Claude Haiku 5.5 API

So sánh giá: API chính thức, OpenRouter và Wokey

USD cho mỗi triệu token. Giá API chính thức và OpenRouter được kiểm tra thủ công vào 2026-10-08, chưa gồm thuế; giá Wokey được đọc từ bảng giá trực tiếp.

Bảng hiển thị giá cho prompt tối đa 100.000 token. Khi prompt (đầu vào + đọc cache + ghi cache) vượt quá 100.000, API chính thức và OpenRouter tính phí toàn bộ yêu cầu theo $0.5 đầu vào / $2.5 đầu ra; Wokey cũng tính giá theo độ dài prompt, giá cho prompt dài có trong bảng giá bên dưới.

Kiểm tra ngày 2026-10-08 · Trang giá chính thức · Danh sách endpoint OpenRouter

Dùng trong Claude Code

Mô hình này hỗ trợ /v1/messages trên Wokey. Đặt các biến môi trường sau rồi chạy claude.

export ANTHROPIC_BASE_URL="https://api.wokey.ai"
export ANTHROPIC_AUTH_TOKEN="$WOKEY_API_KEY"
export ANTHROPIC_MODEL="claude-haiku-5-5"

Tổng quan Claude Haiku 5.5

Ngày phát hành

2026-10-07, mô hình cuối cùng của dòng Claude 5.5 (Opus 5.5 ra mắt 09-22 và Sonnet 5.5 ra mắt 09-28). Từ Claude Code 2.1.293, alias haiku trỏ tới mô hình này trên Anthropic API

Định vị

Công việc khối lượng lớn, nhạy với độ trễ (phân loại, trích xuất, định tuyến, tóm tắt, compaction) và sub-agent dưới Opus 5.5 hoặc Sonnet 5.5. Anthropic gọi đây là mô hình nhanh nhất của họ, chi phí chạy trung bình thấp hơn Haiku 4.5 khoảng 75%

Giá chính thức (theo bậc)

Prompt đến 100K token: $0.10 đầu vào / $0.50 đầu ra, đọc cache $0.01, ghi cache 5 phút $0.125, 1 giờ $0.20. Prompt trên 100K: mọi hạng mục tính phí gấp 5x ($0.50 / $2.50). Prompt = đầu vào + đọc cache + ghi cache; Batch được giảm thêm 50%

Ngữ cảnh và đầu ra

Ngữ cảnh 1M không cần header beta; đầu ra tối đa 128K, hoặc 300K trên Batch API với header beta output-300k-2026-03-24

Thinking và effort

Adaptive thinking bật mặc định, effort mặc định là medium trên API và trong Claude Code, năm mức low / medium / high / xhigh / max; văn bản thinking mặc định được lược bỏ

Tokenizer

Giống Claude 4.7 trở về sau: cùng một đoạn văn bản được tính nhiều hơn khoảng 30% token so với Haiku 4.5, nên hãy tính lại chi phí theo token và max_tokens

ID mô hình

claude-haiku-5-5 (không có hậu tố ngày và không có alias riêng; anthropic.claude-haiku-5-5 trên Bedrock)

Kiểm tra ngày 2026-10-08 · Nguồn: Anthropic · Hướng dẫn chuyển đổi

Benchmark chính thức: Haiku 5.5 vs Haiku 4.5 vs GPT-6 Luna vs Sonnet 5.5

Từ trang ra mắt Haiku 5.5 của Anthropic; đây là kết quả do nhà cung cấp tự công bố. “—” nghĩa là không có điểm được công bố. Cột Sonnet 5.5 là số liệu tham chiếu của Anthropic; điểm FrontierCode của nó ở mức xhigh.

Trên Terminal-Bench 4.0, Haiku 5.5 chạy trong Claude Code còn GPT-6 Luna chạy trong Codex (bảng xếp hạng công khai), nên đây không phải so sánh cùng điều kiện. OSWorld ở đây là tập con offline và không khớp với số liệu trên trang ra mắt Sonnet 5.5. Trong Intelligence Index độc lập của Artificial Analysis (v4.3.2), Haiku 5.5 đạt 43 ở max (xhigh 41, high 38, medium 34, low 29), so với 17 của Haiku 4.5, 56 của Sonnet 5.5 và 58 của Opus 5.5; một số báo cáo dẫn GPT-6 Luna (max) đạt 38 trên cùng chỉ số.

