Claude Haiku 5.5: biaya rata-rata 75% lebih rendah

Menurut laporan ITmedia, Anthropic merilis Claude Haiku 5.5 pada 7 Oktober 2026 dengan perkiraan biaya penggunaan rata-rata sekitar 75% lebih rendah daripada Haiku 4.5 dan langsung menyediakannya melalui aplikasi Claude, API, serta layanan cloud; pada Terminal-Bench 4.0 untuk pengodean agen, Haiku 5.5 mencatat 39,2%, sedangkan Sonnet 5.5 mencapai 70,6%. Model baru ini menawarkan ongkos lebih rendah untuk pekerjaan cepat dan berulang, sementara pekerjaan pengodean yang menuntut banyak keputusan masih lebih sesuai untuk model yang lebih besar.

Dalam pengumuman Anthropic, tarif Claude Platform per sejuta token masukan dan keluaran untuk Haiku 5.5 masing-masing US$0,10 dan US$0,50 pada prompt hingga 100.000 token, lalu US$0,50 dan US$2,50 di atas ambang itu, dibanding US$1,00 dan US$5,00 untuk Haiku 4.5; Alex Wang dari Rogo menyebut “quick lookups, subagents, and summaries” sebagai pekerjaan singkat yang cocok untuk model baru ini. Dengan demikian, harga per token dan kecocokan tugas sama-sama menentukan apakah penghematan tersebut terasa dalam penggunaan nyata.

Penghematan bergantung pada panjang prompt

Selisih tarif kedua model jauh lebih besar pada prompt pendek. Dari harga standar di atas, biaya per token Haiku 5.5 secara aritmetis turun 90% dibanding Haiku 4.5 ketika prompt berada pada jenjang bawah, tetapi hanya turun 50% pada jenjang atas. Perbandingan itu berlaku untuk tarif masukan maupun keluaran dan mengandaikan jumlah token tertagih pada kedua model sama. Karena itu, angka rata-rata dari peluncuran tidak dapat diperlakukan sebagai potongan tetap untuk setiap permintaan.

Dalam contoh hipotetis, permintaan dengan 10.000 token masukan dan 1.000 token keluaran akan berbiaya sekitar US$0,0015 pada Haiku 5.5, berbanding US$0,015 pada Haiku 4.5. Perhitungan tersebut mengalikan token masukan dan keluaran dengan tarif standar masing-masing, tanpa cache atau pemrosesan batch. Nilainya kecil untuk satu permintaan, tetapi perbedaan tarif menjadi relevan ketika jenis pekerjaan yang sama dijalankan berulang kali dalam jumlah besar.

Contoh hipotetis lain memakai prompt sepanjang 200.000 token dan keluaran 10.000 token. Dengan jumlah token tertagih yang dibuat sama, biayanya sekitar US$0,125 pada Haiku 5.5 dan US$0,25 pada Haiku 4.5. Jenjang harga ditentukan oleh panjang prompt: keluaran untuk permintaan dengan prompt panjang juga memakai tarif keluaran yang lebih tinggi. Aplikasi yang terus membawa riwayat percakapan atau dokumen panjang ke permintaan berikutnya dapat berpindah jenjang meskipun pekerjaan yang diminta tetap serupa.

Pekerjaan cepat dengan batas yang jelas

Haiku 5.5 paling sesuai ketika tugas dapat dirumuskan secara sempit dan hasilnya mudah dipakai oleh langkah berikutnya. Ringkasan, pemadatan riwayat percakapan, klasifikasi, ekstraksi informasi, dan pengalihan permintaan adalah contoh yang disebut dalam penjelasan peluncuran. Pada pekerjaan seperti itu, kecepatan respons dan biaya untuk menjalankan banyak permintaan menjadi bagian penting dari kemampuan model, bukan sekadar tambahan setelah kualitas jawaban dinilai.

Peran sebagai subagen memperjelas batas tersebut. Model yang lebih besar dapat menangani rencana dan keputusan utama dalam suatu pekerjaan pengodean, sementara Haiku mengerjakan bagian yang sudah ditentukan, seperti mencari informasi tertentu atau merangkum hasil antara. Pembagian itu berbeda dari menyerahkan seluruh penyelidikan masalah dan rangkaian tindakan kepada model kecil. Biaya satu panggilan API yang rendah tidak otomatis menghasilkan biaya pekerjaan keseluruhan yang rendah jika tugas harus diulang atau diperbaiki.

