Como Usar a API Claude Haiku 5.5?

Para usar a API do Claude Haiku 5.5, envie uma requisição POST para https://api.anthropic.com/v1/messages com "model": "claude-haiku-5-5", sua chave no cabeçalho x-api-key e anthropic-version: 2023-06-01. Custa $0,10/$0,50 por milhão de tokens de entrada/saída para prompts de até 100K tokens ($0,50/$2,50 acima disso), lê até 1M de tokens de contexto, escreve até 128K e tem como padrão o esforço medium com pensamento adaptativo ativado.

A Anthropic lançou o Haiku 5.5 em 7 de outubro de 2026, e é o primeiro Haiku com níveis de esforço (o que é Claude Haiku 5.5 cobre as especificações e o posicionamento). Este guia aborda a primeira chamada em curl, Python e TypeScript, e depois esforço, pensamento, cache, processamento em lote, recusas e conjuntos de ferramentas de agente. Você pode salvar e verificar cada requisição abaixo no Apidog.

API Claude Haiku 5.5 em resumo

Fontes: a página do modelo Haiku 5.5 e a documentação de preços da API Claude.

Sua primeira chamada à API Claude Haiku 5.5

Crie uma chave no Console Claude (o guia de chave de API da Anthropic explica como) e exporte-a como ANTHROPIC_API_KEY. Nunca cole a chave no código. Em seguida, envie isto:

curl https://api.anthropic.com/v1/messages \
  -H "x-api-key: $ANTHROPIC_API_KEY" \
  -H "anthropic-version: 2023-06-01" \
  -H "content-type: application/json" \
  -d '{
    "model": "claude-haiku-5-5",
    "max_tokens": 4096,
    "output_config": {"effort": "medium"},
    "thinking": {"type": "adaptive", "display": "summarized"},
    "messages": [{"role": "user", "content": "Classify this ticket as billing, bug, or feature request: The export button times out on large projects."}]
  }'

O SDK Python pega a ANTHROPIC_API_KEY do ambiente:

import anthropic

client = anthropic.Anthropic()
response = client.messages.create(
    model="claude-haiku-5-5",
    max_tokens=4096,
    output_config={"effort": "medium"},
    thinking={"type": "adaptive", "display": "summarized"},
    messages=[{"role": "user", "content": "Classify this ticket as billing, bug, or feature request: The export button times out on large projects."}],
)

for block in response.content:
    if block.type == "thinking":
        print("[thinking]", block.thinking)
    elif block.type == "text":
        print(block.text)
print(response.stop_reason, response.usage)

TypeScript segue a mesma estrutura:

import Anthropic from "@anthropic-ai/sdk";

const client = new Anthropic();
const response = await client.messages.create({
  model: "claude-haiku-5-5",
  max_tokens: 4096,
  output_config: { effort: "medium" },
  thinking: { type: "adaptive", display: "summarized" },
  messages: [
    { role: "user", content: "Classify this ticket as billing, bug, or feature request: The export button times out on large projects." },
  ],
});

for (const block of response.content) {
  if (block.type === "text") console.log(block.text);
}
console.log(response.stop_reason, response.usage);

Três hábitos mantêm este código funcionando. Selecione blocos de conteúdo por type, porque uma resposta pode começar com um bloco thinking e content[0].text falha. Deixe folga em max_tokens, porque os tokens de pensamento contam para ele. E mantenha o corpo da requisição limpo: sem temperature, top_p, top_k, budget_tokens ou preenchimento prévio do assistente. Cada um deles resulta em um 400 neste modelo. Se você estiver migrando código antigo, o guia Haiku 5.5 vs Haiku 4.5 lista todas as mudanças que quebram a compatibilidade com JSON de antes/depois.

Escolha um nível de esforço

O esforço, definido em output_config.effort, é o principal ajuste para qualidade, latência e custo. O guia de prompting fornece estes pontos de partida:

• low: o nível mais barato e rápido, para chat, tarefas curtas de ferramentas e requisições simples de alto volume.
• medium: o padrão. Comece aqui para a maioria dos trabalhos, incluindo codificação agêntica.
• high: trabalho de conhecimento, tarefas de agente mais longas e seguir instruções rigorosas.
• xhigh e max: apenas onde suas avaliações mostrarem ganho. A Anthropic sugere executar as mesmas avaliações no Claude Sonnet 5.5 e comparar.