Nên dùng mô hình nào: Haiku 5.5, GPT-6 Luna hay Sonnet 5.5

So với Haiku 4.5

Cùng vai trò, thay thế trực tiếp: rẻ hơn 90% mỗi token đến 100K và rẻ hơn 50% khi vượt mức đó, đồng thời dẫn trước ở mọi benchmark đã công bố (Terminal-Bench 4.0 từ 0% lên 39.2%, OSWorld từ 15.7% lên 72.4%). Hãy kiểm tra danh sách chuyển đổi bên dưới trước và đếm lại token: với tokenizer mới, cùng một văn bản nhiều hơn khoảng 30% token.

So với GPT-6 Luna

Đến 100K token, cả hai đều niêm yết $0.10 / $0.50, và Haiku 5.5 đạt điểm cao hơn trên benchmark chính thức và chỉ số Artificial Analysis (43 vs 38). Nhưng phụ phí ngữ cảnh dài của Luna bắt đầu từ 272K và chỉ là 2x đầu vào / 1.5x đầu ra, nên Luna rẻ hơn rõ rệt với prompt dài, và các thử nghiệm của cộng đồng cho thấy Haiku 5.5 dùng nhiều token hơn ở effort high. Chọn Haiku 5.5 khi phần lớn prompt dưới 100K và chất lượng quan trọng; chọn Luna cho ngữ cảnh dài hoặc đơn giá thấp nhất.

So với Sonnet 5.5

Dùng Sonnet 5.5 cho lập trình agentic phức tạp (Terminal-Bench 70.6% vs 39.2%); giao các tác vụ tra cứu có phạm vi rõ ràng, tóm tắt, phân loại, khám phá codebase và công việc sub-agent cho Haiku 5.5 với giá khoảng 1/20 giá niêm yết của Sonnet 5.5. Một cấu hình phổ biến là chạy Opus 5.5 hoặc Sonnet 5.5 ở phiên chính với các sub-agent Haiku 5.5.

Chọn effort

Mức mặc định medium phù hợp với hầu hết công việc; dùng low cho phân loại hoặc trích xuất đơn giản, nơi Artificial Analysis đo được 6.3 giây đến token trả lời đầu tiên và khoảng $0.02 mỗi tác vụ chỉ số. Max trung bình khoảng $0.21 mỗi tác vụ với lượng đầu ra rất lớn, và các lần chạy của cộng đồng cho thấy max lâu hơn low hàng chục lần. Nếu bạn cần xhigh hoặc max, hãy thử Sonnet 5.5 ở low hoặc medium trước.

Tài liệu về effort

Đánh giá của bên thứ ba và cộng đồng

• Artificial Analysis: Intelligence Index (v4.3.2) đạt 43 ở max, cao hơn Haiku 4.5 26 điểm; khoảng 243 token đầu ra/giây ở max. Một tác vụ chỉ số tốn trung bình $0.21 ở max và $0.02 ở low theo giá chính thức; ở max, toàn bộ chỉ số tạo ra 440M token đầu ra, khá dài dòng.
• Hacker News (638 điểm, 321 bình luận): Tích cực: cuối cùng cũng có giá ngang GPT-6 Luna (Simon Willison lưu ý Haiku 4.5 đắt gấp 10 lần Luna), thông minh hơn Luna rõ rệt và đủ tốt để chạy làm sub-agent. Phê bình: ngưỡng 100K là thấp với các phiên agentic; tokenizer mới làm tăng khoảng 30% token; theo chi phí mỗi tác vụ của Artificial Analysis, Haiku vẫn đắt khoảng 3 lần Luna; chất lượng giảm ở low, và từ xhigh lên max là bước nhảy lớn về thời gian và token.

