Cuándo usar Haiku 5.5, Sonnet 5.5 y Opus 5.5
Los tres modelos se complementan. Anthropic ubica a Haiku 5.5 en el trabajo estrecho y repetitivo, a Sonnet 5.5 en el día a día con alcance claro, y a Opus 5.5 en el trabajo complejo y abierto.Qué cambia respecto de Claude Haiku 4.5
Más capaz en el trabajo repetitivo
Haiku 5.5 cubre el mismo tipo de tarea que Haiku 4.5 con un margen mucho mayor. En trabajo profesional (GDPval-AA), la puntuación publicada por Anthropic sube de 735 a 1.620. En uso de computadora, en el subconjunto offline de OSWorld 2.1, sube de 15,7% a 72,4%.Más rápido, con esfuerzo ajustable
Es el modelo más rápido de Anthropic a la velocidad estándar de cada modelo. El modo Fast de los modelos Opus todavía puede ser más rápido. El thinking es adaptive y viene activado por defecto, con esfuerzomedium. En un esfuerzo más bajo, el modelo piensa menos y puede saltear el thinking en pedidos simples.
Qué mostraron las primeras pruebas
- Asana midió más de un 30% menos de latencia al completar tareas y hasta 2,5 veces más velocidad de inferencia por turno, en triaje de bugs, setup de proyectos y búsqueda en portafolios.
- HubSpot registró 92,8% en una suite de tareas de CRM (promedio de tres ejecuciones). En una auditoría de registros viejos y ambiguos, Haiku 5.5 fue el más rápido, con la mayor tasa de acierto y la menor tasa de falso positivo entre los modelos que probaron.
- AlphaSense, con cerca de 8 millones de llamadas semanales de preguntas sobre documentos, comparó 400 consultas: 0,84 contra 0,76 de Haiku 4.5.
- Box vio 11 puntos por encima de Haiku 4.5 con cerca de la mitad de la latencia, en reportes y resúmenes que corren a escala.
- En Devin Fusion, Haiku 5.5 como modelo auxiliar mantuvo 66,2 en FrontierCode con Opus 5.5 al frente, con menos latencia.
Qué muestran los benchmarks
En los resultados publicados por Anthropic, el salto respecto de Haiku 4.5 es grande en casi todas las áreas. En coding agéntico de terminal, Sonnet 5.5 sigue bien adelante.
En la evaluación independiente de Artificial Analysis, la variante de esfuerzo bajo marcó 29 en el Intelligence Index, en el puesto 22 entre 182 modelos de la misma clase. La mediana de la franja de precio es 13. En esa medición, el modelo generó texto a 181 tokens por segundo y costó US$ 0,02 por tarea del índice. También fue conciso: 32 millones de tokens de salida en el índice, contra una mediana de 100 millones.
En BenchLM, el agregado parcial es 66,35 de 100, en el puesto 28 entre 888 modelos. La cobertura todavía es parcial (18 benchmarks), así que la nota es conservadora. Haiku 4.5 aparece con 41,45 en el mismo ranking.
La tabla la publicó Anthropic. El Intelligence Index de Artificial Analysis mide la variante de esfuerzo bajo, y el agregado de BenchLM usa cobertura parcial. Los resultados dependen del harness, de las tools y del effort. Validá en tu flujo antes de cambiar una configuración en producción.
Dónde no lidera
- En coding agéntico complejo, como Terminal-Bench 4.0, Sonnet 5.5 y Opus 5.5 siguen claramente más fuertes (70,6% contra 39,2% de Haiku 5.5).
- En trabajo profesional abierto, Sonnet 5.5 todavía va adelante (1.840 contra 1.620 en GDPval-AA).
- El tiempo hasta el primer token sube cuando el thinking está activo. Para clasificación y extracción simples, un esfuerzo más bajo tiende a responder antes.
Dónde genera más valor
Una fila que hay que clasificar todo el día
Llegan mails, tickets y mensajes sin parar, y cada uno necesita un tema, una urgencia y un destino. Haiku 5.5 aplica las mismas reglas en volumen, con latencia baja. Resultado esperado: cada ítem sale con categoría, prioridad y ruteo, y los casos ambiguos quedan aparte para una persona.Preguntas cortas sobre muchos documentos
Alguien hace una pregunta específica sobre uno o pocos archivos, miles de veces. El modelo encuentra el fragmento, responde solo lo que se pidió y señala el origen. Resultado esperado: respuestas cortas, con la cita del fragmento, sin reescribir el documento entero.Un subagente al lado de un modelo más grande
Sonnet 5.5 u Opus 5.5 arma el entregable. Haiku 5.5 entra solo para buscar un número, resumir un adjunto o compactar el contexto antes del paso siguiente. Resultado esperado: el modelo más grande gasta el contexto en el juicio, y las consultas repetidas quedan en Haiku 5.5.Cómo aplicarlo en Tess
1
Elegí trabajo estrecho y repetitivo
Preferí clasificación, ruteo, extracción, resumen y subagentes. Para trabajo abierto o coding largo, preferí Sonnet 5.5 u Opus 5.5.
2
Cerrá el formato de la respuesta
Enviá las categorías, los ejemplos y la forma exacta de la salida. Decí qué hacer cuando el caso no entra en ninguna categoría.
3
Definí tools y aprobaciones
Habilitá solo las herramientas necesarias. Exigí confirmación antes de enviar, publicar o cambiar datos.
4
Usá menos esfuerzo en las tareas simples
La clasificación y la extracción corta suelen alcanzar con esfuerzo bajo. Reservá el esfuerzo más alto para cuando la tarea realmente necesite razonamiento.
5
Muestreá antes de escalar
Corré un lote chico, revisá errores y falsos positivos, y recién después subí el volumen.
Tres playbooks para empezar
1. Clasificación y ruteo
Entrada: mensajes o tickets, la lista de categorías y un ejemplo de cada una.Tools: ninguna, o la cola de origen solo en lectura.
2. Extracción con cita
Entrada: uno o pocos documentos y la pregunta.Tools: lectura de archivos.
3. Subagente de consulta
Entrada: la pregunta puntual del modelo principal y los archivos donde debería estar la respuesta.Tools: lectura de archivos.
Limitaciones y buenas prácticas
- Para trabajo complejo, abierto o de coding largo, Sonnet 5.5 y Opus 5.5 siguen siendo la opción más segura.
- El tokenizer nuevo cuenta cerca de un 30% más de tokens que Haiku 4.5 para el mismo texto. Un límite de salida calibrado en el modelo anterior puede cortar la respuesta.
- Un contexto de 1M tokens no reemplaza la selección de información. Enviá solo el contenido relevante.
- Los safeguards de ciberseguridad son más restrictivos que los de Haiku 4.5 y bloquean pentest y técnicas más asociadas a un ataque. Las tareas defensivas tienen un margen más amplio que en Sonnet 5.5.
- Los safeguards de biología son los mismos de Sonnet 5, Sonnet 5.5 y Opus 5.
- Revisá una muestra antes de publicar, enviar o automatizar decisiones.
- Mantené aprobación humana para decisiones financieras, jurídicas, clínicas o de alto impacto.