Haiku 5.5: מודל קטן, מחיר קטן פי עשרה

לפני שנה "מודל קטן" היה מילה מנומסת ל"מודל שלא עובד". Haiku 4.5 קיבל 0% ב-Terminal-Bench. Haiku 5.5 מקבל 39.2% באותו מבחן, והמחיר ירד פי עשרה. אם אתם מריצים אוטומציות שיווק, סיווג לידים או סוכנים על נפח גבוה, זו הכרזה שמשנה לכם את החשבון בסוף החודש.

המספרים: מה באמת השתנה

לפי VentureBeat, Haiku 5.5 עולה $0.10 למיליון טוקני קלט ו-$0.50 לפלט, כשהפרומפט עד 100 אלף טוקנים. מעל זה המחיר עולה פי חמישה ($0.50 ו-$2.50). אנתרופיק מעריכה שכ-90% מהבקשות ב-Haiku 4.5 נכנסות למסלול הזול. לשם השוואה, Haiku 4.5 עלה $1 ו-$5, ו-Sonnet 5.5 עולה $2 ו-$10.

המחיר זהה ל-GPT-6 Luna של OpenAI. ובמבחנים שאנתרופיק פרסמה, Haiku 5.5 מנצח אותו בכל שישה המבחנים שבהם יש נתונים לשני המודלים. דוגמה: GDPval-AA מדד 1,620 מול 1,437 של Luna, ו-FrontierCode 46.4% מול 42.4%.

ועוד פרט שחשוב לחשבון: אנתרופיק מעריכה חיסכון של כ-75% בעלות עבודה כוללת, לא 90%. הסיבה: ה-tokenizer החדש צורך קצת יותר טוקנים לאותה משימה. מחיר לטוקן הוא לא מחיר למשימה.

למה Computer Use הוא הסיפור

ב-OSWorld, המבחן שמודד אם מודל יודע להפעיל ממשק בעצמו, Haiku 5.5 קיבל 72.4% (על תת-קבוצה offline). Haiku 4.5 קיבל 15.7%, ו-Luna 48.9%. Sonnet 5.5 עדיין מוביל עם 83.9%.

מודל שמפעיל מסך ב-72% הצלחה ועולה עשר אגורות למיליון טוקנים הוא כבר לא דמו. הוא פועל בשורת ייצור.

הלקוחות שציטטו בהכרזה מדברים על מהירות: Asana דיווחה על ירידה של יותר מ-30% בזמן השלמת משימה, ו-Box על כמחצית מהזמן. אלה טענות של לקוחות, לא בדיקה בלתי תלויה. Alex Wang מ-Rogo אמר על אמינות המודל במשימות שליפה צרות: "It's accurate enough that we'd trust it there".

הדעה שלי: איפה כן ואיפה לא

אני לא מעביר הכול ל-Haiku. הגישה שאני ממליץ עליה בארגונים: מודל גדול מתכנן וקובע מדיניות, מודל קטן מבצע בנפח. זה בדיוק הרעיון שכתבתי עליו כשיצא Claude Opus 5.5, והיום המודל הקטן סוף סוף מספיק טוב כדי לשבת בצד הביצוע.

מתאים ל-Haiku: סיווג פניות, תיוג תוכן, חילוץ נתונים ממסמכים, טיוטות ראשונות של וריאציות מודעות, שליפה ממאגר ידע. לא מתאים: החלטות עם סיכון משפטי או כספי, וקוד מורכב. שם Sonnet עדיין רחוק (70.6% לעומת 39.2% ב-Terminal-Bench).

וחשוב לדעת: אנתרופיק החמירה את מגבלות הסייבר ב-Haiku 5.5, כולל חסימת בדיקות חדירה בהגדרות הרגילות.

מה זה אומר לכם

למשווקים וליוצרים: כל תהליך שהיה "יקר מדי להריץ על כל הרשומות" בדקו מחדש. תיוג 50 אלף שורות במאגר לקוחות הפך מפרויקט לתרגיל של אחר צהריים. לארגונים: הצטברות עלות סוכנים היא כבר לא החסם, האיכות והבקרה הם החסם.

אתה מסווג פניות לקוח לעסק שיווקי. לכל פנייה החזר JSON בלבד:
{"קטגוריה": "מכירות | תמיכה | חיוב | אחר", "דחיפות": 1-5, "תשובה_מוצעת": "עד 2 משפטים בעברית"}
אם חסר מידע, כתוב "לא ברור" ואל תנחש.
הפניות:
1. ...
2. ...

כבר עבדתי עם כמה ארגונים על בניית שכבת מודלים מדורגת כזו. אם אתם רוצים לעשות את זה אצלכם, דברו איתי כאן.