Chuyển từ Haiku 4.5: các request trả về 400

Những thay đổi này lấy từ hướng dẫn chuyển đổi của Anthropic. Hãy kiểm tra request trước khi đổi model sang claude-haiku-5-5. Qua Wokey, gateway xử lý một số mục; mỗi mục đều ghi rõ.

• thinking: {"type": "enabled", "budget_tokens": N} trả về 400; hãy dùng {"type": "adaptive"} kèm effort. thinking: {"type": "disabled"} chỉ hoạt động ở effort high trở xuống. Wokey bỏ budget_tokens thủ công và bỏ disabled ở xhigh / max, chuyển về adaptive thinking mặc định.
• temperature, top_p hoặc top_k không mặc định trả về 400 (temperature phải là 1, top_p phải là 0.99, mọi giá trị top_k đều lỗi). Wokey tự động loại bỏ cả ba.
• Assistant prefill (messages kết thúc bằng lượt assistant) trả về 400, kể cả khi tắt thinking. Hãy kết thúc bằng lượt user và dùng structured outputs hoặc system prompt thay thế.
• Tool computer use computer_20250124 trả về 400; hãy dùng bộ tool computer_toolset_20260801.
• Khối thinking chỉ phát lại được trong tài khoản đã tạo ra chúng và bị loại bỏ không báo ở nơi khác; gửi lại chúng sau khi sửa system, tools hoặc messages trước đó sẽ trả về 400, vì vậy hãy giữ hội thoại ở dạng chỉ nối thêm.
• Phản hồi có thể bắt đầu bằng một khối thinking có văn bản bị lược bỏ theo mặc định, nên hãy chọn khối theo type; thinking được tính vào max_tokens, nên hãy tăng các giới hạn nhỏ.
• tool_choice bắt buộc (any hoặc một tool cụ thể) vẫn hoạt động nhưng phản hồi bắt đầu bằng lời gọi tool và không có thinking; khi từ chối sẽ trả về stop_reason: "refusal"; Priority Tier không được hỗ trợ.

Chạy haiku và sub-agent trên Haiku 5.5 trong Claude Code (Wokey)

export ANTHROPIC_BASE_URL="https://api.wokey.ai"
export ANTHROPIC_AUTH_TOKEN="<your Wokey API key>"
export ANTHROPIC_DEFAULT_HAIKU_MODEL="claude-haiku-5-5"
# Optional: run sub-agents that do not name a model on Haiku 5.5
export CLAUDE_CODE_SUBAGENT_MODEL="haiku"
claude

Ảnh chụp bảng giá danh mục

Giá tính cho mỗi 1 triệu token; việc quyết toán dựa trên giá tại thời điểm yêu cầu.

Prompt trên 100K token

Prompt = đầu vào + đọc cache + ghi cache. Khi prompt vượt quá 100,000 token, toàn bộ yêu cầu, bao gồm đầu ra và cache, được tính theo bảng này; bảng phía trên áp dụng cho prompt tối đa 100K.

Nguồn giá chính thức: https://platform.claude.com/docs/en/models/haiku-5-5/overview

Giá theo khối lượng: nếu bạn thanh toán $6,000 / $10,000 cho mọi mô hình Claude trong một ngày, ngày hôm sau mọi mô hình Claude được giảm 10% / 20% — tự động, không giới hạn. Xem quy tắc

Đo thực tế trên Wokey

28 ngày gần nhất (2026-10-13 đến 2026-11-09), cập nhật mỗi thứ Hai · Yêu cầu thực tế từ 400+ tài khoản

Thời gian đến token đầu tiên, prompt ngắn

3,1 giây (Trung vị · prompt dưới 8K token · p90 9,3 giây)

Thời gian đến token đầu tiên, prompt cỡ agent

4,0 giây (Trung vị · prompt 32K–128K token)

Tỷ lệ trúng cache prompt

86% (Tỷ lệ token đầu vào được đọc từ cache)

Client dùng nhiều nhất: Claude Code 83%, OpenCode 6%. Tỷ lệ trong các yêu cầu từ client nhận diện được; 39% yêu cầu nhận diện được client.

