اگر امروز برای پردازش‌های حجیم هوش مصنوعی بودجه تخصیص می‌دهید، صورت‌حساب شما برای مدل‌های کوچک به‌طور میانگین ۷۵٪ ارزان‌تر می‌شود. در ۷ اکتبر ۲۰۲۶، شرکت آنتروپیک (Anthropic) از مدل Claude Haiku 5.5 پرده‌برداری کرد؛ مدلی که هدفش تبدیل شدن به سریع‌ترین و به‌صرفه‌ترین گزینه در سبد محصولات این شرکت است، در حالی که توانایی‌های استدلالی‌اش را به‌شدت گسترش داده است. این کاهش چشمگیر هزینه‌ها در واقع ادامه مسیری است که مدل Claude Haiku 5.5 با کاهش ۷۵ درصدی هزینه استنتاج آغاز کرد تا دسترسی به هوش مصنوعی ارزان‌تر شود.
این به‌روزرسانی، خط تولید Haiku را از یک ابزار ساده برای خلاصه‌سازی‌های سریع، به یک جزء عامل‌محور (Agentic) — شبیه به دستیاری که نه تنها دستورات را اجرا می‌کند، بلکه می‌تواند برای حل مسائل پیچیده برنامه‌ریزی کند — تبدیل می‌کند. برای کسب‌وکارها، این یعنی مرز میان «خلاصه‌سازی ارزان» و «استدلال پیچیده چندمرحله‌ای» عملاً از بین رفته است.
تصور کنید یک ربات پشتیبانی مشتری دارید که معمولاً به سؤالات ساده فوراً پاسخ می‌دهد، اما وقتی کاربر یک باگ فنی پیچیده را گزارش می‌کند، ناگهان می‌تواند «بیشتر فکر کند» تا جواب دقیق‌تری بدهد. این دقیقاً همان ارزش پیشنهادی معماری جدید Haiku است.
زمینه و تکامل
از نخستین نسخه‌های خانواده Claude، سری Haiku همواره به‌عنوان اقتصادی‌ترین گزینه شناخته می‌شد. در حالی که مدل Opus برای استدلال‌های عمیق و Sonnet به‌عنوان تعادلی میان هزینه و ظرفیت طراحی شده‌اند، Haiku انتخاب اول برای عملیات با حجم بالا بود — یعنی مدیریت هزاران درخواست در دقیقه با کمترین هزینه.
همان‌طور که در تحلیل قبلی ما درباره‌ی کاهش هزینه‌های مدل‌های زبانی اشاره کردیم، مدل پیشین یعنی Haiku 4.5 جایگاه محکمی در محصولات پرترافیک داشت، اما در وظایفی که نیاز به استدلال چندمرحله‌ای یا استفاده پیشرفته از ابزارها داشت، به‌شدت ضعف می‌کرد. این شکاف دقیقاً همان نقطه‌ای است که نسخه 5.5 قصد پر کردن آن را دارد.
به نقل از آنتروپیک، مدل Claude Haiku 5.5 «ارزان‌ترین، سریع‌ترین و توانمندترین مدل کوچکی است که تاکنون منتشر کرده‌ایم». این مدل به‌طور خاص برای بارهای کاری حساس به زمان، مانند پشتیبانی زنده مشتریان و اتوماسیون‌های مبتنی بر مرورگر بهینه شده است. علاوه بر کاربرد مستقل، این مدل به‌گونه‌ای طراحی شده است که بتواند به‌عنوان یک زیر-عامل کدنویس (code sub-agent) در کنار مدل‌های قدرتمندتر مانند Opus 5.5 و Sonnet 5.5 فعالیت کند.
جایگاه در بازار و استراتژی
این عرضه نشان‌دهنده تغییر استراتژی آنتروپیک در اعتبارسنجی فناوری‌هایش است. طبق گزارش‌های منتشر شده، این شرکت پیش از عرضه عمومی در ۷ اکتبر، مدل را با مشتریان سازمانی آزمایش کرد. این رویکرد به آنتروپیک اجازه می‌دهد به‌جای تکیه صرف بر بنچمارک‌های مصنوعی، تأثیرات واقعی و قابل اندازه‌گیری را در محیط‌های عملیاتی به نمایش بگذارد.
