Anthropic: Claude Haiku 5.5 (batch)

Claude Haiku 5.5 (batch) est un modèle de texte d'Anthropic, proposé via api14 sous l'identifiant de modèle anthropic/claude-haiku-5.5:batch. Il succède à Claude Haiku 4.5, et Anthropic le positionne comme un modèle petit et rapide destiné aux charges de travail à fort volume et sensibles au coût. La variante batch est la version que vous appelez via le point de terminaison compatible OpenAI d'api14.

Le modèle accepte du texte, des images et des fichiers en entrée, et il renvoie du texte. Sa fenêtre de contexte est de 1 000 000 de tokens, ce qui est suffisamment grand pour contenir de longs documents, des historiques de conversation étendus ou des bases de code conséquentes dans une seule requête. La sortie maximale est de 128 000 tokens, les réponses peuvent donc être longues lorsque la tâche l'exige. Anthropic décrit le modèle comme plus performant que son prédécesseur en codage, en utilisation d'ordinateur et dans les tâches agentiques associées.

Ces capacités renvoient à un ensemble d'usages assez spécifique. Le résumé est un cas naturel, en particulier sur de longues entrées qui nécessiteraient sinon un découpage. Les sous-agents en sont un autre : un modèle rapide pouvant être appelé de nombreuses fois en parallèle convient aux schémas d'orchestration où un modèle plus grand planifie et où des modèles de la classe Haiku exécutent. Les charges de travail d'utilisation de navigateur et d'utilisation d'ordinateur découlent également des forces annoncées du modèle, tout comme l'assistance au codage où la latence et le débit importent plus que la profondeur de raisonnement maximale. Comme les images et les fichiers sont acceptés en entrée, l'analyse de documents et de captures d'écran peut être traitée dans la même requête que le prompt textuel.

Pour l'appeler via api14, utilisez l'identifiant de modèle anthropic/claude-haiku-5.5:batch avec l'interface de complétions de chat compatible OpenAI. Les paramètres de requête pris en charge sont include_reasoning, max_tokens, reasoning, reasoning_effort, response_format, stop, structured_outputs, tool_choice, tools et verbosity. L'appel d'outils et les sorties structurées sont tous deux disponibles, ce qui signifie que le modèle peut être intégré dans des boucles d'appel de fonctions ou contraint à émettre des réponses au format JSON. Le raisonnement peut être demandé et son niveau d'effort ajusté, et l'indicateur include_reasoning contrôle si le contenu de raisonnement est renvoyé.

La désignation batch mérite votre attention lorsque vous choisissez entre ce modèle et d'autres modèles de la plateforme. Si votre charge de travail est interactive et nécessite la latence la plus faible possible, ou si elle exige le raisonnement le plus profond disponible, un autre modèle pourrait mieux vous convenir. Pour les tâches à fort volume et sensibles au coût où l'entrée est longue et la sortie bornée, ce modèle est celui qui convient.