# Claude Haiku 5.5 in der Produktion: wann das günstige Modell reicht
Anthropic hat Claude Haiku 5.5 am 7. Oktober 2026 veröffentlicht, und die Preiszeile liest man zweimal: 0,10 $ pro Million Input-Tokens und 0,50 $ pro Million Output-Tokens. Haiku 4.5 kostete 1 $ und 5 $. Auf dem Papier ist das eine Preissenkung um den Faktor zehn, dazu ein Kontextfenster, das von 200K auf 1M Tokens gewachsen ist, und ein Output-Limit, das sich auf 128K verdoppelt hat.
Auf dem Papier. In der Praxis fällt die Senkung kleiner aus, mitten im 1M-Fenster liegt eine Preisschwelle, und eine Klassifizierungs-Route, die mit Haiku 4.5 problemlos lief, kann an dem Tag 400-Fehler liefern, an dem Sie die Modell-ID ändern. Wir haben diesen Artikel für Teams geschrieben, die KI-Workloads mit hohem Volumen betreiben (Triage, Extraktion, Routing, Sub-Agents) und wissen wollen, wo das günstige Modell genügt und wo nicht. Alle Preise und das gesamte API-Verhalten stammen aus der offiziellen Dokumentation von Anthropic zum Launch. Wo wir Annahmen treffen, sagen wir es.
## Die Zahlen, auf die es ankommt
| | Haiku 5.5 | Haiku 4.5 | Sonnet 5.5 | Opus 5.5 |
|---|---|---|---|---|
| Kontext / max. Output | 1M / 128K | 200K / 64K | 1M / 128K | 1M / 128K |
| Input / Output ($ pro MTok) | **0,10 / 0,50** (Prompt ≤ 100K) | 1 / 5 | 2 / 10 | 4 / 20 |
| Input / Output ab 100K Prompt | 0,50 / 2,50 | Pauschalpreis | Pauschalpreis | Pauschalpreis |
| Cache-Read ($ pro MTok) | 0,01 | 0,10 | 0,10 | 0,20 |
| Thinking | adaptiv, standardmäßig an | manuelles Budget, standardmäßig aus | adaptiv, standardmäßig an | immer an |
| Standard-Effort | medium | n/a | high | medium |
| `temperature` / `top_p` / `top_k` | nur Standardwerte | erlaubt | nur Standardwerte | entfernt |
| Assistant-Prefill | 400 | erlaubt | 400 | 400 |
Das Modell ist in der Claude API als `claude-haiku-5-5` verfügbar, auf Amazon Bedrock als `anthropic.claude-haiku-5-5` sowie auf Google Cloud, Microsoft Foundry und Claude Platform on AWS unter der einfachen ID. Cache-Reads kosten das 0,1-Fache des Input-Preises, Cache-Writes mit fünf Minuten das 1,25-Fache und mit einer Stunde das 2-Fache, dieselben Multiplikatoren wie in der übrigen Modellfamilie.
## Warum zehnfach in Wahrheit etwa 7,7× bedeutet
Das Erste, was Ihnen der Migrationsleitfaden einige Absätze weit unten mitteilt: Haiku 5.5 verwendet einen neueren Tokenizer, und **derselbe Text zählt etwa 30 % mehr Tokens** als bei Haiku 4.5. Der Preis pro Token ist um das Zehnfache gesunken, aber Sie zahlen jetzt für 1,3 Tokens, wo Sie früher für eines gezahlt haben. Zehn geteilt durch 1,3 ergibt rund 7,7. Das ist immer noch eine sehr große Senkung, aber es ist die Zahl, die ins Budget gehört, nicht 10×.
