Anthropic: Claude Haiku 5.5 (batch)

Claude Haiku 5.5 (batch) é um modelo de texto da Anthropic, oferecido através da api14 sob o id de modelo anthropic/claude-haiku-5.5:batch. É o sucessor do Claude Haiku 4.5, e a Anthropic posiciona-o como um modelo pequeno e rápido, destinado a trabalho de elevado volume e sensível ao custo. A variante batch é a versão que utiliza através do endpoint compatível com OpenAI da api14.

O modelo aceita texto, imagens e ficheiros como entrada, e devolve texto. A sua janela de contexto é de 1.000.000 de tokens, o que é suficientemente grande para conter documentos longos, históricos de conversa extensos ou bases de código consideráveis num único pedido. A saída máxima é de 128.000 tokens, pelo que as respostas podem ser longas quando a tarefa o exige. A Anthropic descreve o modelo como mais forte do que o seu predecessor em programação, utilização de computador e tarefas agênticas relacionadas.

Essas capacidades apontam para um conjunto bastante específico de utilizações. A sumarização é uma adequação natural, especialmente sobre entradas longas que de outro modo precisariam de ser divididas em blocos. Os subagentes são outra: um modelo rápido que pode ser chamado muitas vezes em paralelo adequa-se a padrões de orquestração em que um modelo maior planeia e modelos da classe Haiku executam. A utilização de navegador e a utilização de computador também decorrem dos pontos fortes declarados do modelo, tal como a assistência à programação em que a latência e o débito importam mais do que a profundidade de raciocínio máxima. Uma vez que imagens e ficheiros são aceites como entrada, a análise de documentos e capturas de ecrã pode ser tratada no mesmo pedido que o prompt de texto.

Para o utilizar através da api14, use o id de modelo anthropic/claude-haiku-5.5:batch com a interface de chat completions compatível com OpenAI. Os parâmetros suportados são include_reasoning, max_tokens, reasoning, reasoning_effort, response_format, stop, structured_outputs, tool_choice, tools e verbosity. A chamada de ferramentas e as saídas estruturadas estão ambas disponíveis, o que significa que o modelo pode ser integrado em ciclos de chamada de funções ou restringido a emitir respostas em formato JSON. O raciocínio pode ser solicitado e o seu nível de esforço ajustado, e o parâmetro include_reasoning controla se o conteúdo de raciocínio é devolvido.

A designação batch merece atenção quando escolhe entre este e outros modelos na plataforma. Se a sua carga de trabalho for interativa e precisar da menor latência possível, ou se exigir o raciocínio mais profundo disponível, um modelo diferente pode adequar-se melhor. Para trabalhos de elevado volume e sensíveis ao custo, em que a entrada é longa e a saída é limitada, este modelo é a escolha pretendida.