Claude Haiku 5.5: Anthropics neues Einstiegsmodell für Automatisierung und Browser-Agenten

Am 7. Oktober 2026 hat Anthropic mit Claude Haiku 5.5 ein neues kleines Modell veröffentlicht – laut eigener Ankündigung (öffnet in neuem Tab) das schnellste, günstigste und zugleich leistungsfähigste Haiku-Modell, das das Unternehmen bisher gebaut hat. Für Teams, die eigene Automatisierungen, Chat-Agenten oder Coding-Workflows mit Claude-Modellen betreiben, ist weniger die Marketingformulierung interessant als die konkreten Zahlen dahinter: eine deutliche Preissenkung, ein erstmals einstellbarer Aufwandsgrad bei einem Haiku-Modell, und eine Positionierung explizit für Subagenten, Browser-Automatisierung und Massenverarbeitung. Dieser Beitrag ordnet ein, was belegt ist – und was Herstellerangabe bleibt.

Was Anthropic veröffentlicht hat

Claude Haiku 5.5 ersetzt Haiku 4.5 als kleinstes Modell der aktuellen Claude-Generation. Anthropic beschreibt den Einsatzbereich klar: „high-volume, cost-sensitive work" wie Zusammenfassungen, Kontextkompression, Datenbankabfragen und Klassifizierung, dazu als Subagent neben Opus 5.5 oder Sonnet 5.5 bei Coding-Aufgaben und – wegen der Geschwindigkeit – für latenzkritische Anwendungen wie Live-Kundensupport und Browser-Steuerung.

Technisch bringt das Modell laut OpenRouter (öffnet in neuem Tab) ein 1-Million-Token-Kontextfenster mit und verarbeitet Text- und Bildeingaben. Neu ist der einstellbare „Effort"-Parameter: Haiku 5.5 ist laut Anthropic das erste Modell der Haiku-Reihe, bei dem sich Tiefe, Latenz und Kosten über die Stufen „low" bis „max" gegeneinander abwägen lassen – bisher ein Merkmal, das Anthropic nur den größeren Modellen vorbehalten hatte.

Die Preissenkung im Detail

Die zentrale Zahl aus der Ankündigung: Nach Anthropics eigener Berechnung kostet Haiku 5.5 im Schnitt rund 75 Prozent weniger als Haiku 4.5. Aufgeschlüsselt nach Anfragegröße wird es konkreter – Anthropic beziffert (öffnet in neuem Tab) die Senkung mit 90 Prozent für Anfragen bis 100.000 Token und 50 Prozent für Anfragen darüber, wobei nach Anthropics Angabe 90 Prozent der Anfragen an das Vorgängermodell Haiku 4.5 in die erste, stärker reduzierte Kategorie fielen.

Zwei Einschränkungen gehören zu dieser Tabelle dazu, beide stammen aus Anthropics eigener Fußnote: Erstens verwendet Haiku 5.5 einen neuen Tokenizer, der laut Anthropic für denselben Eingabetext „approximately 30% more tokens" erzeugt als bei Haiku 4.5 – ein Teil der Ersparnis wird dadurch wieder aufgezehrt, in der Gesamtrechnung bleibt laut Anthropic aber die genannte Nettoersparnis von rund 75 Prozent übrig. Zweitens hat Anthropic parallel die Cache-Lesepreise von Sonnet 5.5 um 50 Prozent gesenkt (von 0,20 $ auf 0,10 $ pro Million Token), was laut Anthropic die Kosten von Sonnet 5.5 bei den meisten agentischen Aufgaben um rund 20 Prozent senkt. Wer aktuell zwischen Haiku und Sonnet für einen Anwendungsfall abwägt, rechnet damit auf einer veränderten Basis neu.

Was die Benchmarks zeigen – und was nicht

Anthropic veröffentlicht eigene Vergleichswerte gegenüber Haiku 4.5 und OpenAIs GPT-6 Luna, darunter beim Agentic-Coding-Test Terminal-Bench 4.0 (39,2 Prozent gegenüber 0,0 Prozent bei Haiku 4.5 und 16,4 Prozent bei GPT-6 Luna) und beim Computernutzungs-Test OSWorld 2.1 (72,4 Prozent gegenüber 15,7 Prozent bei Haiku 4.5 und 48,9 Prozent bei GPT-6 Luna, jeweils Offline-Teilmenge). Diese Zahlen sind Herstellerangaben aus der eigenen Ankündigung – nicht geprüft von einer unabhängigen Stelle.

Eine zweite, unabhängige Einordnung liefert das Analyseportal Artificial Analysis über OpenRouter (öffnet in neuem Tab): Dort erreicht Haiku 5.5 im eigenen Intelligence Index einen Wert von 43,4 und liegt damit laut Artificial Analysis vor 92 Prozent der dort verglichenen Modelle. Auf Humanity's Last Exam, einem Test für akademisches Expertenwissen, kommt das Modell in dieser unabhängigen Auswertung auf 44,4 Prozent – ein Wert, der zwischen Anthropics eigenen Angaben für „no tools" (45,9 Prozent) und „with tools" (57,4 Prozent) liegt und die Größenordnung damit stützt, ohne sie exakt zu bestätigen. Wichtig für die Einordnung: Beide Quellen testen mit unterschiedlichen Methoden und Promptformaten, die Zahlen sind deshalb vergleichbar in der Richtung, nicht im letzten Prozentpunkt.

