Anthropic har introducerat Claude Haiku 5.5, en ny liten Claude-modell som syftar till högvolymer och kostnadskänsliga API arbetsbelastningar. Lanseringen spelar mindre roll eftersom en annan modell har dykt upp i katalogen och mer eftersom den förändrar ekonomin för rutin Claude-trafik: klassificering, sammanfattning, subagent-arbete, webbläsaranvändningssteg, komprimering och andra anrop som inte alltid behöver en större modell.

Rubrikpriset är aggressivt. Anthropic listar Claude Haiku 5.5 till $0,10 per miljon inmatade tokens och $0,50 per miljon utdata för uppmaningar upp till 100 000 tokens, med högre priser för prompter över den tröskeln. Företaget säger att modellen är tillgänglig på Claude Platform och via Amazon Web Services, Google Cloud och Microsoft Azure. OpenRouter listar också Claude Haiku 5.5 med ett 1M-token kontextfönster och tillgänglighet för flera leverantörer.

Samtidigt sänkte Anthropic Claude Sonnet 5.5 cache-läsningspriset från $0,20 till $0,10 per miljon tokens. Den andra förändringen är lätt att missa, men den kan vara lika viktig för team som återanvänder långa systemuppmaningar, lagringsplatser, dokumentation eller konversationsstatus över många samtal.

Vad förändrades

Claude Haiku 5.5 ger utvecklare ett billigare Claude-familjealternativ för arbete som är latenskänsligt, repetitivt eller hög volym. I praktiken sätter det press på routingpolicyer. Ett team kanske vill ha Haiku för extraktion, modereringsliknande triage, korta sammanfattningar och agentbokföring, samtidigt som de behåller Sonnet eller en större Claude-modell för svårare resonemang eller kundinriktad generering.

Den uppdelningen är inte bara en fråga om programkod. En multi-model API gateway för team måste veta vilka uppströms som bär modellen, hur varje leverantör exponerar den, vilka sammanhangsgränser som gäller och hur failover ska bete sig när en molnväg är otillgänglig. Om en gateway behandlar "Claude Haiku 5.5" som en platt katalograd, kan den dölja väsentliga skillnader i leverantörsåtkomst, prisgränser och sammanhangshantering.

Prissättningen har också en form som faktureringssystem måste förstå. Anthropics offentliga pris är inte en enda universell indata-token-hastighet; den angivna låga kursen gäller för uppmaningar upp till 100 000 tokens, med högre priser utöver det. Det betyder att användningsmätning måste bibehålla snabb längd och tillämpa rätt band. Att beräkna ett genomsnitt av kostnaden i efterhand kan vara acceptabelt för en grov instrumentpanel, men det är svagt för kundfakturor, återförsäljarmarginaler eller intern återkrav.

Varför cacheklippningen spelar roll

The Sonnet 5.5 cache-läs prissänkning pekar på ett bredare mönster inom modellekonomi. För många agent- och kodningsarbetsbelastningar är den billigaste begäran inte alltid den som skickas till den minsta modellen. En större modell med en mycket återanvänd cachad kontext kan vara billigare, eller åtminstone mer förutsägbar, än att upprepade gånger skicka fullständig kontext till en mindre.

Detta är särskilt relevant för kodningsagenter och långvariga assistenter. De har ofta förvarskartor, verktygsinstruktioner, tidigare sammanfattningar och policytext över många svängar. Om cacheläsningar blir billigare ändras routingfrågan från "vilken modell har det lägsta ingångspriset?" till "vilken kombination av modell, cachad kontext och uppgiftstyp ger det bästa resultatet av kostnadskvalitet?"

För plattformsteam är den operativa konsekvensen tydlig: tokenredovisning måste separera vanliga indatatoken från cacheläsningar. Att blanda ihop dem kan förvränga marginalanalys och få ett arbetsflöde att se dyrare ut än det är. För ett AI API återförsäljarverksamhet-team kan den distinktionen avgöra om ett kundkonto är lönsamt, underprissatt eller felaktigt strypt.

Vem berörs

Utvecklare som bygger agentsystem är den mest omedelbara målgruppen. Haiku 5.5 ger dem ytterligare en kandidat för subagenter, komprimering, strukturerad extrahering, rensning av sökresultat, förbearbetning av dokument och andra uppgifter som körs många gånger i ett större arbetsflöde. Om dessa samtal för närvarande går till Sonnet som standard kan den nya modellen sänka kostnaden utan att ändra den synliga produktupplevelsen. Det måste fortfarande testas; leverantörens påståenden om prestanda och genomsnittliga besparingar bör inte behandlas som en ersättning för arbetsbelastningsspecifik utvärdering.

Företag som använder flera Claude åtkomstvägar har också rensningsarbete. Tillgänglighet över Anthropic-, AWS-, Google-moln-, Azure- och OpenRouter-routrar är användbar, men det skapar problem med katalogmappning. Upphandling kanske föredrar en molnmarknad, tekniker kanske föredrar direkt Anthropic-åtkomst och en gateway kan behöva reservvägar över båda. Enbart modellnamnet räcker inte för att definiera rutten.

Återförsäljare och partnerplattformar står inför en skarpare version av samma problem. En kund som köper Claude åtkomst via en portal förväntar sig ett enkelt pris och en pålitlig slutpunkt. Bakom det måste operatören hantera leverantörsspecifik tillgänglighet, prompt-längdprisband, cache-läs redovisning, räntegränsskillnader och eventuellt kundspecifika marginaler. Det är precis där unified AI API billing blir mer än fakturakonsolidering; det blir ett policylager för att bestämma hur modellekonomi exponeras för slutanvändare.

Vad är fortfarande osäkert

Det viktigaste okända är prestanda i verkliga arbetsbelastningar. Anthropics positionering av Haiku 5.5 som en liten, snabb modell för användning i stora volymer är rimlig, men latens, kvalitet och kostnadsbesparingar kan variera beroende på leverantör, region, sammanhangsstorlek och uppgiftsdesign. OpenRouters 1M-token-lista gör också kontextlängd till en del av integrationsberättelsen, men team måste fortfarande bekräfta praktiska begränsningar och beteende genom sin valda leverantörsväg.

Det finns också en migreringsrisk. Om team automatiskt dirigerar allt "billigt" arbete till Haiku 5.5, kan de spara pengar samtidigt som de förnedrar subtila uppgifter som att följa instruktioner, syntes av flera dokument eller planering av verktygssamtal. Ett bättre mönster är att först flytta specifika arbetsbelastningsklasser, mäta utdatakvalitet och kostnad och sedan bestämma om en bredare routing är motiverad.

För plattformar i Model Gate-stil är lanseringen en påminnelse om att modellkataloger håller på att bli prismotorer. Att lägga till Claude Haiku 5.5 innebär mer än att lägga till ett ID. Gatewayen måste exponera rätt leverantörsvägar, visa cache- och icke-cache-kostnader separat, stödja faktureringsregler för snabb längd och ge team tillräckligt med analys för att se om deras routningspolicy faktiskt fungerar.