Anthropic lanceert Claude Haiku 5.5: sneller, slimmer en 75% goedkoper

TL;DR

• Wat: Anthropic brengt Claude Haiku 5.5 uit — een kleiner AI-model dat 75% goedkoper is dan zijn voorganger en aanzienlijk beter scoort op benchmarks.
• Waarom relevant: Voor ondernemers die AI inzetten bij herhalende taken zoals klantenservice, classificatie of samenvattingen, dalen de kosten fors.
• Wat je ermee kunt: Bereken of taken die je nu met een groter model draait, net zo goed (en veel goedkoper) met Haiku 5.5 kunnen.

Anthropic kondigde vandaag Claude Haiku 5.5 aan, het nieuwste en kleinste model in de Claude 5.5-familie. Ik viel erover omdat de prijsdaling fors is — en omdat dit model functies krijgt die voorheen alleen aan de grotere modellen waren voorbehouden. Voor mij reden genoeg om uit te zoeken wat dit praktisch betekent.

Wat is er precies gelanceerd?

Claude Haiku 5.5 is het derde model dat Anthropic deze maand uitbrengt in de 5.5-reeks, na Opus 5.5 en Sonnet 5.5. Het is wat Anthropic een "small model" noemt — ontworpen voor taken die snel en in grote volumes moeten gebeuren, niet voor diepgaande analyse of creatief schrijfwerk.

Denk aan:

• Classificatie: automatisch bepalen of een binnengekomen e-mail een klacht, vraag of bestelling is.
• Samenvattingen: grote lappen tekst terugbrengen tot een paar kernpunten.
• Database-queries: gestructureerde antwoorden ophalen uit data.
• Klantenservice: snelle, geautomatiseerde antwoorden waar latency ertoe doet.

Het model is beschikbaar via de Claude-website, maar ook via Amazon Web Services, Google Cloud en Microsoft Azure. De model-ID is claude-haiku-5-5, en Anthropic heeft een migratiegids gepubliceerd voor wie wil overstappen.

De prijzen: 75% lager dan de voorganger

Wat mij hier het meest opvalt, zijn de kosten. Anthropic rekent voor Haiku 5.5 $0,10 per miljoen input-tokens en $0,50 per miljoen output-tokens — mits je verzoek onder de 100.000 tokens blijft. Ter vergelijking: Haiku 4.5 kostte $1,00 en $5,00 voor diezelfde eenheden. Dat is een prijsdaling van 90% op papier.

Waarom zegt Anthropic dan 75% en niet 90%? Omdat het model een nieuwere tokenizer gebruikt die iets méér tokens per taak verbruikt. Reken je dat mee, dan kom je gemiddeld op zo'n 75% besparing uit. Volgens Anthropic valt ongeveer 90% van de verzoeken in de goedkopere categorie (onder 100.000 tokens), dus voor de meeste toepassingen klopt dat percentage.

Om het concreet te maken: stel dat je een webshop hebt en dagelijks 10.000 klantvragen automatisch laat classificeren. Met Haiku 4.5 betaalde je daar een bepaald bedrag voor. Met Haiku 5.5 wordt dat — als de benchmarks kloppen — een kwart van die kosten, terwijl de kwaliteit omhoog gaat. Dat is geen klein verschil.

Vergelijking in een tabel

Benchmarks: veel beter dan verwacht

Ik vind het eerlijk gezegd opvallend hoeveel beter Haiku 5.5 scoort dan zijn voorganger. Een paar voorbeelden uit de gepubliceerde benchmarks:

• GDPval-AA v2.1 (een maat voor algemene redeneercapaciteit): 1620 Elo versus 735 voor Haiku 4.5. Dat is meer dan een verdubbeling.
• OSWorld 2.1 (computergebruik): 72,4% versus 15,7%. Van "kan het eigenlijk niet" naar "doet het behoorlijk."
• Humanity's Last Exam (met tools): 57,4% versus 18,7%.