با ادغام مکانیزم تنظیم تلاش — که پیش‌تر مختص مدل‌های بزرگ بود — در سری Haiku، آنتروپیک عملاً مرز بین سطوح مختلف مدل‌هایش را کمرنگ کرده است. این قابلیت به یک مدل کوچک اجازه می‌دهد رفتار خود را بر اساس نیازهای خاص هر وظیفه مقیاس‌بندی کند و بسته به پیچیدگی مسئله، سطح هوشمندی خود را تغییر دهد.
مکانیزم جدید تنظیم تلاش
قلب تپنده این به‌روزرسانی، تنظیمات قابل پیکربندی «تلاش» (Effort) است. این ویژگی پیش از این تنها برای مدل‌های بزرگتر یعنی Opus و Sonnet رزرو شده بود، اما اکنون در دسترس کاربران Haiku است. کاربران اکنون می‌توانند بین پنج سطح Low، Med، High، Xhigh و Max جابه‌جا شوند.
این پارامتر کنترل می‌کند که مدل پیش از ارائه پاسخ نهایی، چه تعداد توکن (Token) — تکه‌های کوچکی از متن، شبیه برش‌های یک کیک طولانی که مدل تکه‌تکه می‌خورد — برای استدلال داخلی تولید کند. در حالت Low، اولویت با سرعت و کمترین هزینه است. در حالت Max، مدل محاسبات بیشتری را برای تأیید منطق خود به کار می‌گیرد تا شکاف دقت بین مدل کوچک و برادران بزرگترش را پر کند.
جزئیات فنی: تلاش چگونه کار می‌کند؟
تنظیمات تلاش، مدل پایه را تغییر نمی‌دهد، بلکه میزان «تفکر» مدل روی یک پرامپت خاص را مدیریت می‌کند. این سازوکار به مدل اجازه می‌دهد پاسخ‌های خود را پیش از تحویل به کاربر، بازبینی و تأیید کند.
- تلاش کم (Low): اولویت با پاسخ سریع و مصرف حداقلی توکن است. این حالت برای طبقه‌بندی‌های ساده یا خلاصه‌سازی‌های سریع ایده‌آل است.
- تلاش متوسط/زیاد (Med/High): تعادلی میان هزینه و دقت ایجاد کرده و گام‌های استدلالی داخلی بیشتری را به فرآیند پاسخ‌دهی اضافه می‌کند.
- تلاش بسیار زیاد/حداکثری (Xhigh/Max): حداکثر دقت. مدل برای نزدیک شدن به صحت مدل‌های بزرگ، محاسبات بسیار بیشتری را صرف هر پاسخ می‌کند.
البته این موازنه رایگان نیست. بر اساس نمودارهای «دقت در برابر هزینه» منتشر شده توسط آنتروپیک، تغییر حالت از Low به Xhigh در محک OSWorld 2.1، هزینه هر وظیفه را چندین برابر می‌کند تا تنها چند درصد به دقت اضافه شود. بنابراین، سطوح تلاش بالا باید برای وظایفی رزرو شوند که خطا در آن‌ها هزینه‌بر است و دقت در آن‌ها اولویت اول است.
بنچمارک‌های عملکرد
بر اساس کارت سیستم رسمی منتشر شده توسط آنتروپیک، جهش توانایی نسبت به Haiku 4.5 به‌ویژه در وظایف عامل‌محور خیره‌کننده است. داده‌ها نشان می‌دهند که مدل اکنون به‌جای تولید تکه‌های کد، قادر است وظایف کامل را حل کند.
