'inflazione del 30% dei token si mangia tre punti del 90% del titolo. Questo è il numero da mettere in un budget.

Sopra la soglia: ~35% in meno rispetto a Haiku 4.5​

Oltre i 100.000 token le tariffe sono $0,50/$2,50 contro $1/$5 di Haiku 4.5 — la metà per token. Applicando l'inflazione del 30% dei token, il risparmio sullo stesso testo è 1 − (0,5 × 1,3) = 0,35.

35% in meno, in modo uniforme su input e output. Resta un taglio, ma niente a che vedere con il titolo. Un carico a contesto lungo che migra da Haiku 4.5 aspettandosi un calo del 90% sbaglierà di un fattore quasi tre.

In ogni caso: 75% in meno rispetto a Sonnet 5.5​

Haiku 5.5 e Sonnet 5.5 condividono il nuovo tokenizer, quindi i conteggi di token sono identici e il confronto è puramente di prezzo. Sopra la soglia, $0,50/$2,50 contro $2/$10 è esattamente 4 volte meno, ovvero il 75% in meno. Sotto la soglia è 20 volte.

Questa è la riga rassicurante: anche nella sua fascia cara, Haiku 5.5 è di gran lunga il modello Claude attuale più economico. La soglia ti costa il titolo, non la fascia.

Quando dividere in blocchi sotto la soglia — e quando no​

Se la soglia riprezza intere richieste, dividere una richiesta lunga in più richieste brevi è una leva reale. Spesso è anche la scelta sbagliata. Ecco l'aritmetica, poi i limiti.

Un lotto di 1.000 documenti, ciascuno con 150.000 token in ingresso e 2.000 token in uscita:

StrategiaInputOutputTotale
1.000 documenti interi (> 100K, tariffe 5x)150 MTok × $0,50 = $75,002 MTok × $2,50 = $5,00$80,00
2.000 metà da 75K (tariffe ≤ 100K)150 MTok × $0,10 = $15,004 MTok × $0,50 = $2,00$17,00

79% in meno, a parità di token di input. L'esecuzione a blocchi paga perfino il doppio dell'output — due risposte per documento invece di una — e vince comunque di un fattore quasi cinque, perché la differenza di tariffa travolge la duplicazione.

Guided walkthrough1 of 6
  1. Conta i tuoi prompt con model impostato su claude-haiku-5-5 e tracciane il grafico. Se il 95° percentile è sotto ~85.000 token non c'è nulla da fare. Se la distribuzione scavalca i 100.000, la funzione a gradino è già nella tua fattura e non la vedi in una media.

La trappola della lettura dalla cache​

Il prompt caching è la risposta abituale a un prefisso costoso, e su Haiku 5.5 interagisce con la soglia in un modo facile da perdere: il listino prezza ogni categoria di token in entrambe le fasce. Scritture e letture della cache hanno ciascuna un prezzo per la fascia bassa e uno per la fascia alta. La cache non ti esenta dalla soglia; viene riprezzata insieme a tutto il resto.

Un agente con un prefisso in cache di 120.000 token sulla cache da 1 ora, una scrittura e 100 letture:

StrategiaScrittura in cache100 letture dalla cacheTotale
Prefisso da 120K (> 100K: scrittura $1, lettura $0,05)0,12 MTok × $1 = $0,12012 MTok × $0,05 = $0,600$0,720
Prefisso da 95K (≤ 100K: scrittura $0,20, lettura $0,01)0,095 MTok × $0,20 = $0,0199,5 MTok × $0,01 = $0,095$0,114

Tagliare il 21% del prefisso taglia l'84% del costo. Non esiste nessun'altra leva nei prezzi di Claude con questa forma — su ogni altro modello attuale, tagliare il 21% di un prompt fa risparmiare il 21%.

Watch out

La fascia è scelta dalla lunghezza del prompt, e un prefisso in cache fa parte del prompt. L'ipotesi ingegneristica prudente è che l'input totale della richiesta — token in cache inclusi — scelga il listino, il che significa che una cache che supera i 100.000 token porta le tue letture da $0,01 a $0,05 senza alcuna modifica al codice e senza errori. Verifica sul blocco usage delle tue richieste e sulla ripartizione dei costi della Console per la tua forma esatta prima di impegnarci un budget.

