
Claude Haiku 5.5: el modelo pequeño y barato de Anthropic para alto volumen y subagentes
Qué es Claude Haiku 5.5, sus benchmarks según Anthropic y cómo leerlos, cuánto cuesta (desde 0,10/0,50 dólares) y cuándo elegirlo. Datos al 15 de nov. de 2026.
¿Qué es Claude Haiku 5.5 y cuándo salió?
Es la opción económica de la familia, junto a Opus 5.5, Sonnet 5.5 y Fable 5.2. La documentación lo ubica como el de menor latencia comparativa. Es un ejemplo claro de lo que se discute en modelos pequeños vs grandes: menos costo y más velocidad a cambio de menos capacidad en tareas difíciles.
| Dato | Valor |
|---|---|
| ID de API | claude-haiku-5-5 |
| Lanzamiento | 7 de octubre de 2026 |
| Contexto y salida | 1M de tokens de contexto; hasta 128K de salida |
| Precio | 0,10 dólares entrada / 0,50 salida hasta 100.000 tokens de prompt; 0,50 / 2,50 por encima (por millón de tokens) |
| Entrada y salida | Texto e imágenes, y responde en texto |
| Corte de conocimiento | Junio de 2026 |
| Esfuerzo por defecto | medium |
| Abierto o cerrado | Cerrado: se usa por la API y plataformas en la nube |
¿Para qué sirve?
Anthropic lo describe para trabajo de alto volumen y sensible al costo: resúmenes, compactación de contexto, consultas a bases de datos y clasificación. También como subagente junto a Opus 5.5 y Sonnet 5.5 en tareas de código, y para tareas sensibles a la velocidad, como atención al cliente en vivo y uso de un navegador. La documentación añade extracción y enrutamiento.
Un subagente es un agente secundario al que un agente principal le delega una parte del trabajo. Por eso encaja: el modelo grande planifica y el pequeño ejecuta miles de pasos repetitivos a bajo costo.
¿Qué benchmarks publicó y cómo se leen?
Estos puntajes los reporta Anthropic en el anuncio de Haiku 5.5, con su propio arnés de pruebas. No son una medición independiente.
| Benchmark | Puntaje | Quién lo midió | Qué mide, según la fuente |
|---|---|---|---|
| Terminal-Bench 4.0 | 39.2 % | Anthropic | Qué tan bien completa tareas profesionales complejas de varios pasos en una interfaz de línea de comandos |
| OSWorld 2.1 (subconjunto sin conexión) | 72.4 % | Anthropic | Qué tan bien un agente opera una computadora real en tareas largas de varios pasos |
| Humanity’s Last Exam, sin herramientas | 45.9 % | Anthropic | Conocimiento y razonamiento académico de nivel experto |
| Humanity’s Last Exam, con herramientas | 57.4 % | Anthropic | Lo mismo, con herramientas disponibles |
| GDPval-AA v2.1 | 1620 Elo | Anthropic | Trabajo profesional real en 44 ocupaciones |
| FrontierCode 1.1 (Main) | 46.4 % | Anthropic | La página no lo describe |
Cómo leerlos:
- Compara con la versión anterior, en la misma tabla. Anthropic reporta Terminal-Bench 4.0 en 0.0 % para Haiku 4.5 y 39.2 % para Haiku 5.5, y OSWorld 2.1 en 15.7 % y 72.4 %. Es la misma prueba, el mismo laboratorio.
- Fíjate en las variantes. Humanity’s Last Exam aparece con y sin herramientas, y los puntajes difieren por más de 10 puntos. Un número sin su variante no es comparable.
- No armes rankings contra otros laboratorios. La página de Anthropic pone otros modelos en sus comparaciones (por ejemplo GPT-6 Luna), pero un puntaje de otro laboratorio no se midió con el mismo arnés.
- Un modelo pequeño se mide con tu tarea. Para clasificar o extraer, lo que importa es la tasa de acierto en tus datos, no un examen general. La guía está en cómo leer benchmarks de IA.
¿Cuánto cuesta y qué contexto tiene?
A 15 de noviembre de 2026, la documentación de Anthropic lista estos precios por millón de tokens:
| Longitud del prompt | Entrada | Salida | Lectura de caché |
|---|---|---|---|
| Hasta 100.000 tokens | 0,10 dólares | 0,50 dólares | 0,01 dólares |
| Más de 100.000 tokens | 0,50 dólares | 2,50 dólares | 0,05 dólares |
El procesamiento por lotes (Batch API) tiene 50 % de descuento. La página de precios aclara que el largo del prompt cuenta todos los tokens de entrada, incluidas lecturas y escrituras de caché, y que cada solicitud se cobra por separado. Un prompt de 150.000 tokens paga todo a la tarifa alta.
Dos detalles para comparar con Haiku 4.5 (1 / 5 dólares): Anthropic dice que Haiku 5.5 cuesta cerca de 75 % menos en promedio (90 % menos hasta 100.000 tokens de prompt y 50 % menos por encima), y que ese cálculo ya incluye que el tokenizador nuevo usa algo más de tokens por tarea. Su documentación precisa que el mismo texto cuenta unos 30 % más de tokens que en Haiku 4.5. Para entender las unidades, lee tokens, ventana de contexto y costo por token.
Ejemplo ilustrativo de cuenta: clasificar 10.000 tickets, cada uno con 2.000 tokens de entrada y 300 de salida, son 20 millones de tokens de entrada y 3 millones de salida: 2,00 + 1,50 = 3,50 dólares (1,75 por lotes). El mismo trabajo con Opus 5.5, a 4 / 20 dólares, costaría 80 + 60 = 140 dólares. El gasto real varía con lo que genere el modelo.
¿Cuándo elegirlo y cuándo no?
Elígelo cuando:
- Tienes miles de tareas repetitivas y simples: clasificar, extraer campos, enrutar o resumir.
- La latencia importa, como en un asistente en vivo.
- Quieres subagentes baratos bajo un modelo más capaz.
No lo elijas cuando:
- La tarea exige razonamiento difícil o cambios de código complejos: ahí van Opus 5.5 o Fable 5.2.
- Un error cuesta mucho y no hay verificación posterior.
- Tus prompts superan los 100.000 tokens de forma habitual: pagarás la tarifa alta.
Para ver opciones de otros laboratorios, mira modelos de IA actuales.
Ejemplo
Ejemplo ilustrativo: un equipo de producto recibe 5.000 comentarios de usuarios al mes y quiere etiquetar cada uno como “error”, “pedido de función” o “pregunta”. Toman 100 comentarios, los etiquetan a mano y corren la misma lista con Haiku 5.5. Cuentan los aciertos y revisan los fallos. Si la tasa es aceptable, procesan el resto por lotes, y mandan a una persona los casos dudosos.
Qué probar mañana: arma una lista de 50 casos de tu producto con la etiqueta correcta, córrela en Haiku 5.5 y en Opus 5.5 con el mismo prompt, y compara aciertos y costo. Si la diferencia es pequeña, ahorras con el modelo barato.
Errores comunes
- Elegir Haiku por precio sin medir los aciertos con tus propios datos.
- Pasar prompts de más de 100.000 tokens sin darse cuenta de que cambia la tarifa.
- Comparar el costo con Haiku 4.5 sin considerar que el tokenizador cuenta más tokens.
- Usar un puntaje general como garantía para una tarea específica.
- Dejar que decida sin revisión humana en casos de alto riesgo.