Harga API juga hanya menjelaskan pemakaian melalui Claude Platform. Ketersediaan Haiku dalam aplikasi Claude memberi pengguna pilihan model untuk percakapan, tetapi tarif per token tersebut tidak sama dengan harga paket aplikasi. Bagi pengembang, nama model pada Claude API adalah claude-haiku-5-5; pemilihan model itu perlu disertai pemahaman tentang jenjang prompt dan perubahan perilaku permintaannya.

Selisih hasil dengan Sonnet tampak pada pengodean agen

Hasil Terminal-Bench 4.0 menempatkan Claude Haiku 5.5 di bawah Claude Sonnet 5.5 untuk pengodean agen kompleks.

Hasil Terminal-Bench yang disebut saat peluncuran menguji pengodean agen: model harus menyelesaikan pekerjaan yang melibatkan beberapa langkah, penggunaan alat, dan keputusan lanjutan. Selisih hasil Haiku dan Sonnet dalam evaluasi itu memberi batas yang lebih konkret daripada menyebut Haiku sekadar model cepat. Untuk pekerjaan pengodean kompleks, kemampuan model besar tetap dapat lebih bernilai daripada tarif token yang lebih rendah.

Hasil tersebut perlu dibaca sesuai tugas yang diuji. Evaluasi pengodean agen tidak mengukur secara langsung mutu ringkasan singkat, klasifikasi, atau ekstraksi satu informasi dari teks. Sebaliknya, keberhasilan pada pekerjaan sempit juga tidak membuktikan bahwa model akan menyelesaikan rangkaian pengodean panjang dengan tingkat keberhasilan yang sama. Perbedaan jenis pekerjaan itulah yang membuat perbandingan harga saja kurang memadai untuk menilai Haiku terhadap Sonnet.

Posisi Haiku dalam rangkaian model Claude kini lebih jelas: ia menyediakan kapasitas untuk permintaan yang banyak, cepat, dan terarah, sedangkan Sonnet dan Opus tetap menjadi pilihan untuk pekerjaan yang membutuhkan penalaran dan koordinasi lebih rumit. Konsekuensinya bagi aplikasi yang memakai beberapa model terletak pada pembagian pekerjaan: bagian kecil dapat dialihkan ke Haiku tanpa menganggap seluruh tugas memiliki tingkat kesulitan yang sama.

Konfigurasi API lama dapat menggagalkan permintaan

Konfigurasi Claude Haiku 5.5 memakai adaptive thinking tanpa parameter temperature, top_p, dan top_k.

Spesifikasi Claude Platform menyebut adaptive thinking aktif secara bawaan dengan tingkat effort awal medium, teks yang sama dihitung menjadi sekitar 30% lebih banyak token daripada pada Haiku 4.5, serta nilai tertentu pada parameter temperature, top_p, dan top_k dapat mengembalikan galat 400. Perubahan ini menyangkut bentuk permintaan API dan cara pemakaian dihitung, sehingga mengganti ID model saja belum tentu membuat konfigurasi lama tetap bekerja.

Ketiga parameter sampling tersebut sebaiknya dihilangkan dari permintaan yang memakai Haiku 5.5. Adaptive thinking menentukan kapan model perlu berpikir, sedangkan tingkat effort mengatur kedalamannya. Konfigurasi lama yang mengandalkan nilai sampling khusus dapat gagal sebelum menghasilkan jawaban. Pengembang yang sebelumnya menetapkan batas keluaran secara ketat juga perlu memperhitungkan bahwa penalaran dan teks jawaban sama-sama memakai ruang keluaran.

Perbedaan tokenizer menambah konsekuensi biaya yang tidak terlihat dari tabel tarif saja. Teks yang identik dapat menghasilkan jumlah token berbeda pada generasi Haiku yang baru; prompt yang sebelumnya berada di bawah ambang harga dapat melewatinya setelah dihitung ulang. Riwayat percakapan yang terus bertambah memperbesar kemungkinan itu. Bagi layanan yang memproses permintaan berulang, biaya akhirnya ditentukan oleh gabungan panjang prompt yang benar-benar tertagih, panjang keluaran, dan pekerjaan yang berhasil diselesaikan.