Anthropic: Claude Haiku 5.5

Claude Haiku 5.5 es un modelo de texto de Anthropic, y es el sucesor de Claude Haiku 4.5. Anthropic lo describe como su modelo pequeño y rápido, orientado a trabajo de alto volumen y sensible al costo. Si has usado versiones anteriores de Haiku, esta es el reemplazo directo en esa línea, con las mejoras que Anthropic enumera sobre 4.5 siendo codificación más sólida, uso de computadora y comportamiento agéntico relacionado.

Del lado de la entrada, el modelo acepta texto, imágenes y archivos, y produce texto. La ventana de contexto es de 1,000,000 tokens, lo cual es suficientemente grande para contener documentos largos, bases de código o historiales de conversación extendidos en una sola solicitud. La salida máxima es de 128,000 tokens, así que el modelo puede producir respuestas extensas en lugar de estar limitado a completaciones cortas. Esos dos números juntos significan que puedes enviar una cantidad sustancial de material y aún así pedir una cantidad sustancial de vuelta.

La descripción del proveedor apunta a las cargas de trabajo para las que está construido este modelo: resumen, subagentes y uso de navegador, todo a alto volumen. El resumen encaja naturalmente porque puedes pasar documentos grandes o colecciones de archivos en la ventana de contexto y obtener texto condensado. Los subagentes encajan porque un modelo rápido puede situarse detrás de un planificador, manejando las llamadas a herramientas más pequeñas y los pasos intermedios que sería derrochador enrutar a un modelo más grande. Las aplicaciones de uso de navegador y uso de computadora, junto con tareas de codificación, son áreas donde Anthropic dice que este lanzamiento mejora sobre 4.5, así que los bucles estilo agente que inspeccionan páginas o leen y escriben código son un encaje razonable.

Lo llamas a través de la API compatible con OpenAI de api14 usando el id de modelo "anthropic/claude-haiku-5.5", apuntando tu cliente OpenAI existente a la pasarela. Los parámetros de solicitud que admite son include_reasoning, max_completion_tokens, max_tokens, reasoning, reasoning_effort, response_format, stop, structured_outputs, tool_choice, tools y verbosity. En la práctica eso significa que puedes controlar la longitud de salida con max_tokens o max_completion_tokens, restringir la forma de la respuesta con response_format o structured_outputs, definir funciones con tools y dirigir la selección con tool_choice, aplicar secuencias de parada, y ajustar cuánto razonamiento expone o realiza el modelo a través de reasoning, reasoning_effort, include_reasoning y verbosity.

Debido a que esto está posicionado como el modelo pequeño y rápido de Anthropic, es el valor predeterminado sensato cuando el rendimiento y el volumen importan más que la profundidad en un problema difícil. Para tareas que necesitan el razonamiento más fuerte posible, un modelo más grande de la misma familia puede ser la mejor opción, y puedes mantener la misma integración ya que la forma de la solicitud es compatible. El contexto de 1,000,000 tokens y el techo de salida de 128,000 tokens sí eliminan algunas de las razones habituales para recurrir a algo más grande, así que verifica si el modelo más pequeño ya cumple tus necesidades antes de cambiar.