> ## Documentation Index > Fetch the complete documentation index at: https://docs.tess.im/llms.txt > Use this file to discover all available pages before exploring further. # Claude Haiku 5.5 > Conheça o Claude Haiku 5.5, o modelo pequeno da Anthropic para tarefas de alto volume e baixa latência: classificação, extração, resumos e subagentes. Claude Haiku 5.5 é o modelo pequeno da família Claude 5.5 da Anthropic. Ele foi feito para **tarefas de alto volume e baixa latência**: classificação, roteamento, extração, resumos, compactação de contexto, consultas a bases e atendimento ao vivo. O destaque é o salto em relação ao Haiku 4.5. Segundo a Anthropic, é o modelo pequeno mais capaz que já lançaram, e o mais rápido na velocidade padrão. Também é o primeiro Haiku com esforço ajustável, o que permite escolher o quanto o modelo pensa. | **Modelo do provider** `claude-haiku-5-5` | **Contexto** 1M tokens | **Max output** 128K tokens | **Provider** Anthropic | | :- | :- | :- | :- | | **Entrada** Texto + imagem | **Saída** Texto | **Thinking** Adaptive (esforço padrão: medium) | **Knowledge cutoff** Junho de 2026 | ## Quando usar o Haiku 5.5, o Sonnet 5.5 e o Opus 5.5 Os três modelos se complementam. A Anthropic posiciona o Haiku 5.5 para trabalho estreito e repetitivo, o Sonnet 5.5 para o dia a dia com escopo claro, e o Opus 5.5 para trabalho complexo e aberto. | | Claude Haiku 5.5 | Claude Sonnet 5.5 | Claude Opus 5.5 | | - | - | - | - | | Melhor para | Alto volume, baixa latência e tarefas estreitas | Tarefas do dia a dia com escopo claro | Trabalho complexo, aberto e de longa duração | | Velocidade | A mais rápida na velocidade padrão | Rápido | Moderado | | Contexto / max output | 1M / 128K | 1M / 128K | 1M / 128K | | Thinking | Adaptive, esforço padrão medium | Adaptive | Adaptive, sempre ativo | | Knowledge cutoff confiável | Junho de 2026 | Junho de 2026 | Junho de 2026 | > [!TIP] > > Uma combinação que funciona bem: o Opus 5.5 ou o Sonnet 5.5 conduz o trabalho, e o Haiku 5.5 atua como subagente em buscas, classificação, extração e compactação. ## O que muda em relação ao Claude Haiku 4.5 ### Mais capaz no trabalho repetitivo O Haiku 5.5 cobre o mesmo tipo de tarefa do Haiku 4.5 com uma margem bem maior. Em trabalho profissional (GDPval-AA), a pontuação publicada pela Anthropic sobe de 735 para 1.620. Em uso de computador no subconjunto offline do OSWorld 2.1, sobe de 15,7% para 72,4%. ### Mais rápido, com esforço ajustável É o modelo mais rápido da Anthropic na velocidade padrão de cada modelo. O modo Fast dos modelos Opus ainda pode ser mais rápido. O thinking é adaptive e vem ligado por padrão, com esforço `medium`. Em esforço mais baixo, o modelo pensa menos e pode pular o thinking em pedidos simples. ### O que os primeiros testes mostraram * A Asana mediu mais de 30% menos latência na conclusão de tarefas e até 2,5 vezes mais velocidade de inferência por turno, em triagem de bugs, setup de projetos e busca em portfólios. * A HubSpot registrou 92,8% em uma suíte de tarefas de CRM (média de três execuções). Numa auditoria de registros antigos e ambíguos, o Haiku 5.5 foi o mais rápido, com a maior taxa de acerto e a menor taxa de falso positivo entre os modelos testados. * A AlphaSense, em cerca de 8 milhões de chamadas semanais de perguntas sobre documentos, comparou 400 consultas: 0,84 contra 0,76 do Haiku 4.5. * A Box viu 11 pontos acima do Haiku 4.5 com cerca de metade da latência, em relatórios e resumos que rodam em escala. * No Devin Fusion, o Haiku 5.5 como modelo auxiliar manteve 