модель · Anthropic · вышла 15 октября 2025
Claude Haiku 4.5
Лёгкая и быстрая модель Anthropic для чатов, программирования и субагентов, дешевле Sonnet
О модели
Claude Haiku 4.5 — самая малая и быстрая модель в линейке Claude 4.5. Anthropic описывает её так: уровень, который недавно был передовым, теперь стал дешевле и быстрее. Перед ответом модель умеет рассуждать, а ещё она вызывает внешние инструменты и может управлять компьютером.
По словам компании, в программировании Haiku 4.5 выходит примерно на уровень Sonnet 4. При этом она стоит втрое дешевле и работает более чем вдвое быстрее. В оценках агентного программирования, где модель сама выполняет многошаговые задачи, она набирает около 90% от результата старшей Sonnet 4.5. В некоторых задачах, например в управлении компьютером, лаборатория ставит её даже выше Sonnet 4.5. На бенчмарке SWE-bench Verified, где модель исправляет реальные ошибки в коде с GitHub, у неё 73,3%. Это среднее по 50 попыткам с бюджетом на рассуждения 128 тысяч токенов.
Модель выбирают там, где важны скорость и цена: чат-ассистенты, поддержка клиентов, совместное программирование, быстрые прототипы. Anthropic предлагает и связку моделей: Sonnet 4.5 разбивает сложную задачу на части, а несколько копий Haiku 4.5 решают эти части параллельно, как субагенты.
Это облегчённая модель, и в самых трудных задачах она уступает старшим Sonnet и Opus. По оценкам безопасности Anthropic, она заметно лучше выровнена, чем Haiku 3.5: нежелательное поведение у неё встречается реже. Модель выпущена с уровнем защиты ASL-2, это мягче, чем уровень ASL-3 у Sonnet 4.5 и Opus 4.1. С тех пор Anthropic выпустила несколько более новых моделей Sonnet и Opus.
источники:Анонс Claude Haiku 4.5 ↗
Рейтинг Epoch AIСводная оценка общих возможностей модели: статистическая модель выводит её из результатов на многих бенчмарках с учётом их сложностиПодробнее на английском ↗
весь рейтинг98место из 268индекс 142вероятный разброс 139–144
- DTBenchВопросы с выбором ответа по теории принятия решений в задачах вроде парадокса Ньюкома, где твой выбор говорит о выборе похожих на тебяСлучайный выбор даёт около 40%, так что это нижняя планка, а не ноль.Подробнее на английском ↗56,0%
- LMCAНасколько оценки моделью доводов в философии, теории решений и безопасности ИИ совпадают с оценками экспертовБалл — корреляция с оценками экспертов, умноженная на 100; практический потолок около 85, а не 100.Подробнее на английском ↗36,4%
- ExploitBenchНаписание эксплойтов для 41 реальной уязвимости движка V8 — от вызова сбоя до выполнения произвольного кодаВзлом разбит на 16 ступеней, и засчитываются промежуточные, так что балл не равен доле полностью взломанных уязвимостей.Подробнее на английском ↗13,7%
- Chess Puzzles100 новых шахматных задач, позиция дана текстом: нужно найти единственный лучший ход по оценке движка StockfishПодробнее на английском ↗3,2%
- SimpleQA Verified1000 коротких вопросов на факты, на которые модель отвечает по памяти, без поиска в интернетеБалл — F1: учитываются и доля верных ответов, и точность там, где модель решилась ответить, так что честное «не знаю» лучше ошибки.Подробнее на английском ↗13,2%
- FrontierMath-Tier-4-2025-07-01-PrivateСамый сложный уровень FrontierMath: исследовательские задачи по математике, на которые у математика уходят часы или дниРезультат посчитан на закрытом наборе задач версии от июля 2025 года; в 2026 году вышла исправленная версия, и числа двух версий не сравнимы.Подробнее на английском ↗3,5%
- DeepResearch Bench100 исследовательских заданий уровня аспирантуры из 22 областей: агент ищет в интернете и пишет аналитический отчёт со ссылкамиБалл — не доля верных ответов: модель-судья оценивает качество отчёта в сравнении с эталонным, отдельно проверяются ссылки.Подробнее на английском ↗45,5%низкое
- Terminal BenchЗадачи в командной строке по мотивам реальной работы: агент сам выполняет их в терминале, результат проверяют автотестыПодробнее на английском ↗35,5%
- ARC-AGI-2Вторая, более трудная версия головоломок на клетках: по примерам найти скрытое правило и применить его к новой картинкеНа каждое задание даётся две попытки; люди в среднем решают около 60% заданий.Подробнее на английском ↗4,0%
- FrontierMath-2025-02-28-PrivateНеопубликованные задачи FrontierMath (уровни 1–3) в версии от 28.02.2025: трудная математика, над которой специалист сидит часамиПодробнее на английском ↗10,4%
- WeirdMLНеобычные задачи по машинному обучению: модель пишет код, который на выданных данных обучает классификатор, например для распознавания фигурБалл — средняя точность обученных моделью классификаторов, а не доля решённых задач.Подробнее на английском ↗45,4%
- OTIS Mock AIME 2024-202545 олимпиадных задач по математике из пробных экзаменов AIME школы OTIS; ответ — целое число от 0 до 999Подробнее на английском ↗66,6%
- BalrogМодель играет в шесть текстовых и клеточных игр, от простых головоломок до NetHack, где нужно выжить и продвинутьсяБалл — средний прогресс от 0 до 100 по всем играм; в NetHack даже лидеры продвигаются очень мало.Подробнее на английском ↗31,2%
- GPQA diamond198 вопросов с выбором ответа по физике, химии и биологии уровня аспирантуры — такие, что ответ не найти поискомСлучайный выбор даёт 25%, а специалисты с учёной степенью в своей области набирают около 70%.Подробнее на английском ↗61,6%
- MATH level 5Самые трудные задачи (5-й уровень) из набора MATH — задачи американских школьных олимпиад AMC 10, AMC 12 и AIMEТест близок к насыщению: у сильных моделей результаты почти одинаковые и высокие, разница в несколько пунктов мало что значит.Подробнее на английском ↗96,4%
- ARC-AGIГоловоломки на цветных клетках: по паре примеров нужно понять правило преобразования картинки и применить его к новойПодробнее на английском ↗47,7%
Новости о модели
все упоминания · 14Anthropic выпустила Claude Haiku 5.5 — в среднем на 75% дешевле Haiku 4.5
Цена за токен у младшей модели Anthropic в десять раз ниже, чем у Haiku 4.5, на запросах до 100 тысяч токенов. Это первая Haiku, у которой можно выбирать уровень рассуждений.
Данные: models.dev (MIT) и Epoch AI (CC BY 4.0).