Claude Haiku 5.5
Anthropic · Estados Unidos · Lanzado el 7 de octubre de 2026 · Pesos cerrados
| Acceso | API (pesos cerrados) Epoch AI, metadatos de modelos, consultado el 17 de octubre de 2026 |
|---|---|
| Licencia | Propietaria (pesos cerrados) Epoch AI, Benchmarking Hub, consultado el 17 de octubre de 2026 |
| Contexto | 1 M tokens OpenRouter, API pública de modelos, consultado el 17 de octubre de 2026 |
| Precio por 1M tokens | Entrada 0.10 USD, salida 0.50 USD OpenRouter, API pública de modelos, consultado el 17 de octubre de 2026 |
| Índice de capacidades de Epoch (ECI) | 158,98 (intervalo 156,6 a 162,1) Epoch AI, Benchmarking Hub, consultado el 17 de octubre de 2026 |
| Elo general en LMArena | Sin dato |
| Elo en español (LMArena) | Sin dato: LMArena no publica este modelo en la categoría spanish. |
Benchmarks
| Benchmark | Qué mide | Resultado |
|---|---|---|
| GPQA Diamond | Preguntas de ciencia de nivel doctorado | 89,6 % Variante claude-haiku-5-5_max. Epoch AI, Benchmarking Hub, consultado el 17 de octubre de 2026 |
| SWE-bench Verified | Resolver issues reales de GitHub | Sin dato |
| OTIS Mock AIME | Matemática de competencia tipo AIME | 98,9 % Variante claude-haiku-5-5_xhigh. Epoch AI, Benchmarking Hub, consultado el 17 de octubre de 2026 |
| FrontierMath 1-3 | Matemática de investigación | 75,1 % Variante claude-haiku-5-5_max. Epoch AI, Benchmarking Hub, consultado el 17 de octubre de 2026 |
| Humanity's Last Exam | Preguntas expertas de muchas disciplinas | 30,1 % Variante claude-haiku-5-5_unknown. Epoch AI, Benchmarking Hub, consultado el 17 de octubre de 2026 |
| SimpleQA Verified | Exactitud factual en preguntas cortas | 23,8 % Variante claude-haiku-5-5_max. Epoch AI, Benchmarking Hub, consultado el 17 de octubre de 2026 |
| Terminal-Bench | Tareas de agente en la terminal | Sin dato |
| ARC-AGI-2 | Razonamiento abstracto con pocos ejemplos | Sin dato |
Los puntajes corresponden a la mejor variante evaluada (por ejemplo, con más esfuerzo de razonamiento), tal como la publica la fuente. Un "Sin dato" significa que la fuente no lo evaluó, no que el modelo sea malo en esa tarea. Metodología.
Otros modelos de Anthropic
- Claude Opus 5.5 2026-09-22
- Claude Fable 5.1 2026-09-01
- Claude Sonnet 5.5 2026-09-28
- Claude Opus 5 2026-07-24
- Claude Fable 5 2026-06-09
- Claude Opus 4.8 2026-05-28
Qué modelo conviene para cada tarea · Cómo se calcula el costo por tokens · Guía de open source y pesos abiertos