Un'altra interazione con la cache, dalla guida al prompting: cambiare il valore effort di primo livello tra una richiesta e l'altra invalida la prompt cache per i messaggi della conversazione. Per variare l'effort a ogni turno senza distruggere la cache, usa la modifica dell'effort per messaggio (beta, mid-conversation-output-config-2026-07-01), che richiede il thinking adattivo — con il thinking disattivato restituisce un 400.

Migrare da Haiku 4.5: i cinque 400​

La linea di Anthropic è che i prompt esistenti di Haiku 4.5 dovrebbero funzionare bene senza modifiche. Le richieste sono un'altra faccenda. Cinque cose che Haiku 4.5 accettava ora falliscono in modo chiuso.

Cosa inviiRisultatoCorrezione
thinking: {"type": "enabled", "budget_tokens": N}400Invia {"type": "adaptive"} (o ometti) e governa con effort
thinking: {"type": "disabled"} con effort xhigh o max400Va bene a low/medium/high; abbassa l'effort o elimina il campo
temperature / top_p non predefiniti, qualsiasi top_k, o temperature e top_p insieme400Ometti tutti e tre. Se presenti, temperature deve essere 1 e top_p deve essere 0.99 — top_p: 1 è un 400
Un ultimo turno assistant che il modello deve continuare (prefill)400, anche con il thinking disattivatoChiudi messages con un turno utente; vedi sotto
computer_20250124 su Claude API o Google Cloud400Usa {"type": "computer_toolset_20260801"}, elimina l'header computer-use-2025-01-24

Più un sesto che colpisce solo le conversazioni: rinviare un blocco di thinking dopo aver modificato system, tools o un qualsiasi messaggio precedente restituisce un 400. Mantieni le conversazioni solo in aggiunta (append-only). Sugli account creati prima del 31 agosto 2026 00:00 UTC l'errore scatta solo se imposti thinking.block_binding.prefix_mismatch_behavior.

Il prefill è quello che farà male​

L'assistant prefill — chiudere messages con un turno assistant parziale come {"label": per forzare una forma — è un trucco standard proprio nelle pipeline di classificazione ed estrazione ad alto volume per cui Haiku è pensato, e Haiku 4.5 lo accettava con il thinking disattivato. Haiku 5.5 restituisce un 400 anche con il thinking disattivato. Non c'è nessun flag.

Sostituiscilo in base a ciò che faceva:

  • Forzare una forma dell'output → output strutturati, o uno strumento con campi enum per la classificazione. (Su Amazon Bedrock, che non supporta gli output strutturati, usa lo strumento.)
  • Eliminare un preambolo → chiedi una risposta diretta nel system prompt.
  • Continuare una risposta troncata → spostala nel turno utente: "La tua risposta precedente è stata interrotta e terminava con [previous_response]. Continua da dove ti eri fermato."
  • Ricordare il contesto al modello → mettilo nel turno utente.
What you'll learn

Ricorda la compensazione: Haiku 5.5 accetta ancora un tool_choice forzato, che Opus 5.5 e Sonnet 5.5 rifiutano. Per un classificatore, tool_choice con uno strumento a tipo enum ti dà lo stesso determinismo che dava il prefill, e sopravvive a tutta la generazione 5.5. L'unico costo è che la risposta inizia con la chiamata allo strumento e non contiene alcun blocco di thinking.

I sei cambiamenti che restituiscono 200​

I 400 si annunciano nei tuoi log alla prima richiesta. Questi no. Ognuno restituisce una risposta perfettamente valida ma silenziosamente peggiore, e ognuno ha rotto la pipeline di qualcuno.

