Claude Haiku 4.5

Claude Haiku 4.5 er Anthropics indgangsmodel i Claude 4.5-generationen og blev udgivet i oktober 2025. Den er skruet sammen til opgaver, hvor svartid og pris betyder mere end dyb ræsonnering. Klassificering, routing og korte, velafgrænsede svar er kernen.

I Anthropics egen serie ligger den nederst på kapacitet og nederst på pris. Sonnet og Opus tager de opgaver, der kræver lange ræsonnementskæder eller selvstændig planlægning. Haiku tager de mange små kald, der skal køre igen og igen uden at æde budgettet.

Den rolle gør den interessant i sammensatte systemer. En orkestrator kan bruge en større model til at lægge planen og lade Haiku udføre de delopgaver, der er tydeligt beskrevet på forhånd. Med 200.000 tokens kontekst kan den også bruges til at læse store mængder tekst igennem og returnere et kort resultat.

Modellen belønner præcise prompts. Jo mere du overlader til dens egen fortolkning, jo mere svinger resultatet. Giver du den en klar instruktion, et defineret outputformat og eventuelt et par eksempler, er den til gengæld stabil på tværs af mange kald.

Den er nem at sætte i produktion, fordi latenstiden er lav nok til, at den kan sidde i et synkront flow. Du kan kalde den midt i en brugerinteraktion uden at bygge kø og ventetid op omkring den. Det gør den velegnet til intent-genkendelse foran et større system.

Besværet opstår, når opgaven kræver flere trin uden mellemliggende styring. Haiku 4.5 kan følge en instruktion, men den er ikke bygget til selv at opdage, at instruktionen var utilstrækkelig. Fejl viser sig typisk som svar, der ser rigtige ud i formen, men mangler et led i ræsonnementet.

Outputgrænsen på 64.000 tokens er sjældent bindende for de opgaver, den er tiltænkt. Skal du generere lange, sammenhængende dokumenter, mærker du den dog. Modellen understøtter heller ikke de højeste effort-niveauer, så du kan ikke købe dig til mere tænketid på svære opgaver.

Vælg Sonnet eller Opus, når opgaven kræver, at modellen selv nedbryder problemet. Kodeændringer på tværs af flere filer, juridisk eller teknisk analyse med afvejninger, og agentiske forløb med mange trin hører til der. Prisforskellen er reel, men fejlretning af dårlige svar koster typisk mere.

Har du dokumentsamlinger, der ikke kan være i 200.000 tokens, skal du enten bygge RAG omkring Haiku eller gå op i serien. Begge dele er legitime valg. RAG kræver arbejde i infrastrukturen, men holder omkostningen per kald lav.

Er opgaven ren mønstergenkendelse i stor skala, kan en klassisk klassifikator eller en lille specialiseret model være billigere og mere forudsigelig end nogen sprogmodel. Har du allerede mærkede data, er det værd at måle op imod. Sprogmodellen vinder først, når opgaven skifter ofte, eller når sproget er for varieret til faste regler.

Endelig: hvis du er i gang med at afklare, hvad et system overhovedet skal gøre, så prototype på en større model. Flyt til Haiku 4.5, når kravene ligger fast og opgaven er skåret ned til noget, den kan løse konsistent.