- OSWorld 2.1 (استفاده از کامپیوتر): مدل Haiku 5.5 امتیاز ۷۲.۴٪ را کسب کرد که نسبت به ۱۵.۷٪ در نسخه 4.5 یک جهش عظیم است. برای مقایسه، Sonnet 5.5 با ۸۳.۹٪ پیشتاز است و GPT-6 Luna امتیاز ۴۸.۹٪ را دارد.
- Terminal-Bench 4.0 (کدنویسی عامل‌محور): مدل جدید به ۳۹.۲٪ رسید، در حالی که امتیاز Haiku 4.5 صفر بود. این یعنی مدل کوچک اکنون می‌تواند محیط‌های واقعی ترمینال را مدیریت کند، هرچند هنوز پشت سر Sonnet 5.5 (با ۷۰.۶٪) است.
- Humanity's Last Exam: بدون ابزار، امتیاز ۴۵.۹٪ کسب کرد، اما با افزایش سطح تلاش، به ۵۶.۹٪ (نزدیک به Sonnet 5.5) رسید. این ثابت می‌کند مدل در حالت Max لزوماً «دانش» بیشتری ندارد، بلکه گام‌های استدلالی بیشتری را برای تأیید صرف می‌کند.
- GDPval-AA v2.1 (کارهای حرفه‌ای): در این محک که ۴۴ شغل مختلف را پوشش می‌دهد، Haiku 5.5 به امتیاز Elo ۱۶۲۰ رسید، در حالی که امتیاز نسخه 4.5 تنها ۷۳۵ بود. برای درک بهتر، Sonnet 5.5 به‌عنوان مرجع با امتیاز ۱۸۴۰ قرار دارد.
- AA-Briefcase v1.1 (Elo): امتیاز Haiku 5.5 برابر با ۱۵۷۸ شد که به‌طور قابل‌توجهی از ۶۱۴ در نسخه 4.5 بالاتر است، در حالی که Sonnet 5.5 امتیاز ۱۸۲۴ را دارد.
اعتبارسنجی سازمانی
چندین شریک تجاری بزرگ، مدل را پیش از عرضه عمومی در محیط‌های تولیدی واقعی آزمایش کردند تا این پیشرفت‌ها را تأیید کنند. این اعتبارسنجی زودهنگام با مشتریان سازمانی، استراتژی تکرارشونده آنتروپیک برای نمایش تأثیرات ملموس است.
شرکت AlphaSense گزارش داد که قابلیت «پرسش در سند» (Ask in Document) که هفته‌ای ۸ میلیون پرس‌وجو را پردازش می‌کند، در آزمونی با ۴۰۰ مورد، افزایش دقت آماری از ۰.۷۶ به ۰.۸۴ را تجربه کرد.
شرکت Box مشاهده کرد که امتیاز مدل ۱۱ واحد نسبت به نسخه قبلی افزایش یافته و هم‌زمان تأخیر (Latency) به نصف کاهش یافته است. این امر مدل را برای تحلیل‌های مقیاس‌بزرگ مانند خلاصه‌های مالی و گزارش‌های هزینه کاربردی می‌کند.
شرکت Asana کاهش ۳۰ درصدی در تأخیر و افزایش سرعت استنتاج (Inference) — لحظه‌ای که مدل واقعاً جواب تولید می‌کند، شبیه خودِ آشپزی و نه دوره‌ی آموزش آشپز — تا ۲.۵ برابر در هر نوبت عامل را در مجموعه ارزیابی AI Teammates خود گزارش کرد.
شرکت HubSpot که مدل‌های کوچک را روی وظایف شبیه‌سازی‌شده CRM تست می‌کند، اعلام کرد Haiku 5.5 با میانگین ۹۲.۸٪ در سه اجرای مختلف، بهترین امتیازی است که تاکنون دیده‌اند.
