Anthropic: Claude Haiku 5.5

Claude Haiku 5.5 è un modello testuale di Anthropic, ed è il successore di Claude Haiku 4.5. Anthropic lo descrive come il suo modello piccolo e veloce, pensato per volumi elevati e lavori sensibili ai costi. Se hai usato le versioni precedenti di Haiku, questa è la sostituzione diretta in quella linea, con i miglioramenti che Anthropic elenca rispetto alla 4.5: coding più forte, computer use e comportamenti agentici correlati.

Sul lato input il modello accetta testo, immagini e file, e produce testo. La finestra di contesto è di 1.000.000 di token, abbastanza ampia da contenere documenti lunghi, codebase o cronologie di conversazione estese in una singola richiesta. L'output massimo è di 128.000 token, quindi il modello può produrre risposte lunghe invece di essere limitato a completamenti brevi. Questi due numeri insieme significano che puoi inviare una quantità sostanziale di materiale e chiedere comunque indietro una quantità sostanziale.

La descrizione del provider indica i carichi di lavoro per cui questo modello è costruito: summarization, subagents e browser use, tutti ad alto volume. La summarization si adatta naturalmente perché puoi passare documenti grandi o raccolte di file nella finestra di contesto e ottenere in uscita testo condensato. I subagents si adattano perché un modello veloce può stare dietro a un planner, gestendo le chiamate di tool più piccole e i passaggi intermedi che sarebbe dispendioso instradare a un modello più grande. Le applicazioni di browser use e computer use, insieme ai compiti di coding, sono aree in cui Anthropic afferma che questa release migliora la 4.5, quindi i loop in stile agente che ispezionano pagine o leggono e scrivono codice sono un adattamento ragionevole.

Lo chiami tramite l'API compatibile OpenAI di api14 usando il model id "anthropic/claude-haiku-5.5", puntando il tuo client OpenAI esistente al gateway. I parametri di richiesta supportati sono include_reasoning, max_completion_tokens, max_tokens, reasoning, reasoning_effort, response_format, stop, structured_outputs, tool_choice, tools e verbosity. In pratica questo significa che puoi controllare la lunghezza dell'output con max_tokens o max_completion_tokens, vincolare la forma della risposta con response_format o structured_outputs, definire funzioni con tools e guidare la selezione con tool_choice, applicare sequenze di stop e regolare quanto ragionamento il modello mostra o esegue tramite reasoning, reasoning_effort, include_reasoning e verbosity.

Poiché è posizionato come il modello piccolo e veloce di Anthropic, è il default sensato quando throughput e volume contano più della profondità su un problema difficile. Per attività che richiedono il ragionamento più forte possibile, un modello più grande della stessa famiglia può essere la scelta migliore, e puoi mantenere la stessa integrazione dato che la forma della richiesta è compatibile. Il contesto di 1.000.000 di token e il tetto di output di 128.000 token eliminano alcune delle solite ragioni per cercare qualcosa di più grande, quindi verifica se il modello più piccolo soddisfa già le tue esigenze prima di cambiare.