Anthropic: Claude Haiku 5.5 (batch)

Claude Haiku 5.5 er Anthropics lille modeludgave til opgaver i store mængder, hvor lav latenstid er vigtig. De vigtigste anvendelser omfatter klassifikation, routing, informationsudtrækning, opsummering, komprimering af samtaler og afgrænset subagentarbejde. Den modtager tekst og billeder og genererer tekst. En nyttig beskrivelse giver et snævert spørgsmål og et eksplicit resultat: en kategori, et defineret sæt felter, et kort resumé eller relevante belæg til en anden del af en større opgave. Hold kildeidentifikatorerne sammen med resultatet, så en applikation kan forbinde de udtrukne oplysninger med originalmaterialet.

Anthropic positionerer udgaven til kundesupport i realtid, browserbetjening og korte kodedeleopgaver samt gentaget analyse. Den kan supplere Claude Sonnet 5.5 eller Claude Opus 5.5 i et forløb, hvor en større model håndterer et ambitiøst projekt, og Haiku udfører et afgrænset opslag eller resumé. Ved en supportopgave gives spørgsmålet og det tilladte referencemateriale, hvorefter svartone og det nødvendige resultat angives. Ved en kodedeleopgave angives de relevante filer eller uddrag og det præcise spørgsmål frem for at tildele et åbent projekt uden afslutningsbetingelse.

Det dokumenterede kontekstvindue er én million tokens med op til 128.000 outputtokens ved almindelig generering. Ræsonnementstokens tæller med i genereringsrammen, så resultatet kræver plads til både ræsonnement og synlig tekst. Den pålidelige vidensgrænse er juni 2026; senere oplysninger kræver givne belæg eller et søgeværktøj. Anthropic dokumenterer separat en beta kun til batchbehandling, som kan hæve outputtet til 300.000 tokens for denne udgave. Den større ramme kræver udviklerens funktion til udvidet output og er adskilt fra den almindelige grænse. En asynkron batch håndterer anmodninger uafhængigt, hvilket gør den nyttig til samlinger af dokumenter eller poster, hvis resultater behøves efter behandling frem for straks.

Adaptivt ræsonnement er slået til som standard, og effort er den primære indstilling for ræsonnementsdybde. Niveauerne er low, medium, high, xhigh og max med medium som standard. Anthropic anbefaler medium til det meste arbejde, high til mere vedvarende opgaver eller streng instruktionsfølgning og low til enklere, korte anmodninger. Ræsonnement kan slås fra ved low, medium eller high; deaktivering ved xhigh eller max afvises. En prompt, som beder om et direkte svar, erstatter ikke denne indstilling. Manuelle budget_tokens-indstillinger fra Haiku 4.5 overføres ikke til denne udgave, og temperature, top_p og top_k bør udelades i den dokumenterede grænseflade.

Haiku 5.5 bruger den nyere tokenizer, som blev introduceret i tidligere Claude-generationer, og Anthropic anslår, at samme tekst kan bruge omtrent 30% flere tokens end på Haiku 4.5 afhængigt af indholdet. Den bevarer også ræsonnementsblokke fra tidligere assistentture, så samtalestørrelsen kan vokse mere end gennem tokenizerændringen alene. Den mindste promptlængde, som kan caches, er 512 tokens. Hold tidligere ture uændrede, når ræsonnement bevares, og placer nye instruktioner i den seneste tur. Ændring af effort på øverste niveau ugyldiggør samtalens beskedcache; udvikleren dokumenterer en separat beta til ændring af effort i adaptive samtaler. Ingen af disse muligheder påviser et cachehit for en bestemt anmodning.

Ved informationssøgning anbefaler modellens promptingvejledning at give den aktuelle dato sammen med søgeværktøjet og holde de oprindelige system- og værktøjsdefinitioner stabile. Giv en ny dato i den seneste tur, hvis samtalen fortsætter på en senere dag. Angiv det, der skal findes, og bevar de returnerede kilder, før der bedes om en konklusion. En eksempelopgave kan for eksempel spørge efter den dokumenterede adfærd i en bestemt softwareversion efterfulgt af en kort forklaring forankret i den indhentede passage. Applikationen giver søgeværktøjet og returnerer dets faktiske resultater; modellens foreslåede opslag er ikke belæg for, at opslaget fandt sted.

Når struktureret JSON-output kombineres med værktøjer, dokumenterer vejledningen en bestemt interaktion: med ræsonnement slået fra kan Haiku springe et nødvendigt værktøjskald over. Anthropic anbefaler adaptivt ræsonnement til sådanne anmodninger eller at adskille det endelige JSON-krav fra værktøjstrinnet. Definer outputfelterne, og gør det tydeligt, at det endelige svar følger værktøjsresultaterne. En dataudtrækningsbeskrivelse kan angive de krævede felter og repræsentationen af manglende værdier, mens en opslagsbeskrivelse først kan bede om de nødvendige belæg til at udfylde dem. Læs svarblokke efter deres type, da svaret ikke behøver være første blok, og ræsonnementstekst udelades som standard.

Ved længere agentprompts bemærker Anthropic, at effort på low kan stoppe tidligt, springe en søgning over eller udelade en kontrol. Vejledningen anbefaler eksplicitte afslutningsinstruktioner og faktiske kontroller af kodeændringer, før de rapporteres som færdige. Forbered det forventede resultat og de belæg, som ville demonstrere det: de valgte passager til en rapport, den ændrede adfærd til et kodeforslag eller de felter, der er udtrukket fra et dokument. Vejledningen skelner også mellem en brugers besked midt i opgaven og værktøjsoutput: nye brugerinstruktioner hører til i en brugertur, mens de returnerede værktøjsbelæg forbliver adskilte.

Udgaven har sine egne beskyttelsesmekanismer og kan returnere en afvisning for kategorier som skadelig cyberaktivitet, biologisk skade, udvikling af konkurrerende modeller eller andre forbudte anvendelser. Udvikleren dokumenterer ikke serverbaseret fallback for Haiku 5.5. Vejledningen bemærker også, at effort på xhigh lejlighedsvis kan afslutte et svar i en samtale med flere ture uden synlig svartekst, og at tekst, som ligner ræsonnement, kan forekomme oftere ved effort på low eller med ræsonnement slået fra. Det er bestemte adfærdsmønstre, som skal tages i betragtning, når et forløb kræver et synligt, struktureret resultat. Ved almindeligt udtræknings- eller resuméarbejde bruges en afgrænset kilde, et defineret output og det indsatsniveau, som passer til opgaven.