  1. Una risposta vuota da un max_tokens che non hai cambiato. Il thinking è attivo per impostazione predefinita e i token di thinking contano nel max_tokens. Un limite dimensionato per Haiku 4.5 che girava senza thinking può ora fermarsi con stop_reason: "max_tokens" dopo un blocco di thinking e prima di qualsiasi testo. Aumenta max_tokens, o abbassa effort.
  2. content[0] non è più la risposta. Le risposte possono iniziare con uno o più blocchi thinking anche quando la richiesta non menziona il thinking. Seleziona i blocchi dal loro campo type, mai dalla posizione.
  3. Il testo del thinking è vuoto per impostazione predefinita. Haiku 4.5 restituiva un thinking riassunto; Haiku 5.5 restituisce ogni blocco con un campo thinking vuoto e solo una signature. Se registri o mostri il ragionamento, imposta thinking.display su "summarized" per riaverlo.
  4. I rifiuti sono nuovi, e non c'è rete di sicurezza. Haiku 5.5 esegue classificatori di sicurezza che possono restituire stop_reason: "refusal" con una stop_details.category di cyber, frontier_llm, bio o general_harms. Haiku 4.5 non lo faceva. Haiku 5.5 non ha inoltre alcun fallback lato server — a differenza di Sonnet 5.5, nulla riprova al posto tuo, e rinviare la stessa richiesta di solito produce un altro rifiuto. Un rifiuto non gestito appare identico a una risposta vuota. Gestiscilo nel client.
  5. La riproduzione del thinking tra account scarta silenziosamente il ragionamento. I blocchi di thinking di Haiku 5.5 funzionano solo nell'account che li ha prodotti (o in uno collegato). Invia un blocco da un altro account e l'API rimuove il blocco e ha successo senza di esso — una regressione di qualità senza errori. Se salvi le conversazioni e le riproduci, riproduci ciascuna attraverso l'account che l'ha prodotta.
  6. Ogni numero di token che hai è ora sbagliato di ~30%. Campi usage, risultati del conteggio dei token, max_tokens, modelli di costo, dimensioni dei blocchi, budget di contesto e — come visto sopra — da quale lato della soglia dei 100.000 token ti trovi.

E una voce di capacità che non è né l'una né l'altra: se hai un impegno di Priority Tier su Haiku 4.5, pianifica a parte. Il Priority Tier non è supportato su Haiku 5.5.

Effort: il nuovo selettore, e cosa costa​

Haiku 5.5 è il primo Haiku con effort, e sostituisce budget_tokens del tutto — non c'è nessuna vecchia impostazione da portare con sé. L'indicazione di Anthropic per livello:

LivelloUsalo perFai attenzione a
lowChat, brevi compiti con strumenti, richieste semplici ad alto volumeNei prompt lunghi da agente: ricerche saltate, arresti anticipati, controlli saltati
mediumIl predefinito. La maggior parte del lavoro, incluso il coding agentico—
highLavoro di conoscenza, compiti più lunghi da agente, rispetto rigoroso delle istruzioni—
xhigh / maxSolo quando le tue eval mostrano che il guadagno di qualità ripagaThinking e risposte diventano molto più lunghi; a questo punto fai benchmark anche di Sonnet 5.5

Due risultati dei test di Anthropic vale la pena interiorizzarli, perché entrambi contraddicono un'intuizione.

Non puoi uscire dal thinking a forza di prompt. Dire al modello nel prompt di rispondere direttamente non gli ha impedito di pensare. Abbassa il livello di effort, oppure imposta thinking: {"type": "disabled"} (a high o inferiore). La prosa non è la leva.

Alzare l'effort non è una correzione gratuita. Passare da low a medium ha circa dimezzato gli arresti anticipati in un lungo prompt di coding-agent — e ha più che raddoppiato i token di output per tentativo. Entrambe le metà di quella frase appartengono alla decisione.

Un terzo risultato, più specifico: a effort xhigh nelle chat multi-turno il modello a volte scrive l'intera risposta dentro il proprio thinking e chiude il turno senza testo visibile. Se usi xhigh, controlla le risposte vuote.

Due aggiunte al prompt che si meritano i loro token​

La guida al prompting è insolitamente concreta su quale testo del system prompt ha mosso quale metrica. Due valgono la pena di essere copiate così come sono se incontri il sintomo corrispondente.

Se dai a Haiku 5.5 uno strumento di ricerca, dagli la data di oggi — i test di Anthropic hanno trovato che questo da solo ancora le risposte ai risultati recenti. A effort low o dietro un system prompt lungo può comunque aver bisogno di una spinta per cercare:

Spingi un Haiku 5.5 che cerca troppo poco (da mettere subito dopo la data)

The current date is [current_date].

Your training data ends well before today's date. Records, office holders, prices, versions, rules and anything "latest" may have changed since then, so search for those before you answer, even when you feel sure. Facts that can't change need no search. When the answer depends on where the user is, put the user's country or region in the search query.

Anthropic riferisce che questo ha aumentato il tasso di ricerca sulle domande le cui risposte erano cambiate, aggiungendo ricerche solo sullo 0-3% dei prompt che non ne avevano bisogno. L'anti-pattern esplicito: non scrivere "cerca per qualsiasi domanda fattuale sul presente, a prescindere da quanto ti senti sicuro" — questo ha fatto cercare il modello sulla metà dei prompt che non ne avevano bisogno, senza produrre più risposte corrette.