A curva de custo é acentuada. Aqui estão as próprias execuções da Anthropic no OSWorld 2.1 (subconjunto offline) dos gráficos de lançamento, com pontuação de crédito parcial e custo por tentativa:

Passar de xhigh para max mais que dobra o custo por menos de cinco pontos. O detalhamento dos benchmarks do Haiku 5.5 tem os outros gráficos por nível de esforço.

Uma peculiaridade: em xhigh em chats de múltiplas interações, o modelo às vezes escreve toda a sua resposta em seu pensamento e encerra a interação sem texto visível. Verifique se há uma resposta vazia antes de mostrá-la ao usuário.

Controlar o pensamento

O pensamento adaptativo está ativado por padrão, e duas coisas mudaram em relação ao Haiku 4.5. Primeiro, a exibição padrão oculta o texto. Cada bloco thinking retorna com um campo thinking vazio e apenas uma signature. Defina "display": "summarized" (como na primeira chamada) quando quiser resumos legíveis em logs ou em uma interface de usuário. Para obter menos pensamento, diminua o esforço; pedir ao modelo para responder diretamente não o impediu nos testes da Anthropic.

Segundo, você pode desativar o pensamento, mas apenas em esforço high ou inferior:

{
  "model": "claude-haiku-5-5",
  "max_tokens": 1024,
  "thinking": {"type": "disabled"},
  "output_config": {"effort": "low"},
  "messages": [{"role": "user", "content": "Extract the invoice number from: INV-2291, due Nov 3."}]
}

O mesmo corpo em xhigh ou max retorna um 400. Um tool_choice forçado (any ou uma ferramenta nomeada) é aceito, mas a resposta começa com a chamada da ferramenta e não contém bloco de pensamento.

Para loops multi-turno e de agente, passe cada bloco de pensamento de volta inalterado e mantenha o histórico apenas para adição. Alterar system, tools ou messages anteriores antes de um bloco de pensamento retornado pode resultar em um 400, e os blocos de pensamento funcionam apenas na conta que os produziu (ou em uma vinculada a ela).

Armazenar prompts em cache e trabalhos em lote

O cache é onde o Haiku 5.5 se torna barato. Para prompts de até 100K tokens, uma leitura de cache custa $0,01 por milhão de tokens contra $0,10 para entrada nova, uma escrita de cache de 5 minutos custa $0,125 e uma escrita de 1 hora custa $0,20. O prompt mínimo armazenável em cache é de 512 tokens, abaixo dos 4.096 no Haiku 4.5, então prompts de sistema curtos e listas de ferramentas agora se qualificam. Marque o prefixo estável com cache_control:

{
  "model": "claude-haiku-5-5",
  "max_tokens": 1024,
  "system": [{
    "type": "text",
    "text": "You are a support triage assistant. <long, stable policy text here>",
    "cache_control": {"type": "ephemeral"}
  }],
  "messages": [{"role": "user", "content": "Ticket: refund not received after 10 days."}]
}

Alterar o effort de nível superior entre as requisições invalida o cache; o esforço por mensagem (cabeçalho beta mid-conversation-output-config-2026-07-01, API Claude e Google Cloud) o mantém. A documentação de cache de prompt cobre os TTLs, e nosso explicador de cache de prompt cobre o conceito.

Para trabalhos que podem esperar, a API de Lotes de Mensagens corta a entrada e saída em 50%: $0,05/$0,25 para prompts de até 100K tokens e $0,25/$1,25 acima. O processamento em lote também é a única rota para 300K tokens de saída, com o cabeçalho beta output-300k-2026-03-24.

Fique atento à linha de 100K: “um prompt com mais de 100.000 tokens paga preços mais altos,” nas palavras da Anthropic. O guia de preços do Haiku 5.5 aborda exemplos de ambos os lados.

Lidar com stop_reason “refusal”

O Haiku 5.5 executa classificadores de segurança que podem recusar uma requisição, e não possui fallback no lado do servidor. Uma requisição recusada retorna com stop_reason: "refusal", e as categorias são cyber, frontier_llm, bio e general_harms. Se você estiver migrando do Haiku 4.5, essas recusas são novas. Enviar a mesma requisição novamente geralmente retorna outra recusa, então não tente novamente cegamente:

def run(client, messages):
    response = client.messages.create(
        model="claude-haiku-5-5",
        max_tokens=4096,
        messages=messages,
    )
    if response.stop_reason == "refusal":
        details = getattr(response, "stop_details", None)
        category = getattr(details, "category", "unknown")
        log_refusal(category, messages)  # your logging
        return {"status": "refused", "category": category}
    text = "".join(b.text for b in response.content if b.type == "text")
    return {"status": "ok", "text": text}

Ramifique em stop_reason antes de ler content, e direcione as recusas para uma pessoa ou outro modelo em seu próprio código. Equipes que realizam trabalhos legítimos de segurança ou ciências da vida bloqueados pelos classificadores cyber ou bio podem se inscrever nos Programas de Verificação Cibernética ou de Ciências da Vida da Anthropic.