Das Zweite, was die Rechnung verschiebt, ist Thinking. Haiku 4.5 hat nur dann nachgedacht, wenn Sie es verlangt haben, mit einem manuellen Token-Budget. Haiku 5.5 nutzt standardmäßig adaptives Thinking mit `medium` Effort, bei jeder Anfrage, die nichts anderes vorgibt. Thinking-Tokens werden als Output-Tokens abgerechnet. Bei einem Klassifizierungs-Prompt, der früher ein einziges Wort zurückgab, zahlen Sie womöglich für einige hundert Tokens Reasoning vor diesem Wort. Die Abhilfe ist billig: `output_config.effort` bei einfachen Routen auf `low` setzen, dann denkt das Modell weniger nach und kann bei leichten Eingaben das Thinking ganz überspringen. Das muss aber bewusst geschehen, denn der Standard erledigt das nicht für Sie.
## Die Preisschwelle bei 100K Tokens
Dieses Detail sollte aus unserer Sicht jedes Team kennen, bevor es irgendetwas um den 1M-Kontext herum entwirft. Haiku 5.5 hat **zwei Preistabellen, gewählt nach Prompt-Länge**. Bis 100K Tokens Prompt zahlen Sie 0,10 $ / 0,50 $. Darüber zahlen Sie 0,50 $ / 2,50 $, also das Fünffache, und die Dokumentation beschreibt das als Tarif für die gesamte Anfrage, nicht nur für die Tokens oberhalb der Schwelle.
Ein Prompt mit 99K Tokens kostet etwa einen Cent. Ein Prompt mit 101K Tokens kostet etwa fünf. Für eine einzelne Anfrage ist das nichts. Für eine Pipeline, die eine Million davon pro Monat sendet, ist es der Unterschied zwischen 10.000 $ und 50.000 $ allein beim Input. Wie die Schwelle bei Prompts funktioniert, die überwiegend aus Cache-Reads bestehen, haben wir nirgends im Detail erklärt gesehen. Rechnen Sie den gecachten Teil daher so, dass er zu den 100K zählt, bis Ihre Rechnung etwas anderes zeigt.
Was das praktisch heißt: **Das 1M-Fenster ist real, aber es ist für gelegentliche Nutzung bepreist**. Für eine Route mit hohem Volumen sollten Sie so entwerfen, dass Sie unter 100K bleiben. Retrieval, das die fünf relevanten Abschnitte liefert statt des ganzen Handbuchs, Gesprächsverläufe, die verdichtet werden, Tool-Ausgaben, die gekürzt werden, bevor sie zurück ans Modell gehen. Wenn eine Route bei jedem Aufruf wirklich 300K Tokens Kontext braucht, ist sie preislich keine Haiku-Route mehr, und Sonnet 5.5 mit 2 $ Pauschalpreis kann am Ende ähnlich liegen.
## Wofür Haiku 5.5 taugt
Anthropic positioniert es für „High-Volume-, latenzkritische Aufgaben wie Klassifizierung, Routing, Extraktion und Sub-Agent-Tasks“ und sagt, es sei beim Befolgen von Anweisungen und als Sub-Agent deutlich besser als Haiku 4.5. Nach unserer Arbeit für Kunden sind das die Routen, auf denen wir es zuerst ausprobieren würden:
- **Ticket- und E-Mail-Triage.** Kategorie, Priorität, Sprache, ob ein Mensch es sehen muss. Kurze Eingabe, strukturierte Antwort, Millionen von Aufrufen.
- **Extraktion in ein Schema.** Rechnungen, Lebensläufe, Verträge, Formularübermittlungen. Mit Structured Outputs kann das Modell kein fehlerhaftes JSON zurückgeben, und das ist hier wichtiger als rohe Intelligenz.
- **Routing vor einem größeren Modell.** Haiku entscheidet, ob eine Frage eine FAQ-Antwort ist, eine Datenbankabfrage oder etwas, das Sonnet oder Opus braucht.
- **Lese-intensive Sub-Agents.** In einem Agenten, der fünfzig Dateien oder hundert Webseiten durchgehen muss, muss das teure Modell nicht alles lesen. Ein Haiku-Worker liest und fasst zusammen, das Hauptmodell entscheidet.
- **Zusammenfassung von Logs und Events.** Aus einer Nacht CloudWatch-Rauschen fünf Zeilen machen, die ein Mensch tatsächlich liest.
