Claude Haiku 5.5: Preissprung ab 100K Prompt-Tokens verdoppelt Agentenkosten-Rechnung
Claude Haiku 5.5 kostet bis 100K Prompt-Tokens 0,10 Dollar pro Million Input-Tokens, darüber 0,50 Dollar. Output kostet 0,50 Dollar pro Million Tokens. Anthropic hat das Modell Ende 2026 für die eigene Plattform, AWS, Google Cloud und Azure veröffentlicht.
Veröffentlicht am 8. Okt. • Zuerst veröffentlicht auf wowhow.cloud
Claude Haiku 5.5 kostet 0,10 Dollar pro Million Input-Token bis 100K Token Promptlänge und 0,50 Dollar pro Million darüber, eine fünfmal höhere Stufe, die über Ihre Agentenrechnung entscheidet. Anthropic hat das Modell am 7. Oktober 2026 auf der eigenen Plattform, bei AWS, Google Cloud und Microsoft Azure veröffentlicht. Output kostet 0,50 Dollar pro Million Token bis zu der Schwelle und 2,50 Dollar darüber. Das Kontextfenster umfasst 1M Token mit bis zu 128K Token Output.
Kurz gesagt: Für hochfrequente Agenten-Loops ist Haiku 5.5 das günstigste Anthropic-Modell, das je gelistet wurde, und ein Loop, der jeden Prompt unter 100K Token hält, kostet etwa 1.050 Dollar pro eine Million Aufrufe bei jeweils 8.000 Input-Token und 500 Output-Token. Mit Prompt Caching sinkt das auf rund 520 Dollar. Das Risiko ist die 100K-Grenze. Eine einzige unbedachte Änderung, die den Kontext aufbläht, verschiebt einen Aufruf von der günstigen in die teure Stufe. Hier ist die Preisliste, die durchgerechnete Budgetkalkulation und die Regeln, die Sie unter der Grenze halten.
Die folgenden Zahlen stammen von der Preisseite von Anthropic, wie VentureBeat und MarkTechPost am Launchtag berichteten. Anthropic beschreibt Haiku 5.5 als sein bislang bestes leichtgewichtiges Modell und sagt, es schlage Haiku 4.5 in Coding, Computer Use und Wissensarbeit. Außerdem sei das Modell im Durchschnitt 75 Prozent günstiger als Haiku 4.5. VentureBeat rahmt die Schlagzeile als 90-prozentige API-Preissenkung gegenüber Haiku 4.5 mit 1,00 Dollar Input und 5,00 Dollar Output, was sich ergibt, wenn man nur die untere Stufe vergleicht.
| Input, pro Million Token | 0,10 $ | 0,50 $ |
| Output, pro Million Token | 0,50 $ | 2,50 $ |
| Cache Read, pro Million Token | 0,01 $ | in meinen Quellen nicht angegeben |
| Cache Write (5 Minuten), pro Million Token | 0,125 $ | in meinen Quellen nicht angegeben |
Lesen Sie die beiden Spalten als Sprungfunktion, nicht als Steigung. Ein 99.000-Token-Prompt mit einer 1.000-Token-Antwort kostet 0,0104 Dollar. Ein 101.000-Token-Prompt mit derselben Antwort kostet 0,053 Dollar, also 5,1 Mal mehr für 2 Prozent mehr Input. Diese Rechnung geht davon aus, dass der höhere Satz auf die gesamte Anfrage angewendet wird, so wie die Stufe ausgewiesen ist. Klären Sie auf der Preisseite von Anthropic, ob Ihre Region und Ihr Anbieter das so abrechnen, bevor Sie darauf eine Prognose aufbauen.
Der Cache-Read-Preis verdient einen zweiten Blick: 0,01 Dollar pro Million ist ein Zehntel des Basis-Input-Preises. Wenn der Großteil Ihres Prompts ein fester Systemprompt, Tool-Definitionen und Few-Shot-Beispiele sind, zahlen Sie für diese Token bei jedem Treffer nur ein Zehntel. Der Cache Write kostet 0,125 Dollar pro Million, einen Aufschlag von 25 Prozent auf den Basis-Input, berechnet wenn das Prefix erstmals gespeichert wird.