66,2 no FrontierCode com o Opus 5.5 na liderança, com menos latência. ## O que os benchmarks mostram Nos resultados publicados pela Anthropic, o salto em relação ao Haiku 4.5 é grande em quase todas as áreas. Em coding agêntico de terminal, o Sonnet 5.5 continua bem à frente. | Benchmark | Haiku 4.5 | Haiku 5.5 | Sonnet 5.5 | O que avalia | | - | -: | -: | -: | - | | GDPval-AA v2.1 | 735 | **1.620** | 1.840 | Trabalho real em 44 profissões | | AA-Briefcase v1.1 | 614 | **1.578** | 1.824 | Knowledge work de longa duração | | OSWorld 2.1 (offline) | 15,7% | **72,4%** | 83,9% | Uso de computador | | Chartography (sem tools) | 6,4% | **46,4%** | 61,6% | Leitura de gráficos | | Humanity's Last Exam (sem tools) | 10,2% | **45,9%** | 56,9% | Reasoning multidisciplinar | | Humanity's Last Exam (com tools) | 18,7% | **57,4%** | 64,5% | Reasoning multidisciplinar com tools | | Terminal-Bench 4.0 | 0,0% | **39,2%** | 70,6% | Tarefas profissionais em terminal | | FrontierCode 1.1 (Main) | — | **46,4%** | 52,1% (XHigh) | Mudanças de código com qualidade de merge | Na avaliação independente da Artificial Analysis, a variante de **esforço baixo** marcou **29 no Intelligence Index**, em 22º lugar entre 182 modelos da mesma classe. A mediana da faixa de preço é 13. Nessa medição, o modelo gerou texto a 181 tokens por segundo e custou US\$ 0,02 por tarefa do índice. Também foi conciso: 32 milhões de tokens de saída no índice, contra uma mediana de 100 milhões. No BenchLM, o agregado parcial é **66,35 de 100**, em 28º lugar entre 888 modelos. A cobertura ainda é parcial (18 benchmarks), então a nota é conservadora. O Haiku 4.5 aparece com 41,45 no mesmo ranking. > [!NOTE] > > A tabela foi publicada pela Anthropic. O Intelligence Index da Artificial Analysis mede a variante de esforço baixo, e o agregado do BenchLM usa cobertura parcial. Os resultados dependem do harness, das tools e do effort. Valide no seu fluxo antes de trocar uma configuração em produção. ### Onde ele não lidera * Em coding agêntico complexo, como o Terminal-Bench 4.0, o **Sonnet 5.5 e o Opus 5.5 continuam claramente mais fortes** (70,6% contra 39,2% do Haiku 5.5). * Em trabalho profissional aberto, o Sonnet 5.5 ainda fica à frente (1.840 contra 1.620 no GDPval-AA). * O tempo até o primeiro token sobe quando o thinking está ativo. Para classificação e extração simples, um esforço mais baixo tende a responder antes. ## Onde ele gera mais valor ### Uma fila que precisa ser classificada o dia todo E-mails, chamados e mensagens chegam sem parar, e cada um precisa de um assunto, uma urgência e um destino. O Haiku 5.5 aplica as mesmas regras em volume, com latência baixa. **Resultado esperado:** cada item sai com categoria, prioridade e roteamento, e os casos ambíguos ficam separados para uma pessoa. ### Perguntas curtas sobre muitos documentos O usuário faz uma pergunta específica sobre um ou poucos arquivos, milhares de vezes. O modelo localiza o trecho, responde só o que foi pedido e aponta a origem. **Resultado esperado:** respostas curtas, com a citação do trecho, sem reescrever o documento inteiro. ### Um subagente ao lado de um modelo maior O Sonnet 5.5 ou o Opus 5.5 monta o entregável. O Haiku 5.5 entra só para buscar um número, resumir um anexo ou compactar o contexto antes da próxima etapa. **Resultado esperado:** o modelo maior gasta o contexto no julgamento, e as consultas repetidas ficam no Haiku 5.5. ## Como aplicar na Tess **1. Escolha trabalho estreito e repetitivo** Prefira classificação, roteamento, extração, resumo e