- **Moderations- und PII-Prüfungen**, bevor Text gespeichert oder weitergegeben wird.
Wo wir es nicht einsetzen würden: lange agentische Coding-Sessions, große Refactorings, mehrstufige Recherche, bei der die nächste Suche vom Urteil über die vorherige abhängt, und alles, bei dem eine falsche Antwort teuer und schwer zu erkennen ist. Dafür gibt es Sonnet 5.5 und Opus 5.5, und diese Grenze betrachten wir im Vergleich [Opus 5.5 vs Fable 5.1](/de/blog/claude-opus-5-5-vs-fable-5-1).
## Ein realer Kostenvergleich
Rechnen wir eine konkrete Route durch: Ticket-Triage bei einer Million Anfragen pro Monat. Jede Anfrage hat ein Präfix von 3.000 Tokens, das jedes Mal identisch ist (System-Prompt, Kategoriedefinitionen, einige Beispiele) und deshalb aus dem Cache bedient wird. Dazu 1.000 Tokens frischer Input, das Ticket selbst, und 300 Output-Tokens inklusive Thinking bei `low` Effort. Wir nehmen für die 5.5-Modelle dieselbe Token-Anzahl an und teilen für Haiku 4.5 durch 1,3, wie es der Hinweis zum Tokenizer vorgibt. Cache-Writes lassen wir weg, weil das Präfix bei diesem Volumen warm bleibt.
Pro Anfrage sind das 0,00028 $ bei Haiku 5.5, 0,0053 $ bei Sonnet 5.5 und 0,0106 $ bei Opus 5.5. Haiku 5.5 ist bei diesem Profil etwa 19-mal günstiger als Sonnet und 38-mal günstiger als Opus. Beachten Sie, wohin das Geld fließt: Bei Haiku 5.5 entfällt mehr als die Hälfte der Kosten auf den Output, deshalb verschiebt die Effort-Einstellung die Rechnung stärker als die Prompt-Länge. Verdoppeln Sie das Thinking, verdoppeln sich fast auch die Kosten.
Eine Vorsicht, bevor jemand auf Grundlage eines solchen Diagramms eine dreistufige Kaskade baut. Anthropics eigene Kostenhinweise sagen, man solle zuerst die einfachere Option messen: das stärkere Modell bei niedrigerem Effort für dieselben Aufgaben. Eine Kaskade hat versteckte Kosten. Caches gelten pro Modell, also zahlt jede Eskalation ihr Präfix erneut. Eine falsche Antwort des günstigen Modells, die später auffällt, kostet einen Retry beim teuren, und eine falsche Antwort, die nicht auffällt, kostet mehr als jedes Token. Bewerten Sie die Kosten pro abgeschlossener Aufgabe, nicht pro Anfrage. Für Triage und Extraktion gewinnt Haiku meist in beiderlei Hinsicht. Bei allem, was Urteilsvermögen braucht, prüfen Sie mit Ihren eigenen Evals.
## Breaking Changes beim Wechsel von Haiku 4.5
Bestehende Haiku-4.5-Prompts sollten laut Anthropic größtenteils funktionieren. Der Request-Code drumherum vielleicht nicht. Das sind die Änderungen, die Fehler zurückgeben oder die Ausgabe stillschweigend verändern:
1. **`budget_tokens` liefert einen 400.** Thinking ist nur noch adaptiv. Ersetzen Sie das Budget durch `output_config.effort`.
2. **`temperature: 0` liefert einen 400.** Sampling-Parameter müssen auf ihren Standardwerten bleiben; `top_k` wird komplett abgelehnt. Klassifizierungs-Routen setzen fast immer `temperature: 0`, deshalb bricht dies zuerst. Beschränken Sie die Ausgabe stattdessen mit Structured Outputs oder einem Enum in einem Tool-Schema.
3. **Assistant-Prefill liefert einen 400**, auch bei ausgeschaltetem Thinking. Wenn Sie einen Prefill genutzt haben, um JSON zu erzwingen, verwenden Sie Structured Outputs. Wenn Sie damit eine Einleitung überspringen wollten, sagen Sie es im System-Prompt.
