Anthropic lanza Haiku 5.5 al mismo precio que GPT-6 Luna

Claude Haiku 5.5 cierra la familia 5.5 de Anthropic al precio de GPT-6 Luna

Anthropic lanzó Claude Haiku 5.5, el modelo más económico de su familia, el 7 de octubre —casi un año después de Haiku 4.5—. El nuevo modelo cobra por token lo mismo que GPT-6 Luna de OpenAI (US$0,10 por millón de tokens de entrada y US$0,50 de salida) y promete un costo promedio 75% menor que su predecesor.

El lanzamiento completa, en menos de un mes, la familia 5.5: según Decrypt, Opus 5.5 llegó el 22 de septiembre, Sonnet 5.5 el 28 de septiembre y ahora Haiku 5.5 el 7 de octubre. Para los founders, la pregunta concreta es si este Haiku sirve como "modelo obrero" en flujos multi-agente, y a qué costo real por tarea.

Qué trae Haiku 5.5: precio por niveles, 1M de contexto y control de esfuerzo

Tres decisiones de diseño cambian la cuenta:

¿Y esto cómo se aplica en tu negocio?

En CAR, dueños de empresa de Latinoamérica y España usan la tecnología para ser más rentables. Empiezas con una ruta de 7 días y terminas con un sistema funcionando en tu negocio.

👥 Probar 7 días

Precio escalonado. Bajo 100K tokens se paga US$0,10/US$0,50 por millón de input/output. Por encima, el precio salta 5x a US$0,50/US$2,50, con cache reads que suben de US$0,01 a US$0,05. Según Anthropic, cerca del 90% de las llamadas a Haiku 4.5 caían bajo el umbral barato, por lo que el ahorro promedio real ronda el 75%.
Contexto de 1 millón de tokens, cinco veces más que los 200K de Haiku 4.5. El máximo de salida reportado es de unos 12.000 tokens, según cifras oficiales recogidas por @ShayneRedford.
Effort controls. Es el primer Haiku con los ajustes de "esfuerzo" (bajo, medio, alto, xhigh y max) y adaptive thinking. El default es "medio"; subirlo consume más tokens a cambio de más precisión.

Anthropic posiciona al modelo explícitamente como "subagente" de Opus 5.5 o Sonnet 5.5, ideal para compaction, resúmenes, queries a base de datos y clasificación de alto volumen. Como resumió Mike Krieger (@mikeyk): "Opus hace el pensamiento pesado, Haiku hace el trabajo de alto volumen".

Los benchmarks: dónde Haiku 5.5 supera a Luna — y dónde no

Los números independientes de Artificial Analysis (Intelligence Index v4.3.2, 10 evaluaciones) ponen a Haiku 5.5 en 43 puntos a max effort, 26 puntos por encima de Haiku 4.5. Supera a GLM-5.3 Flash (42), Gemini 3.8 Flash (41) y GPT-6 Luna (38), y queda comparable a Kimi K3 (44) y a 13 puntos de Sonnet 5.5 (56).

En el detalle por tarea, los contrastes son marcados:

OSWorld 2.1 (uso de computadora offline): 72,4% de Haiku 5.5 vs. 48,9% de Luna, según números publicados por Anthropic.
Terminal-Bench 4.0: Artificial Analysis midió 33% para Haiku 5.5 (Anthropic reportó 39,2%). En cualquier caso, muy por encima del 13% de Luna y del 0% de Haiku 4.5.
GDPval-AA v2.1 (trabajo profesional, escala Elo): 1.620 para Haiku 5.5, frente a 1.437 de Luna y apenas 735 de Haiku 4.5, según cifras recogidas por tbreak.
AA-Briefcase (conocimiento agéntico privado): 1.578 Elo, comparable a Muse Spark 1.3 a max effort.

Donde Haiku 5.5 pierde: factual recall. En AA-Omniscience su precisión es 36%, contra 55% de Gemini 3.8 Flash y 44% de GPT-6 Luna. Parte de la brecha viene de que Haiku 5.5 es más willing a decir "no sé" (40% de alucinación, contra 55% de Gemini y 77% de Luna). En AutomationBench-AA apenas alcanza 35%, lejos del 53–60% de Luna, Gemini Flash y GLM-5.3 Flash —aunque Artificial Analysis atribuye el bajo número a un bug de over-refusal previo al lanzamiento que Anthropic ya está parcheando.