Nehmen wir einen Klassifikations- oder Routing-Agenten-Loop an. Jeder Aufruf sendet 8.000 Input-Token und liefert 500 Output-Token zurück. Von den Inputs sind 6.000 Token ein festes Prefix: Anweisungen, Tool-Schemas und Beispiele. Die anderen 2.000 variieren pro Aufruf. Alle Zahlen stammen von mir und dienen der Veranschaulichung. Setzen Sie Ihre eigenen ein.
| Haiku 5.5, ohne Caching | 8.000M Token x 0,10 $ = 800 $ | 500M x 0,50 $ = 250 $ | 1.050 $ |
| Haiku 5.5, 6.000-Token-Prefix gecacht | 6.000M x 0,01 $ + 2.000M x 0,10 $ = 260 $ | 250 $ | 510 $, plus etwa 7,50 $ Cache Writes |
| Haiku 4.5 (1,00 $ in, 5,00 $ out) | 8.000 $ | 2.500 $ | 10.500 $ |
| Gemini 3.5 Flash (1,50 $ in, 9,00 $ out) | 12.000 $ | 4.500 $ | 16.500 $ |
Die Cache-Write-Zeile nimmt einen Prefix-Write pro 100 Aufrufe an, das sind 10.000 Writes über je 6.000 Token bei 0,125 Dollar pro Million. Das ist eine Heißcache-Annahme. Wenn Ihr Verkehr bursty ist und der Fünf-Minuten-Cache zwischen den Schüben abläuft, zahlen Sie den Write häufiger, und die Ersparnis schrumpft.
Das Verhältnis ist der eigentliche Punkt. Bei identischem Verkehr schneidet Haiku 5.5 mit etwa einem Zehntel von Haiku 4.5 und unter einem Fünfzehntel von Gemini 3.5 Flash zu dessen gelisteten 1,50 und 9,00 Dollar ab. Gemini 3.5 Flash startete am 19. Mai 2026 mit einem Cached-Preis von 0,15 Dollar und Batch-Preisen von 0,75 und 4,50 Dollar, die Lücke verkleinert sich bei Batch-Jobs also, schließt sich aber nicht. Ein neueres Gemini 3.8 Flash wird mit einführenden 0,75 und 3,75 Dollar bis zum 31. Dezember 2026 berichtet, danach 1,50 und 7,50 Dollar. Die Quellen widersprechen sich bei diesen Zahlen, prüfen Sie also Googles Seite, bevor Sie sich darauf verlassen.
OpenAIs GPT-6 Luna ist der direkte Wettbewerber. VentureBeat beschreibt Haiku 5.5 als preislich auf einer Linie damit. Ich habe diese Woche keine verifizierte Luna-Preisliste, deshalb steht keine Luna-Zeile in der Tabelle. Kalkulieren Sie Ihre eigene Workload mit dem AI Model Cost Calculator und beiden Modellen nebeneinander.
Das 1M-Kontextfenster ist eine Fähigkeit, kein Budget. Seine Nutzung stuft jeden Aufruf in die höhere Stufe. Drei Gewohnheiten halten einen Agenten-Loop in der günstigen Spur.
Erstens: Begrenzen Sie den Prompt im Code, nicht in der Hoffnung. Zählen Sie Token, bevor Sie senden. Wenn eine Anfrage 90.000 Token überschreitet, fassen Sie zusammen oder verwerfen Sie die ältesten Gesprächsrunden, statt sie zu senden. Ein Zehn-Prozent-Sicherheitspuffer kostet kaum etwas und nimmt die Klippe aus Ihrem Tagesrisiko.
Zweitens: Behandeln Sie Tool-Output als den üblichen Schuldigen. Agenten, die Dateien, Webseiten oder Suchergebnisse lesen, wachsen am schnellsten über Tool-Ergebnisse. Kürzen Sie Ergebnisse an der Tool-Grenze und geben Sie Identifikatoren zurück, die der Agent bei Bedarf abrufen kann, nicht ganze Dokumente.
Drittens: Routen Sie den seltenen großen Job gezielt woandershin. Wenn eine Aufgabe wirklich 400K Token Kontext braucht, ist es eine andere Workload. Preisen Sie sie bewusst der höheren Stufe zu oder geben Sie sie einem Modell, das für lange Inputs gebaut ist. Lassen Sie sie nicht durch Zufall über einen Loop ankommen, der den Verlauf nie kürzt.