Zur Verfügbarkeit bestätigt AWS in einem eigenen Blogbeitrag (öffnet in neuem Tab), dass Haiku 5.5 ab Release-Tag über Amazon Bedrock nutzbar ist, parallel zur Verfügbarkeit auf Google Cloud, Microsoft Azure und direkt über die Claude-Plattform – ein Hinweis, dass es sich nicht um einen exklusiven Direktvertrieb handelt, sondern Haiku 5.5 denselben Multi-Cloud-Vertriebsweg nimmt wie die vorherigen Modelle.

Für wen das relevant ist

Drei Einsatzmuster, für die Anthropic das Modell explizit positioniert, decken sich mit dem, was in Automatisierungsprojekten im Mittelstand tatsächlich läuft:

Subagenten in Coding-Workflows. Wer mit Claude Code oder einem ähnlichen Agenten-Setup arbeitet, lagert Routineschritte – eine Datei durchsuchen, eine Spezifikation zusammenfassen, ein Testprotokoll auswerten – oft an ein kleineres Modell aus, während ein größeres Modell (Opus 5.5 oder Sonnet 5.5) die eigentliche Planung übernimmt. Genau dafür nennt Anthropic Haiku 5.5 als Kandidaten, und mehrere der in der Ankündigung zitierten Unternehmen – darunter Rogo und Cognition – beschreiben diesen Einsatz konkret: ein größeres Modell erstellt das Gesamtergebnis, ein Haiku-Subagent zieht im Hintergrund die einzelnen Datenpunkte. Diese Kundenzitate stammen direkt aus Anthropics eigener Veröffentlichung und sind entsprechend als Herstellermaterial zu lesen, nicht als unabhängige Fallstudie.

Browser-Automatisierung. Anthropic kündigt gleichzeitig an, Computer-Use und Browser-Use in den Python- und TypeScript-SDKs als Beta auszubauen, mit Haiku 5.5 als dafür empfohlenem Modell wegen der Kombination aus Geschwindigkeit, Fähigkeit und Preis. Für Unternehmen, die eigene Browser-gestützte Abläufe bauen – etwa das automatisierte Ausfüllen von Formularen in Altsystemen ohne API –, verschiebt sich damit die Kostenkalkulation: Aufgaben, die bislang nur mit einem größeren, teureren Modell wirtschaftlich liefen, werden bei gleichbleibendem Umfang günstiger.

Hochvolumige, repetitive Aufgaben. Zusammenfassungen, Klassifizierung von Supportanfragen, Datenbankabfragen in natürlicher Sprache – überall dort, wo viele einzelne, einfache Anfragen anfallen, wirkt sich eine Preissenkung von 90 Prozent direkt auf die Betriebskosten einer Automatisierung aus. Wer heute aus Kostengründen ein größeres Modell künstlich klein hält (etwa über kurze Prompts oder reduzierte Tool-Zugriffe), kann mit Haiku 5.5 prüfen, ob sich dieser Kompromiss erübrigt.

Was vor einem Umstieg zu prüfen ist

Wer produktive Automatisierungen auf Haiku 4.5 betreibt, sollte vor einer Migration drei Punkte klären, die sich direkt aus den oben genannten Fakten ergeben:

Erstens die Tokenzahl neu messen, nicht schätzen. Der neue Tokenizer erzeugt laut Anthropic rund 30 Prozent mehr Token für denselben Text – bei token-basierter Abrechnung oder bei Kontextfenster-Limits in bestehenden Pipelines kann das relevant werden, auch wenn die Gesamtkosten wegen der niedrigeren Preise pro Token sinken.

Zweitens die Effort-Stufe bewusst wählen. Da Haiku 5.5 erstmals eine einstellbare Aufwandsstufe mitbringt, lohnt sich ein kurzer Test auf der eigenen Aufgabe, bevor man die Standardeinstellung übernimmt – ein Preisvorteil, der mit schlechteren Ergebnissen erkauft wird, ist kein Vorteil.

Drittens die Aufgabenklasse nicht verwechseln. Anthropic selbst weist in der Ankündigung ausdrücklich darauf hin, dass Sonnet 5.5 und Opus 5.5 für komplexe agentische Coding-Aufgaben wie in Terminal-Bench 4.0 gemessen die bessere Wahl bleiben – Haiku 5.5 sei für „more narrowly scoped tasks" gedacht. Wer ein Modell allein wegen des Preises austauscht, ohne die Aufgabenkomplexität neu zu bewerten, riskiert mehr Fehlerkorrekturen als die Ersparnis wert ist.

Einordnung

Die Veröffentlichung von Haiku 5.5 reiht sich in ein Muster ein, das sich bei praktisch jedem größeren Modell-Release der letzten Monate wiederholt: niedrigere Preise, bessere Benchmark-Werte, Kundenzitate aus Vorabtests. Das macht die Zahlen nicht falsch – aber es lohnt sich, sie als das zu lesen, was sie sind: Herstellerangaben zum eigenen Produkt, ergänzt um eine unabhängige Einordnung über Artificial Analysis, die die grobe Richtung bestätigt, ohne jede Einzelzahl zu belegen. Für die tägliche Arbeit mit Automatisierungen zählt am Ende, ob das günstigere Modell die eigene, wiederkehrende Aufgabe zuverlässig löst. Das lässt sich nur mit den eigenen Daten testen – die gesenkten Preise senken zumindest die Hürde, es überhaupt auszuprobieren.