La advertencia clave: Haiku 5.5 gasta hasta 3x más tokens que Luna

El titular "75% más barato" se matiza con una variable que el comunicado oficial no destaca: el consumo de tokens. Artificial Analysis midió los tokens de salida promedio por tarea en el Intelligence Index:

max effort: ~162k tokens para Haiku 5.5 vs. ~50k para Luna
xhigh: ~89k vs. ~27k
high: ~55k vs. ~20k
medium: ~33k vs. ~11k

Subir de xhigh a max apenas suma 2 puntos de Intelligence Index (~1,8x los tokens). Y a igual puntaje, Haiku 5.5 sigue siendo más verboso: en high effort marca 38 con ~55k tokens, el mismo 38 que Luna en max con ~50k. El gap se amplía en los escalones bajos.

A esto se suma el escalón de precio 5x para prompts de más de 100K tokens. Para flujos de agente con contextos largos (lectura repetida de un PDF, compaction continua), el ahorro real se acerca al 50% —no al 90% del tramo corto—, y esa es exactamente la diferencia entre el "diez veces más barato en prompts cortos" que reporta Cursor y el "75% más barato promedio" de Anthropic.

El resto del catálogo se mueve: Sonnet 5.5 baja caché y llegan créditos API

Anthropic no se limitó a Haiku. El mismo día:

Sonnet 5.5 vio el precio de cache reads reducido a la mitad, de US$0,20 a US$0,10 por millón de tokens. Anthropic estima que la mayoría del trabajo agéntico de larga duración sale ~20% más barato.
Créditos API mensuales para suscriptores: Max 5x recibe US$100, Max 20x US$200 y planes Team hasta US$500 (pooled). Funcionan en cualquier modelo del Claude Platform, incluido Haiku 5.5, y también en third-party harnesses.
SDKs actualizados en Python y TypeScript con computer-use y browser-use toolsets integrados. El SDK maneja el action loop y se conecta con drivers de browser_use, Browserbase, E2B o Daytona.
Día uno en partners: Cursor publicó comparativas en CursorBench y asegura ser diez veces más barato que Haiku 4.5 en prompts cortos. GitHub Copilot en VS Code afirma que Haiku 5.5 "iguala a Sonnet 5 en muchas tareas de coding usando menos tokens y pasos". Devin reporta 58,4% en FrontierCode 1.1, por delante de Sonnet 5 a aproximadamente un octavo del costo por tarea, y lo recomienda como "sidekick" bajo Opus 5.5 en Fusion.

Qué significa esto para tu startup

Haiku 5.5 no es "el nuevo flagship": es la pieza barata del engranaje. Si ya corres agentes en producción, la decisión es arquitectónica, no de marketing.

Acciones concretas esta semana:

Recalcula el costo por tarea, no por millón de tokens. Si tu flujo depende de prompts cortos (<100K) y alto volumen (summaries, routing, queries SQL, clasificación), el ahorro del 90% en tarifa corta se materializa. Si dependes de contextos largos con mucha lectura repetida, activa cache reads de Sonnet 5.5 a US$0,10 y mueve la lectura larga a Sonnet, no a Haiku.
Prueba el escalón "high" antes que "max". En la mayoría de tareas agentic, la subida de high a max cuesta ~1,8x los tokens por apenas 2 puntos extra de Intelligence Index. Para subagentes de Haiku, "high" es el nuevo sweet spot.
Mira si tu caso cabe en el tier corto. Si el 90% de tus requests históricos cae bajo 100K tokens, el ahorro real se acerca al 90% en ese tramo. Si pasas los 100K con frecuencia, el salto 5x borra buena parte de la ventaja —y ahí conviene comparar con la tarifa larga de Luna (US$0,20/US$0,75 a partir de 272K), que es más barata.
Piensa en Haiku 5.5 como router, no como cerebro. Es el subagente que ejecuta instrucciones de Opus o Sonnet. La pregunta no es ¿me cambio a Haiku?, sino ¿qué parte de tu pipeline delegas a Haiku para reducir el bill de Opus?

La pregunta de fondo no es si Haiku 5.5 es más listo que Luna —los benchmarks dicen que sí en la mayoría de tareas agénticas— sino si el modelo de más tokens por tarea se traduce en una cuenta más barata al final del mes. Para eso todavía falta el cost-per-task definitivo de Artificial Analysis con precios escalonados. Mientras tanto, la regla práctica es: Haiku 5.5 para subagentes en volumen, Sonnet 5.5 para razonamiento con caché y Opus 5.5 solo para las decisiones donde el costo extra se justifique.

Fuentes

¿Y esto cómo se aplica en tu negocio?

En CAR, dueños de empresa de Latinoamérica y España usan la tecnología para ser más rentables. Empiezas con una ruta de 7 días y terminas con un sistema funcionando en tu negocio.

👥 Probar 7 días