Anthropic: Claude Haiku 5.5 (batch)

Claude Haiku 5.5 är Anthropics lilla modellutgåva för uppgifter med stora volymer och känslighet för fördröjning. Dess huvudsakliga användningsområden omfattar klassificering, dirigering, informationsextraktion, sammanfattning, komprimering av samtal och avgränsat underagentarbete. Den tar emot text och bilder och genererar text. Ett användbart underlag ger den en snäv fråga och ett uttryckligt resultat: en kategori, en definierad uppsättning fält, en kort sammanfattning eller relevant underlag för en annan del av en större uppgift. Behåll källidentifierarna tillsammans med resultatet så att en applikation kan knyta den extraherade informationen till originalmaterialet.

Anthropic positionerar utgåvan för kundsupport i realtid, webbläsaranvändning och korta kodningsdeluppgifter samt repetitiv analys. Den kan komplettera Claude Sonnet 5.5 eller Claude Opus 5.5 i ett arbetsflöde där en större modell hanterar ett ambitiöst projekt och Haiku tar hand om en avgränsad sökning eller sammanfattning. För en supportuppgift tillhandahåller du frågan och tillåtet referensmaterial och anger sedan svarstonen och vad som måste returneras. För en kodningsdeluppgift identifierar du relevanta filer eller utdrag och den exakta frågan i stället för att ge ett öppet projekt utan slutvillkor.

Det dokumenterade kontextfönstret är en miljon token, med upp till 128 000 utdatatoken vid vanlig generering. Resonemangstoken räknas in i genereringsutrymmet, så resultatet behöver plats för både resonemang och synlig text. Gränsen för tillförlitlig kunskap är juni 2026; senare information behöver tillhandahållet underlag eller ett sökverktyg. Anthropic dokumenterar separat en beta-funktion enbart för batch som kan höja utdata till 300 000 token för denna utgåva. Det större utrymmet kräver tillverkarens funktion för utökade utdata och skiljer sig från den vanliga gränsen. En asynkron batch hanterar begäranden oberoende av varandra, vilket gör den användbar för samlingar av dokument eller poster vars resultat behövs efter bearbetning snarare än direkt.

Adaptivt resonemang är aktiverat som standard, och effort är huvudkontrollen för resonemangets djup. Nivåerna är low, medium, high, xhigh och max, med medium som standard. Anthropic rekommenderar medium för det mesta arbetet, high för mer långvariga uppgifter eller strikt instruktionsföljning och low för enklare, korta begäranden. Resonemang kan stängas av vid low, medium eller high; avstängning vid xhigh eller max avvisas. En prompt som ber om ett direkt svar ersätter inte denna kontroll. Manuella budget_tokens-inställningar från Haiku 4.5 överförs inte till denna utgåva, och temperature, top_p och top_k ska utelämnas i det dokumenterade gränssnittet.

Haiku 5.5 använder den nyare tokeniseraren som introducerades i tidigare Claude-generationer, och Anthropic uppskattar att samma text kan använda ungefär 30% fler token än på Haiku 4.5, beroende på innehållet. Den bevarar också resonemangsblock från tidigare assistentturer, så samtalsstorleken kan växa utöver enbart förändringen i tokenisering. Dess minsta cachebara promptlängd är 512 token. Håll tidigare samtalsturer oförändrade när resonemang bevaras och placera nya instruktioner i den senaste turen. Om effort ändras på toppnivå ogiltigförklaras samtalets meddelandecache; tillverkaren dokumenterar en separat beta-funktion för att ändra effort inom adaptiva samtal. Ingen av dessa förmågor fastställer en cacheträff för en viss begäran.

För informationshämtning rekommenderar modellens promptguide att det aktuella datumet tillhandahålls tillsammans med sökverktyget och att de ursprungliga system- och verktygsdefinitionerna hålls stabila. Ge ett nytt datum i den senaste samtalsturen om samtalet fortsätter en senare dag. Ange vad som måste hittas och bevara de returnerade källorna innan du begär en slutsats. En illustrativ uppgift kan exempelvis fråga efter det dokumenterade beteendet hos en angiven programvaruversion, följt av en kort förklaring förankrad i det hämtade textavsnittet. Applikationen tillhandahåller sökverktyget och returnerar dess faktiska resultat; modellens föreslagna sökning är inte bevis för att sökningen har skett.

När strukturerade JSON-utdata kombineras med verktyg dokumenterar guiden en särskild samverkan: med resonemang avstängt kan Haiku hoppa över ett nödvändigt verktygsanrop. Anthropic rekommenderar adaptivt resonemang för sådana begäranden eller att det slutliga JSON-kravet skiljs från verktygssteget. Definiera utdatafälten och klargör att slutsvaret följer verktygsresultaten. Ett underlag för dataextraktion kan ange de nödvändiga fälten och hur saknade värden ska representeras, medan ett sökunderlag först kan begära det underlag som behövs för att fylla dem. Läs svarsblock efter deras typ, eftersom svaret inte behöver vara det första blocket och resonemangstext utelämnas som standard.

För längre agentpromptar påpekar Anthropic att low effort kan avsluta tidigt, hoppa över en sökning eller utelämna en kontroll. Guiden rekommenderar uttryckliga slutförandeinstruktioner och verkliga kontroller av kodändringar innan de rapporteras som färdiga. Förbered det förväntade resultatet och det underlag som skulle visa det: de utvalda textavsnitten för en rapport, det ändrade beteendet för ett kodförslag eller fälten extraherade ur ett dokument. Guiden skiljer också ett användarmeddelande mitt i uppgiften från verktygsutdata: nya användarinstruktioner hör till en användartur, medan det returnerade verktygsunderlaget förblir separat.

Denna utgåva har egna skydd och kan returnera ett avslag för kategorier som cyberskada, biologisk skada, utveckling av konkurrerande modeller eller andra förbjudna användningar. Tillverkaren dokumenterar ingen reservlösning på serversidan för Haiku 5.5. Guiden påpekar också att xhigh effort ibland kan avsluta ett svar över flera turer utan synlig svarstext och att resonemangsliknande text kan förekomma oftare vid low effort eller med resonemang avstängt. Detta är specifika beteenden att ta hänsyn till när ett arbetsflöde kräver ett synligt, strukturerat resultat. För vanlig extraktion eller sammanfattning använder du en avgränsad källa, definierade utdata och den effort-nivå som passar uppgiften.