Claude Haiku 5.5 llegó el 7 de octubre de 2026 con un objetivo claro: hacer más económica la realización frecuente de tareas de IA acotadas y de alcance reducido. Anthropic la posiciona para trabajos como la resumización, la clasificación y encargos más pequeños dentro de flujos de trabajo de agentes más grandes. Para quienes gestionan investigación y documentos, la pregunta útil es dónde un modelo rápido puede encargarse de la preparación rutinaria, dejando la interpretación difícil para una revisión más profunda.
El lanzamiento merece atención, pero su precio en titulares necesita contexto. La longitud del prompt cambia la tasa de la API, y el costo por token de un modelo no te dice cuánto costará un flujo de trabajo completo. Esto es lo que debes saber antes de elegir Haiku 5.5 para tu próximo proyecto.
¿Qué hay de nuevo en Claude Haiku 5.5?
Haiku 5.5 agrega un esfuerzo ajustable a la familia Haiku, dando a los usuarios una forma de controlar qué tan profundamente piensa. La descripción oficial del modelo enumera pensamiento adaptativo, una ventana de contexto de un millón de tokens, entradas de texto e imagen, y salida de texto. Estas son capacidades del modelo; una aplicación en particular puede exponer una selección más pequeña de controles o opciones de entrada.
Esa distinción importa al comparar herramientas. Un modelo puede admitir una ventana de contexto grande sin que cada interfaz te permita enviar tanto material. Del mismo modo, entender imágenes no significa generar imágenes, y un parámetro de esfuerzo en la API no garantiza un selector de esfuerzo en cada producto para consumidores.
El cambio práctico es la flexibilidad dentro de la categoría de modelos pequeños. Una tarea rápida de ordenación y una tarea cuidadosa de extracción de documentos no necesitan instrucciones idénticas ni la misma cantidad de razonamiento. Haiku 5.5 da a los desarrolladores más control sobre ese equilibrio, mientras que los usuarios cotidianos deberían comprobar qué controles ofrece realmente la interfaz que eligieron.
Precios de Claude Haiku 5.5: revisa el nivel según la longitud del prompt
Las tarifas estándar publicadas de la API de Anthropic usan dos niveles según la longitud del prompt. Las cifras siguientes están en dólares estadounidenses por millón de tokens y describen la tarificación de Claude Platform, en lugar de una suscripción o los cargos de una app de terceros.
| Longitud del prompt | Tokens de entrada | Tokens de salida |
|---|---|---|
| Hasta 100,000 tokens | $0.10 | $0.50 |
| Más de 100,000 tokens | $0.50 | $2.50 |
Para prompts de hasta 100,000 tokens, las tasas de tokens listadas están un 90% por debajo de Haiku 4.5. Por encima de ese umbral, la reducción es del 50%. Anthropic estima por separado una reducción promedio de los costos operativos de aproximadamente 75%, considerando su combinación de solicitudes previa y los cambios en el uso de tokens. Esos porcentajes describen comparaciones distintas y no deben usarse de manera intercambiable.
Para una ilustración sencilla, una solicitud con 20,000 tokens de entrada y 2,000 tokens de salida facturables cuesta alrededor de $0.003 con las tarifas estándar más bajas. Una solicitud con 120,000 tokens de entrada y la misma cantidad de salida facturable cuesta alrededor de $0.065 con las tarifas más altas. Estos cálculos excluyen el almacenamiento en caché, los descuentos, los cargos por herramientas y cualquier token facturable adicional; son ejemplos, no estimaciones de costos típicos de documentos.
Lo más útil es medir la solicitud completa. Agregar más contexto, mantener una conversación larga o pedir una respuesta más extensa puede afectar la factura. Antes de pasar un flujo de trabajo existente, compara el uso real de tokens y la cantidad de corrección que necesita el resultado.
Dónde encaja Haiku 5.5 en el trabajo con documentos
Anthropic identifica la clasificación, la extracción, el enrutamiento y las tareas de subagentes como usos previstos. Eso sugiere un punto de partida práctico: darle a Haiku una tarea acotada con una salida que puedas inspeccionar, en lugar de pedirle que resuelva un proyecto completo de investigación en una sola respuesta.