Uso de computador e uso de navegador

Na API Claude e no Google Cloud, o Haiku 5.5 suporta o uso de computador apenas através do conjunto de ferramentas computer_toolset_20260801, que não precisa de cabeçalho beta; declarar computer_20250124 retorna um 400. O uso de navegador é feito através de browser_toolset_20260801, que o Haiku 4.5 não suporta. Os SDKs Python e TypeScript adicionaram classes beta para ambos no dia do lançamento. Consulte a documentação da ferramenta de uso de computador para as ferramentas-membro.

Limites de taxa

O Haiku 5.5 tem os mesmos limites de taxa que o Haiku 4.5: 1.000 requisições, 2M de tokens de entrada e 400K de tokens de saída por minuto no nível Start, até 10.000 requisições, 10M de entrada e 2M de saída no nível Scale. O Nível de Prioridade não é suportado. Para lidar com 429, consulte o guia de limite de taxa excedido.

Teste a API Claude Haiku 5.5 no Apidog

Requisições salvas tornam as comparações de esforço e a depuração de recusas repetíveis. Veja a configuração no Apidog:

1. Crie um ambiente e adicione ANTHROPIC_API_KEY como uma variável secreta. Referencie-a como {{ANTHROPIC_API_KEY}} no cabeçalho x-api-key, ao lado de anthropic-version: 2023-06-01 e content-type: application/json.
2. Crie uma requisição POST para https://api.anthropic.com/v1/messages, cole o corpo da primeira chamada e salve-a.
3. Adicione asserções: status é 200, $.stop_reason é igual a end_turn, $.usage.output_tokens é maior que 0, e $.content[*].type contém text. Uma recusa ou uma resposta xhigh vazia agora falha no teste em vez de passar despercebida.
4. Duplique a requisição quatro vezes com low, high, xhigh e max, e execute a pasta. Você obterá o usage para cada nível de esforço em seu próprio prompt.
5. Adicione a variante de prompt de sistema armazenada em cache e afirme que $.usage.cache_read_input_tokens é maior que 0 na segunda execução.

Para padrões mais amplos, consulte teste de aplicações LLM.

FAQ

Qual é o ID do modelo Claude Haiku 5.5? claude-haiku-5-5, sem sufixo de data e sem alias separado, na API Claude, Google Cloud, Microsoft Foundry e Plataforma Claude na AWS. No Amazon Bedrock é anthropic.claude-haiku-5-5.

Existe uma API gratuita para o Claude Haiku 5.5? Não há um nível gratuito contínuo, mas novos usuários da API recebem uma pequena quantidade de crédito gratuito para testar a API. Usuários gratuitos do Claude.ai podem selecionar o Haiku 5.5 no chat, mas isso não é uma chave de API. Os planos Max e Team agora incluem créditos de API mensais. O guia de acesso gratuito cobre o que conta e o que não conta.

Por que minha requisição do Haiku 4.5 retorna 400? Verifique por budget_tokens, um temperature ou top_p não padrão, qualquer top_k, um preenchimento prévio do assistente, ou a ferramenta antiga computer_20250124. Essas são as causas usuais.

Posso usar o Haiku 5.5 no Claude Code? Sim, a partir da v2.1.293. Na API da Anthropic, o alias haiku resolve para Haiku 5.5. Veja Claude Haiku 5.5 no Claude Code.

Devo usar Haiku 5.5 ou Sonnet 5.5 para codificação agêntica? A Anthropic diz que Sonnet 5.5 e Opus 5.5 “permanecem melhores escolhas para tarefas complexas de codificação agêntica.” Use Haiku 5.5 para trabalhos de escopo restrito: classificação, sumarização, compactação, subagentes e uso de navegador.

Próximo passo

Envie a requisição da primeira chamada em medium, depois execute-a novamente em low e high em um prompt da sua própria carga de trabalho e compare usage.output_tokens e a qualidade da resposta. Baixe o Apidog para manter todas as três execuções com asserções, de modo que o próximo lançamento do modelo seja uma mudança de um único campo.