La seconda si applica a una combinazione specifica e fastidiosa: thinking disattivato più output strutturati, dove il modello può saltare una chiamata a uno strumento di cui ha bisogno. Le correzioni pulite sono usare il thinking adattivo per quelle richieste, eliminare output_config.format dove una chiamata a strumento è obbligatoria, oppure forzare la chiamata con tool_choice. Se ti serve davvero il thinking disattivato:

Tieni vive le chiamate agli strumenti con thinking disattivato e output JSON

The JSON output format applies to your final answer only. When you need a tool, call it first, with no text before the call, and write the JSON once you have the results.

Conviene passare?​

Una breve regola decisionale, in ordine.

  1. Prompt stabilmente sotto ~85.000 token nuovi? Passa. ~87% in meno rispetto a Haiku 4.5 per lo stesso lavoro, con una finestra da 1M e un cutoff di giugno 2026 invece di feb 2025. Sono la maggior parte dei carichi Haiku — classificazione, instradamento, estrazione, sub-agenti economici — ed è quasi una vittoria gratuita una volta corretti i cinque 400.
  2. Prompt a cavallo dei 100.000? Misura prima, poi taglia o dividi. La funzione a gradino è tutto il problema; stare sotto la linea vale più di qualsiasi altra ottimizzazione a tua disposizione.
  3. Prompt davvero oltre i 100.000 e non separabili? Passa comunque — è il 35% in meno rispetto a Haiku 4.5 e il 75% in meno rispetto a Sonnet 5.5 — ma fai il budget dalla fascia alta e ignora del tutto il titolo.
  4. Ti servono budget_tokens, prefill, Priority Tier o computer_20250124? Sono spariti. La migrazione è meccanica per i primi tre; stima il lavoro prima di pianificarlo.
  5. Sei già vicino al tetto di qualità? Fai benchmark di Sonnet 5.5 nello stesso giro. Anthropic lo raccomanda esplicitamente quando ti trovi a usare xhigh o max su Haiku — a quel punto potresti pagare prezzi Haiku per un lavoro da Sonnet e non ottenere né l'uno né l'altro.
Premi Invio o Spazio per girare la carta. Usa le frecce sinistra e destra per spostarti tra le carte.Termine mostrato.
1 / 14

Check yourself

0/4
  1. Una richiesta invia un prompt da 100.400 token a Haiku 5.5. Come viene fatturata?
  2. Hai misurato il tuo prompt a 90.000 token su Haiku 4.5 e vuoi restare nella fascia economica di Haiku 5.5. Cosa devi aspettarti?
  3. Una pipeline di classificazione su Haiku 4.5 chiude ogni richiesta con un assistant prefill e imposta il thinking disattivato. Cosa si rompe su Haiku 5.5?
  4. Il prefisso in cache del tuo agente è cresciuto a 115.000 token e la fattura è salita bruscamente senza alcuna modifica al codice. Qual è la causa più probabile?
Key takeaways
  • Haiku 5.5 è l'unico modello Claude attuale con prezzo in base alla lunghezza del prompt: due listini, divisi a 100.000 token, distanti 5x.
  • La soglia riprezza l'intera richiesta, non l'eccedenza. Un token oltre 100.000 moltiplica per cinque il conto.
  • La soglia è contata sul nuovo tokenizer, quindi arriva ~23% prima in termini di testo rispetto a quanto suggerisce una misura su Haiku 4.5: ~55.500 parole, o ~77.000 vecchi token.
  • Fai il budget con ~87% in meno rispetto a Haiku 4.5 sotto la soglia e ~35% sopra — non il 90% del listino. In ogni caso è il 75% sotto Sonnet 5.5.
  • Taglia prima di dividere: su un prefisso in cache da 120K, tagliare il 21% ha tagliato l'84% del costo. Dividere in blocchi vale solo per compiti separabili, e aggiunge un passaggio di unione e volume di richieste.
  • Cinque cose che Haiku 4.5 accettava ora vanno in 400 — budget_tokens, parametri di campionamento, assistant prefill, computer_20250124 e thinking disabilitato a xhigh/max — più una sesta per le conversazioni non append-only.
  • Altre sei restituiscono 200 e semplicemente peggiorano: risposte vuote da un max_tokens invariato, content[0] che ora è un blocco di thinking, testo di thinking vuoto, rifiuti non gestiti senza fallback lato server, ragionamento tra account scartato in silenzio e ogni conteggio di token sbagliato di ~30%.

Prossimi passi​

Fonti e approfondimenti​