subagentes. Para trabalho aberto ou coding longo, prefira o Sonnet 5.5 ou o Opus 5.5. **2. Feche o formato da resposta** Envie as categorias, os exemplos e o formato exato da saída. Diga o que fazer quando o caso não couber em nenhuma categoria. **3. Defina tools e aprovações** Habilite apenas as ferramentas necessárias. Exija confirmação antes de enviar, publicar ou alterar dados. **4. Use menos esforço nas tarefas simples** Classificação e extração curta costumam bastar com esforço baixo. Reserve esforço maior para quando a tarefa realmente precisar de raciocínio. **5. Amostre antes de escalar** Rode um lote pequeno, confira erros e falsos positivos, e só então aumente o volume. ## Três playbooks para começar ### 1. Classificação e roteamento **Entrada:** mensagens ou chamados, a lista de categorias e exemplos de cada uma.\ **Tools:** nenhuma, ou a fila de origem apenas para leitura. ```text theme={null} Classifique cada item em exatamente uma categoria da lista. Devolva categoria, urgência (baixa, média, alta) e o destino. Se o item for ambíguo ou não couber em nenhuma categoria, marque como revisão humana e explique em uma frase o que faltou. Não responda ao cliente. ``` **Pronto quando:** cada item tem uma categoria da lista ou está marcado para revisão, sem texto extra. ### 2. Extração com citação **Entrada:** um ou poucos documentos e a pergunta.\ **Tools:** leitura de arquivos. ```text theme={null} Responda somente à pergunta, em até cinco linhas. Use apenas o que está nos documentos e cite o trecho de origem de cada número ou fato. Se a resposta não estiver nos arquivos, diga que não encontrou. Não complete com conhecimento geral. ``` **Pronto quando:** a resposta é curta, cada fato tem origem e a ausência de dado fica explícita. ### 3. Subagente de consulta **Entrada:** a pergunta pontual do modelo principal e os arquivos onde a resposta deve estar.\ **Tools:** leitura de arquivos. ```text theme={null} Você é um subagente de consulta. Devolva apenas o valor pedido, a unidade e a citação da fonte. Se houver mais de um valor conflitante, liste os dois com a origem. Não escreva análise, recomendação nem texto de apresentação. ``` **Pronto quando:** a saída cabe no próximo passo do modelo principal, sem contexto desnecessário. ## Limitações e boas práticas * Para trabalho complexo, aberto ou de coding longo, o Sonnet 5.5 e o Opus 5.5 continuam sendo a escolha mais segura. * O tokenizer novo conta cerca de 30% mais tokens que o Haiku 4.5 para o mesmo texto. Um limite de saída calibrado no modelo anterior pode cortar a resposta. * Contexto de 1M tokens não substitui seleção de informação. Envie apenas o conteúdo relevante. * Os safeguards de cibersegurança são mais restritivos que os do Haiku 4.5 e bloqueiam pentest e técnicas mais associadas a ataque. Tarefas defensivas têm uma faixa mais ampla que no Sonnet 5.5. * Os safeguards de biologia são os mesmos do Sonnet 5, do Sonnet 5.5 e do Opus 5. * Revise uma amostra antes de publicar, enviar ou automatizar decisões. * Mantenha aprovação humana para decisões financeiras, jurídicas, clínicas ou de alto impacto. Veja também: [Modelos e Custos](/pt/models-and-cost) · [Claude Sonnet 5.5](/pt/claude-sonnet-5-5) · [Claude Opus 5.5](/pt/claude-opus-5-5) · [Claude Haiku 5.5 — Anthropic](https://www.anthropic.com/claude-haiku-5-5) · [Claude Haiku 5.5 — documentação da Anthropic](https://platform.claude.com/docs/pt-BR/models/haiku-5-5/overview). This documentation is built and hosted on [Mintlify](https://mintlify.com), a developer documentation platform.