Claude Haiku 5.5

Artículo original ↗ Discusión en Hacker News ↗

El lanzamiento de Claude Haiku 5.5 por parte de Anthropic, un LLM “pequeño” más rápido y barato, está llamando la atención por una capacidad significativamente mejorada —a menudo rivalizando o superando a GPT-6 Luna de OpenAI en muchos benchmarks— al tiempo que introduce precios escalonados agresivos que son muy baratos por debajo de 100k tokens pero suben bruscamente por encima de ese umbral. Los comentaristas debaten dónde encaja Haiku en trabajos reales (agentes, resumido, clasificación, subtareas de programación) frente a alternativas como Luna y modelos chinos de pesos abiertos, sopesando velocidad, coste por tarea y límites de contexto. La actualización también saca a la luz preocupaciones más amplias sobre el lock-in del proveedor, la facturación por suscripción frente a la de API y las restricciones de seguridad en evolución, especialmente para casos de uso de ciberseguridad y biología.

Capacidades del modelo y progreso

  • Muchos ven a Haiku 5.5 como un salto enorme frente a 4.5, con un benchmark que muestra más del doble de la puntuación anterior de “GDPval-AA”.
  • Varias pruebas de terceros y internas informan:
    • Inteligencia aproximadamente similar o mejor que GPT-6 Luna en muchas tareas, especialmente programación, uso de computadoras y flujos de trabajo agénticos.
    • Rendimiento extremadamente rápido (informes de alrededor de ~100+ tokens/seg) y gran desempeño en análisis de datos, clasificación y programación básica.
  • Algunos practicantes, sin embargo, reportan peores resultados que con Haiku 4.5 en sus prompts existentes (fuga de prompts, menor precisión, más lento), lo que sugiere que puede ser necesario reajustar los prompts.

Precios, tokens y corte de contexto

  • Nuevo esquema de precios por niveles: muy barato por debajo de 100k tokens, 5× más caro por encima de eso. Anthropic afirma que ~90% de las solicitudes previas de Haiku 4.5 estaban por debajo de 100k.
  • Varios comentaristas argumentan que 100k es un corte bajo para agentes y sesiones largas de programación; otros dicen que una orquestación cuidadosa y subagentes se mantienen fácilmente por debajo de ese límite.
  • La tokenización es menos eficiente que la de Luna; el mismo texto puede costar 1.5× en tokens, haciendo que el coste en el mundo real sea más cercano o superior al de Luna.

Casos de uso y patrones de agentes

  • Usos propuestos comunes: clasificación “tipo Jev”, resumido, triaje de logs, análisis de documentos, asistentes RAG, subagentes baratos bajo un orquestador Opus/Sonnet.
  • Algunos lo usan (o planean usarlo) para pipelines baratos de descompilación de juegos, flujos de trabajo de analítica y asistentes rápidos de CLI.
  • Consenso: mejor para tareas estrechamente acotadas y efímeras; Opus/Sonnet siguen siendo para razonamiento complejo y programación de alto riesgo.

Comparaciones con competidores

  • Haiku 5.5 es visto como finalmente competitivo con Luna en precio y, a menudo, por delante en capacidad, pero Luna aún podría ganar en coste por tarea en algunos benchmarks.
  • Los modelos chinos/de código abierto (DeepSeek, GLM, MiMo, Qwen) se citan con frecuencia como más baratos o igualmente capaces; varios equipos están migrando activamente a modelos abiertos/chinos por razones de coste, aunque algunos los evitan por razones de política/ideología.

Suscripciones, créditos de API y preocupaciones por el lock-in

  • Los suscriptores Max/Team ahora obtienen créditos mensuales de API sustanciales, vistos como:
    • Una gran ventaja para experimentar construyendo agentes y funciones.
    • También posiblemente una forma de empujar a la gente desde el uso subsidiado del chat hacia el uso medido de la API.
  • Confusión y preocupación sobre si el Claude Agent SDK / claude -p pasará de cuotas de suscripción a facturación por API; la documentación de Anthropic cambió el texto a mitad de la discusión, lo que provocó temores de futuros “rug pulls”.

Seguridad y restricciones

  • Las salvaguardas de ciberseguridad y biología siguen siendo más estrictas de lo que muchos desean; el pentesting y la ayuda de estilo ofensivo están en gran medida bloqueados.
  • Algunos sostienen que las salvaguardas principalmente obstaculizan a investigadores legítimos, ya que los actores serios ya tienen acceso a herramientas peligrosas.