4. **Thinking zählt zu `max_tokens`.** Ein `max_tokens: 50`, bemessen für ein Ein-Wort-Label, kann vom Thinking aufgebraucht werden, und Sie erhalten `stop_reason: "max_tokens"` ganz ohne Text. Lassen Sie Spielraum, etwa 1.000 Tokens bei einer kurzen Route, oder senken Sie den Effort.
5. **Der erste Content-Block kann `thinking` sein.** Code, der `response.content[0].text` liest, bricht. Lesen Sie Blöcke nach Typ.
6. **Safety-Klassifizierer können eine Anfrage ablehnen**, und bei Haiku 5.5 gibt es keinen serverseitigen Fallback auf ein anderes Modell. Behandeln Sie `stop_reason: "refusal"` in Ihrem eigenen Code.
7. **Thinking-Blöcke sind an das Konto und an die Konversation gebunden.** Geben Sie sie mit den Tool-Ergebnissen unverändert zurück und bearbeiten Sie frühere Turns nicht.
Thinking auszuschalten ist weiterhin mit `thinking: {type: "disabled"}` möglich, aber nur bei `low`, `medium` oder `high` Effort, und die Dokumentation ist ziemlich klar darin, dass das Senken des Efforts der bessere Hebel ist.
## Wie das im Code aussieht
So ungefähr setzen wir es vor ein Support-Postfach, in TypeScript, mit einem Zod-Schema, damit die Antwort nicht fehlerhaft zurückkommen kann:
```typescript
import Anthropic from "@anthropic-ai/sdk";
import { z } from "zod";
import { zodOutputFormat } from "@anthropic-ai/sdk/helpers/zod";
const Triage = z.object({
category: z.enum(["billing", "bug", "how-to", "account", "other"]),
priority: z.enum(["low", "normal", "urgent"]),
needs_human: z.boolean(),
});
const client = new Anthropic();
export async function triage(ticket: string) {
const response = await client.messages.parse({
model: "claude-haiku-5-5",
max_tokens: 1024, // room for thinking plus the answer
output_config: {
effort: "low",
format: zodOutputFormat(Triage),
},
system: [
{ type: "text", text: TRIAGE_RULES, cache_control: { type: "ephemeral" } },
],
messages: [{ role: "user", content: ticket }],
});
if (response.stop_reason === "refusal") return null; // no server-side fallback on Haiku
return response.parsed_output;
}
```
Drei Details tragen den größten Teil des Nutzens. Die Regeln stehen in einem gecachten System-Block, sodass das Präfix mit 3.000 Tokens ein Zehntel des Input-Preises kostet. Der Effort ist explizit auf `low` gesetzt, weil der Standard `medium` ist. Und nirgends steht `temperature`, denn es mitzuschicken ist jetzt ein Fehler.
## Unsere Empfehlung
Wenn Sie eine Route mit hohem Volumen auf Haiku 4.5 haben, migrieren Sie sie. Selbst nach Abzug des Tokenizers sinkt der Preis um etwa den Faktor 7,7, das Modell befolgt Anweisungen besser, und die Code-Änderungen sind in einem Nachmittag erledigt, wenn Sie die obige Liste durchgehen. Wenn Sie eine Route auf Sonnet haben, die nur klassifiziert oder extrahiert, lassen Sie sie gegen Ihre Evals auf Haiku 5.5 laufen. In unserem Beispiel beträgt die Ersparnis 95 %, und bei dieser Art von Arbeit ist der Qualitätsunterschied oft kleiner, als man erwartet.
Zwei Regeln, um es günstig zu halten: Bleiben Sie unter 100K Tokens pro Prompt und setzen Sie den Effort bei jeder Route explizit. Und wenn Sie einen zweiten Blick darauf möchten, wohin Ihre KI-Rechnung tatsächlich fließt: Das ist Arbeit, die [wir für Kunden erledigen](/contact).