Cách đo

Thời gian đến token đầu tiên tính từ lúc gateway Wokey nhận yêu cầu đến nội dung stream đầu tiên (văn bản, tóm tắt suy luận hoặc từ chối). Con số này bao gồm thời gian xếp hàng, thử lại trên tài khoản khác và thời gian suy nghĩ của mô hình, nên dài hơn độ trễ token đầu tiên của chính upstream. Chỉ tính các yêu cầu streaming thành công, chia nhóm theo kích thước prompt (đầu vào cộng đọc và ghi cache).

Tỷ lệ trúng cache = token đọc từ cache ÷ token đầu vào trên các yêu cầu thành công. Tỷ lệ này phụ thuộc vào client và cách sử dụng; các trang tỷ lệ trúng cache phân tích chi tiết theo từng client.

Không tính tài khoản doanh nghiệp và tài khoản thử nghiệm của chính Wokey. Một mô hình được hiển thị khi có ít nhất 20 người dùng trong 28 ngày gần nhất và không người dùng nào gửi quá 50% số yêu cầu; các tài khoản đăng ký qua cùng một chuỗi giới thiệu được tính là một người dùng. Mỗi số liệu thời gian đến token đầu tiên cần ít nhất 500 yêu cầu.

Tỷ lệ trúng cache theo client

Khả năng của mô hình

Context

1,000,000 tokens

Đầu ra tối đa

128,000 tokens

Streaming

Được hỗ trợ

Tools

Được hỗ trợ

Vision

Được hỗ trợ

Các dạng API được hỗ trợ

/v1/messages

Gửi yêu cầu

/v1/messages

curl https://api.wokey.ai/v1/messages \
  -H "x-api-key: $WOKEY_API_KEY" \
  -H "anthropic-version: 2023-06-01" \
  -H "Content-Type: application/json" \
  -d '{"model":"claude-haiku-5-5","max_tokens":1024,"messages":[{"role":"user","content":"Hello"}]}'

Dùng Claude Haiku 5.5 trong công cụ của bạn

Gateway là https://api.wokey.ai (client tương thích OpenAI thường dùng https://api.wokey.ai/v1), và ID mô hình là claude-haiku-5-5. Mở hướng dẫn cho client bạn đang dùng.

• Dùng Claude Haiku 5.5 trong Claude Code: Anthropic Messages · cài đặt base URL và khóa API
• Dùng Claude Haiku 5.5 trong Claude Desktop: Anthropic Messages · cài đặt base URL và khóa API
• Dùng Claude Haiku 5.5 trong pi: Anthropic Messages · cài đặt base URL và khóa API
• Dùng Claude Haiku 5.5 trong Z Code: Anthropic Messages · cài đặt base URL và khóa API
• Công cụ tính chi phí API Claude: Claude Haiku 5.5 tốn bao nhiêu mỗi tháng: So sánh chi phí hằng tháng trên Anthropic API, OpenRouter và Wokey theo mức sử dụng và tỷ lệ trúng cache của bạn.
• Claude Sonnet 5.5 hay Claude Haiku 5.5: nên dùng mô hình nào?: So sánh song song giá, cửa sổ ngữ cảnh, thời gian đến token đầu tiên và tỷ lệ trúng cache.
• Giải pháp thay thế OpenRouter: Wokey so với OpenRouter: So sánh giá token, phí thanh toán, định dạng API và nguồn upstream.
• API AI có thể xác minh: kiểm tra phản hồi Claude Haiku 5.5 có đến từ upstream chính thức không: Những phản hồi nào có tee.proof, và một bằng chứng chứng minh được gì, không chứng minh được gì.
• Xác minh phản hồi Claude Haiku 5.5 trực tuyến: công cụ kiểm tra relay API AI: Dán phản hồi kèm tee.proof và kiểm tra ngay trên trình duyệt của bạn; không có gì được tải lên.

Câu hỏi thường gặp

Mô hình và tài liệu liên quan

• Claude Haiku 4.5
• Claude Fable 5
• Claude Opus 5
• Claude Opus 4.8
• Tài liệu API
• Tất cả mô hình và bảng giá
• Provider Node