Wat opvalt: Haiku 5.5 scoort op sommige benchmarks zelfs hoger dan GPT-6 Luna van OpenAI, dat als een vergelijkbaar "klein" model wordt gepositioneerd. Op GDPval-AA haalt Haiku 5.5 een 1620 tegenover 1437 voor GPT-6 Luna. Ik wil daar wel bij zeggen dat benchmarks niet altijd een-op-een vertalen naar prestaties in de praktijk — maar de richting is duidelijk.

Anthropic merkt zelf op dat de grotere modellen (Sonnet 5.5 en Opus 5.5) beter blijven voor complexe taken, zoals agentic coding. Haiku 5.5 scoort 39,2% op Terminal-Bench 4.0 tegenover 70,6% voor Sonnet 5.5. Voor simpelere, herhalende taken hoef je die duurdere modellen dus niet in te zetten.

Nieuwe functie: instelbaar inspanningsniveau

Een functie die ik interessant vind voor ondernemers: het instelbare inspanningsniveau. Je kunt Haiku 5.5 op Low, Medium, High, Xhigh of Max zetten. Hoe hoger het niveau, hoe beter het resultaat — maar ook hoe duurder en langzamer.

Waarom is dat handig? Kun je je voorstellen dat je voor het classificeren van e-mails op "Low" draait (goedkoop, snel, goed genoeg), maar voor het samenvatten van contracten op "High"? Je betaalt dan alleen voor de kwaliteit die je nodig hebt, per taak. Dat is een soort volumeknop voor AI — en ik denk dat dit voor MKB-toepassingen een slimme manier is om kosten te beheersen.

Dit is overigens de eerste keer dat een Haiku-model deze functie krijgt. Eerder was het voorbehouden aan de grotere Claude-modellen.

Wat zeggen bedrijven die het al gebruiken?

Anthropic deelt resultaten van een aantal early-access-klanten. Ik neem die met een korrel zout — het zijn klanten die door Anthropic worden aangehaald — maar de cijfers zijn niettemin informatief:

• Asana rapporteert meer dan 30% lagere latency bij het afhandelen van taken en tot 2,5 keer snellere inferentie per agentstap.
• HubSpot behaalde 92,8% op een gesimuleerde CRM-testsuite, het beste resultaat dat hun team van een klein model had gezien.
• AlphaSense scoorde 0,84 versus 0,76 voor Haiku 4.5 op 400 productieachtige zoekopdrachten.
• Box zag 11 punten verbetering ten opzichte van Haiku 4.5 bij ongeveer de helft van de latency.

Ik vind het waardevol dat er concrete percentages worden genoemd, al zou ik graag onafhankelijke tests willen zien.

Veiligheid en kanttekeningen

Een punt dat minder aandacht krijgt maar wel relevant is: Anthropic heeft strengere veiligheidsmaatregelen ingebouwd dan bij Haiku 4.5. Het model weigert 82,6% van kwaadaardige computergebruik-verzoeken, tegenover 58,9% bij de voorganger. De gevoeligheid voor prompt-injectie-aanvallen — een techniek waarbij iemand het model probeert te manipuleren — is gedaald van 83,2% succesrate naar 7,1%.

Er zijn ook bekende regressies. Anthropic meldt zelf dat het model vaker meewerkt bij ambigue verzoeken rond gevoelige onderwerpen wanneer de "thinking"-functie is uitgeschakeld. Voor ontwikkelaars die het model via de API inzetten, adviseert Anthropic om eigen veiligheidsmaatregelen toe te voegen.

Een drukke maand voor Anthropic

Dit is het derde model dat Anthropic in korte tijd uitbrengt. Dat past in een bredere trend: de prijzen van AI-modellen dalen snel, en de prestaties stijgen — vooral bij de kleinere, snellere modellen. Voor mij is dit vooral een signaal dat de drempel voor MKB-ondernemers om AI zinvol in te zetten weer een stuk lager is geworden. Niet omdat de technologie spectaculair anders is, maar omdat de kosten eindelijk op een niveau komen waarop je het voor dagelijkse bedrijfsprocessen kunt verantwoorden.