تغییرات گسترده‌تر در اکوسیستم
فراتر از عرضه Haiku، آنتروپیک دو تغییر استراتژیک در قیمت‌گذاری اعمال کرد تا توسعه عامل‌ها را تشویق کند. نخست، هزینه خواندن حافظه پنهان (Cache Reads) برای Claude Sonnet 5.5 ۵۰٪ کاهش یافت. این تغییر باعث می‌شود Sonnet 5.5 برای اکثر گردش‌کارهای عامل‌محور حدود ۲۰٪ ارزان‌تر شود. این بهینه‌سازی در ادامه تلاش‌های آنتروپیک است که مدل کلود سونت ۵.۵ را با عملکردی مشابه مدل پرچم‌دار و هزینه ۳۰ درصد کمتر عرضه کرد تا تعادلی میان قدرت و هزینه ایجاد کند.
دوم، مشترکان طرح‌های Claude Max و Claude Team اکنون اعتبار ماهانه جدیدی برای API دریافت می‌کنند. هدف این است که تیم‌ها بتوانند بدون پرداخت هزینه‌های جداگانه API، عامل‌ها و برنامه‌های خود را در پلتفرم Claude بسازند و آزمایش کنند. آنتروپیک مبلغ دقیق این اعتبار را در اطلاعیه ذکر نکرد، بنابراین کاربران باید آن را در صورت‌حساب‌های خود بررسی کنند.
چرخش اقتصادی
این حرکت نشان‌دهنده تغییر در نحوه رقابت آزمایشگاه‌های هوش مصنوعی است. آنتروپیک به‌جای فروش «هوش بیشتر» با قیمت بالاتر، در حال کالایی کردن هوش سطح بالا از طریق ارزان کردن شدید آن است.
با سوق دادن Haiku 5.5 به قلمرویی که پیش‌تر در اختیار مدل‌های متوسط بود، آن‌ها رقبای خود را مجبور به کاهش کف قیمتی می‌کنند. نبرد دیگر تنها بر سر بنچمارک‌های پیشرو نیست، بلکه بر سر هزینه هر میلیون توکن در محیط تولید است.
توسعه‌دهندگان اکنون باید ارزیابی کنند که آیا وظایفی که پیش‌تر به Sonnet 5.5 سپرده شده بود، می‌تواند با تنظیمات تلاش «High» یا «Max» به Haiku 5.5 منتقل شود تا بودجه عملیاتی به‌طور چشم‌گیری کاهش یابد.
گام‌های بعدی و چشم‌انداز
اگرچه آنتروپیک تاریخی برای به‌روزرسانی بعدی Haiku ارائه نکرده است، اما الگوهای اخیر نشان‌دهنده چرخه‌های کوتاه است. با توجه به اینکه Haiku 5.5 اکنون تنظیمات تلاش را به کل کاتالوگ گسترش داده است، احتمالاً نسل بعدی Sonnet و Opus پیش از به‌روزرسانی مجدد Haiku، بهبودهای مشابهی در بهره‌وری دریافت خواهند کرد.
برای توسعه‌دهندگان، کاربردی‌ترین تغییری که باید رصد شود، اعتبار API جدید برای مشترکان Max و Team است. اگر این اعتبارها برای اجرای پروژه‌های واقعی عامل‌محور کافی باشند، تحلیل هزینه-فایده برای تیم‌های کوچکی که در حال حاضر هزینه API را جداگانه می‌پردازند، تغییر خواهد کرد.
- اگر از Sonnet 5.5 استفاده می‌کنید، وظایف تکراری خود را روی Haiku 5.5 با سطح تلاش High تست کنید تا میزان کاهش هزینه را بسنجید.
- مشترکان طرح‌های Max و Team، اعتبار API جدید خود را در صورت‌حساب ماه آینده بررسی کنید تا مدل پرداخت خود را از Pay-as-you-go به اشتراکی تغییر دهید.
- برای وظایفی که دقت حیاتی دارند، از حالت Max استفاده کنید، اما برای خلاصه‌سازی‌های سریع، حالت Low را برای بهینه‌سازی هزینه انتخاب کنید.
اما داستان سخت‌افزاری این تحول حتی شگفت‌انگیزتر است — به تحلیل ما درباره‌ی تراشه‌های Blackwell مراجعه کنید.
گفتگو