Considera una carpeta de informes de investigación. El primer trabajo podría ser identificar el tema de cada informe, su fecha de publicación y la pregunta principal. El siguiente podría ser extraer los hallazgos declarados en una tabla consistente. Solo después de esa preparación le pides que determine qué hallazgos coinciden, en qué difieren los métodos y qué sigue sin resolverse. Esta es una sugerencia de flujo de trabajo editorial, no una afirmación de que hayamos probado Haiku 5.5 en esos informes.
| Tarea | Una salida útil | Qué revisar |
|---|---|---|
| Ordenar material entrante | Etiquetas de tema con razones breves | Documentos ambiguos y etiquetas inconsistentes |
| Preparar un resumen de primera pasada | Principales afirmaciones y detalles de apoyo | Calificaciones faltantes y cambios de significado |
| Extraer hechos comparables | Una tabla con ubicaciones de origen | Unidades, fechas, valores faltantes y atribución |
| Preparar una entrega | Hallazgos, incertidumbres y preguntas abiertas | Si el siguiente revisor puede rastrear la evidencia |
Un prompt para una primera pasada centrada en la evidencia
Usa este prompt con un documento que puedas revisar junto con la respuesta. Pide una ayuda de lectura estructurada y mantiene la interpretación no sustentada separada de la extracción.
Lee el documento proporcionado y prepara un resumen de investigación.
Usa estas secciones:
1. Pregunta principal: qué problema aborda el documento.
2. Hallazgos clave: identifica hasta cinco hallazgos declarados en la fuente.
3. Evidencia de apoyo: proporciona la sección o la página para cada hallazgo
cuando esa información esté disponible en el material proporcionado.
4. Limitaciones: conserva las calificaciones del autor y sus advertencias.
5. Preguntas abiertas: lista los problemas que el documento no resuelve.
Usa solo el material proporcionado. Si un detalle o la ubicación de la fuente
no está disponible, dilo. Separa tu interpretación de las afirmaciones de la fuente.
No inventes citas, estadísticas ni números de página.
Después de recibir el resumen, compara algunos hallazgos con el original. Si una afirmación combina detalles de secciones diferentes, pídele al modelo que los separe e identifique los pasajes de apoyo. Un resumen pulido solo se vuelve útil cuando preserva las distinciones que necesitas para tu trabajo.
¿Cuánto esfuerzo deberías usar?
La guía de prompting de Anthropic recomienda empezar con medium, el valor predeterminado en la API de Claude y en Claude Code. Describe high como adecuado para el trabajo de conocimiento y tareas más largas, mientras que los niveles superiores deberían “ganarse” su costo adicional a través de la evaluación. La guía también señala que pensar más tiempo puede afectar la longitud de la respuesta y el consumo de tokens. Para un flujo de trabajo de documentos, mantén fija la fuente y el prompt mientras comparas los ajustes que admite tu interfaz. Evalúa si la respuesta conserva las advertencias, sigue el formato e identifica información faltante. Elige el ajuste que produzca un resultado aceptable con una cantidad razonable de revisión; que la respuesta sea más larga por sí sola no establece una mejor calidad.
Cuándo Sonnet u Opus podrían ser la mejor elección
Anthropic continúa recomendando Sonnet 5.5 y Opus 5.5 para trabajos complejos de codificación por agentes. El rol previsto de Haiku incluye tareas más pequeñas y bien definidas que pueden respaldar un flujo de trabajo más grande. Por lo tanto, el lanzamiento ofrece a los usuarios otra opción de enrutamiento, en lugar de establecer un solo modelo como la elección correcta para cada tarea.
Para trabajos de investigación, la decisión debería depender de tus propios ejemplos. Un modelo que extrae bien campos aún puede tener dificultades para explicar evidencia contradictoria. Si la tarea requiere una interpretación sostenida a través de varias fuentes, compara un modelo más grande con el mismo material y evalúa el trabajo resultante, incluido el tiempo necesario para corregirlo. Nuestro resumen de Claude Sonnet 5.5 te brinda contexto sobre otro modelo de la familia.
Convierte la salida del modelo en un flujo de trabajo reutilizable
Elegir un modelo es una parte del trabajo de conocimiento. También necesitas mantener el material de origen accesible, revisar la interpretación y organizar los resultados útiles para la siguiente tarea. Los flujos de trabajo de documentos de iWeaver incluyen resúmenes, explicaciones e información estructurada; su PDF Explainer puede ayudarte a trabajar secciones difíciles de un PDF y pedir explicaciones o ejemplos más claros.
Claude Haiku 5.5 ya está disponible en iWeaver, y iWeaver ofrece una prueba gratuita del modelo. Empieza con un resumen del documento, una tarea de extracción o una pregunta enfocada sobre tu material de origen. Revisa la respuesta frente al original antes de convertirla en notas o en un informe.
Para tu primera evaluación de Haiku 5.5, elige una tarea pequeña y repetible: un resumen de documento, una tabla de extracción o una pasada de clasificación. Define qué debe incluir una respuesta aceptable, compruébalo con la fuente y registra cuánta revisión necesita. Eso te da una base más útil para adoptar el modelo que un precio en titulares o una evaluación amplia por sí solos.