Anthropic: Claude Haiku 5.5 (batch)

Claude Haiku 5.5 er Anthropics småmodellutgave for oppgaver i stort volum som er følsomme for svartid. Hovedbruken omfatter klassifisering, ruting, informasjonsuthenting, oppsummering, samtalekomprimering og målrettet underagentarbeid. Den tar imot tekst og bilder og genererer tekst. En nyttig beskrivelse gir den et avgrenset spørsmål og et eksplisitt resultat: en kategori, et definert sett med felter, en kort oppsummering eller relevant belegg for en annen del av en større oppgave. Hold kildeidentifikatorene med resultatet, slik at en applikasjon kan knytte den uttrukne informasjonen til originalmaterialet.

Anthropic posisjonerer denne utgaven for kundestøtte i sanntid, nettleserbruk og korte kodeunderoppgaver samt gjentakende analyse. Den kan supplere Claude Sonnet 5.5 eller Claude Opus 5.5 i en arbeidsflyt der en større modell håndterer et ambisiøst prosjekt og Haiku håndterer et avgrenset oppslag eller en oppsummering. For en støtteoppgave oppgir du spørsmålet og tillatt referansemateriale, og angir så svartonen og hva som må returneres. For en kodeunderoppgave identifiserer du relevante filer eller utdrag og det eksakte spørsmålet, fremfor å tildele et åpent prosjekt uten et fullføringsvilkår.

Det dokumenterte kontekstvinduet er én million tokener, med opptil 128,000 outputtokener ved vanlig generering. Resonneringstokener teller mot genereringsrammen, så resultatet trenger plass til både resonnering og synlig tekst. Grensen for pålitelig kunnskap er juni 2026; senere informasjon trenger oppgitt belegg eller et søkeverktøy. Anthropic dokumenterer separat en beta bare for batchbehandling som kan øke output til 300,000 tokener for denne utgaven. Den større rammen krever produsentens funksjon for utvidet output og er adskilt fra den vanlige grensen. En asynkron batch håndterer forespørsler uavhengig, noe som gjør den nyttig for samlinger av dokumenter eller poster der resultatene trengs etter behandling fremfor umiddelbart.

Adaptiv resonnering er aktivert som standard, og effort er hovedinnstillingen for resonneringsdybde. Nivåene er low, medium, high, xhigh og max, med medium som standard. Anthropic anbefaler medium for det meste av arbeidet, high for mer vedvarende oppgaver eller streng instruksjonsfølging og low for enklere, korte forespørsler. Resonnering kan deaktiveres ved low, medium eller high; deaktivering ved xhigh eller max avvises. En ledetekst som ber om et direkte svar erstatter ikke denne innstillingen. Manuelle budget_tokens-innstillinger fra Haiku 4.5 gjelder ikke for denne utgaven, og temperature, top_p og top_k bør utelates i det dokumenterte grensesnittet.

Haiku 5.5 bruker den nyere tokenizeren som ble introdusert i tidligere Claude-generasjoner, og Anthropic anslår at samme tekst kan bruke omtrent 30% flere tokener enn på Haiku 4.5, avhengig av innholdet. Den beholder også resonneringsblokker fra tidligere assistentrunder, så samtalestørrelsen kan vokse utover endringen i tokenizer alene. Den minste ledetekstlengden som kan mellomlagres er 512 tokener. Hold tidligere runder uendret når du beholder resonnering, og legg nye instruksjoner i den nyeste runden. Endring av effort på øverste nivå ugyldiggjør samtalens mellomlager for meldinger; produsenten dokumenterer en separat beta for endring av effort innenfor adaptive samtaler. Ingen av disse evnene fastslår at en bestemt forespørsel får et treff i mellomlageret.

For gjenfinning anbefaler modellens veiledning for ledetekster å oppgi gjeldende dato med søkeverktøyet og holde de opprinnelige system- og verktøydefinisjonene stabile. Oppgi en ny dato i den nyeste runden hvis samtalen fortsetter på en senere dag. Angi hva som må finnes og bevar de returnerte kildene før du ber om en konklusjon. En illustrerende oppgave kan for eksempel spørre etter dokumentert oppførsel i en bestemt programvareversjon, etterfulgt av en kort forklaring forankret i den innhentede passasjen. Applikasjonen leverer søkeverktøyet og returnerer de faktiske resultatene; modellens foreslåtte oppslag er ikke belegg for at oppslaget fant sted.

Når strukturert JSON-output kombineres med verktøy, dokumenterer veiledningen en bestemt samhandling: med resonnering deaktivert kan Haiku hoppe over et nødvendig verktøykall. Anthropic anbefaler adaptiv resonnering for slike forespørsler, eller å skille det endelige JSON-kravet fra verktøytrinnet. Definer outputfeltene og gjør det tydelig at det endelige svaret følger verktøyresultatene. En beskrivelse for datauthenting kan navngi påkrevde felter og hvordan manglende verdier skal representeres, mens en oppslagsbeskrivelse først kan be om belegget som trengs for å fylle dem. Les svarblokker etter type, siden svaret ikke trenger å være den første blokken og resonneringstekst utelates som standard.

For lengre agentledetekster bemerker Anthropic at low kan stoppe tidlig, hoppe over et søk eller utelate en kontroll. Veiledningen anbefaler eksplisitte fullføringsinstruksjoner og faktiske kontroller av kodeendringer før de rapporteres som ferdige. Forbered forventet resultat og belegget som ville demonstrere det: de utvalgte passasjene for en rapport, den endrede oppførselen for et kodeforslag eller feltene som er trukket ut fra et dokument. Veiledningen skiller også en brukers melding midt i oppgaven fra verktøyoutput: nye brukerinstruksjoner hører hjemme i en brukerrunde, mens returnert verktøybelegg fortsatt er separat.

Denne utgaven har sine egne beskyttelsestiltak og kan returnere et avslag for kategorier som omfatter skadelig kyberaktivitet, biologisk skade, utvikling av konkurrerende modeller eller andre forbudte bruksområder. Produsenten dokumenterer ikke reservebehandling på serversiden for Haiku 5.5. Veiledningen bemerker også at xhigh-innsats noen ganger kan avslutte et svar i en flerrundesamtale uten synlig svartekst, og at tekst som ligner resonnering kan forekomme oftere ved low eller med resonnering deaktivert. Dette er konkrete atferdstrekk å ta hensyn til når en arbeidsflyt krever et synlig, strukturert resultat. For vanlig uthentings- eller oppsummeringsarbeid bruker du en målrettet kilde, en definert output og et innsatsnivå som passer oppgaven.