// guard before every call (pseudo-code) const tokens = countTokens ( messages ) if ( tokens > 90 _000 ) messages = compact ( messages ) // summarise old turns send ( messages ) Enter fullscreen mode Exit fullscreen mode Der neue Agent Run Cost Simulator modelliert einen mehrstufigen Lauf, nicht einen einzelnen Aufruf, und genau dort beißt die Stufengrenze: Schritt zehn eines Agentenlaufs trägt die Geschichte der Schritte eins bis neun. Spielen Sie Ihre erwartete Schrittzahl damit durch, mit der 100K-Schwelle im Hinterkopf.
Vier Kosten überleben die Preissenkung, und das sind die, die Teams nach der ersten Rechnung überraschen.
Retries multiplizieren alles. Ein Loop, der einen fehlgeschlagenen Schritt dreimal wiederholt, verdreifacht die Ausgaben für diesen Schritt, und ein Agent, der umherirrt, kann still wiederholen. Setzen Sie ein hartes Limit für Schritte und Versuche pro Lauf und protokollieren Sie die Anzahl pro Lauf, damit Sie den Ausreißerbereich sehen. Ein Lauf, der das Vierzigfache des Medians kostet, ist ein Bug, und er versteckt sich in einem Durchschnitt.
Output-Token kosten das Fünffache des Inputs in der unteren Stufe. Bei 0,50 Dollar gegen 0,10 Dollar pro Million ist ein gesprächiges Modell auf eine Weise teuer, wie ein knappsprachiges es nicht ist. Im obigen Budget waren Output 24 Prozent der ungecachten Rechnung, aber 49 Prozent der gecachten. Sobald Sie das Prefix cachen, geht das Geld in den Output, also verlangen Sie strukturierte, kurze Antworten und setzen Sie eine maximale Output-Länge für jeden Aufruf.
Cache Misses sind lautlos. Der Cache-Read-Preis ist ein Zehntel des Basis-Inputs, aber nur ein Treffer bringt ihn. Ändern Sie ein einziges Zeichen früh im Prefix, sortieren Sie Ihre Tool-Definitionen um oder fügen Sie oben einen Zeitstempel ein, und der nächste Aufruf zahlt den vollen Preis und obendrauf einen Write. Halten Sie den stabilen Teil zuerst und den volatilen Teil zuletzt und prüfen Sie die Cache-Hit-Zahlen, die Ihr Anbieter bei jeder Antwort zurückgibt.
Rate Limits sind eine separate Decke. Eine Million Aufrufe pro Tag sind rund 12 Aufrufe pro Sekunde im Dauerbetrieb. Ihre Konto-Limits, nicht der Preis, können entscheiden, wie schnell Sie das fahren dürfen. Prüfen Sie die Limits für Ihre Stufe, bevor Sie versprechen, ein Batch sei bis zum Morgen fertig.
Nichts davon spricht gegen das Modell. Es spricht dafür, eine Sache zu messen, bevor Sie skalieren: die Kosten pro erfolgreichem Task, nicht pro Aufruf. Teilen Sie Ihre Gesamtausgaben durch die Zahl der korrekt abgeschlossenen Tasks. Diese Zahl bleibt ehrlich, wenn sich Preise, Modelle und Prompts nächsten Monat wieder ändern.
Ein so günstiges Modell verändert die Architekturfrage von "kann ich mir hier einen Aufruf leisten" zu "welche Aufrufe sende ich noch an ein größeres Modell". Haiku 5.5 passt zu Routing und Triage, Extraktion aus strukturiertem Text, Log- und Ticket-Klassifikation, Erstentwurf von Code-Review-Kommentaren und den vielen kleinen Schritten in einem Computer-Use- oder Browser-Agenten. Es ist der falsche Default für den einen harten Schritt, der darüber entscheidet, ob ein Lauf gelingt. Für diesen Schritt zahlen Sie für ein stärkeres Modell und lassen Haiku alles drumherum erledigen.
Die ehrliche Grenze: Anthropics Behauptung, Haiku 5.5 schlage Haiku 4.5, ist eine Herstellerbehauptung, und ein niedrigerer Preis sagt nichts über Ihre Genauigkeit. Führen Sie 200 Ihrer echten Inputs durch beide Modelle, bevor Sie wechseln, und vergleichen Sie die Fehler, nicht den Durchschnittswert. Ein günstigeres Modell, das bei 15 Prozent der Aufrufe einen Retry braucht, ist nicht 90 Prozent günstiger.
Kostenkontrolle ist die Disziplin, die günstige Modelle sicher macht. Das AI Agent Ops Bundle deckt Specs, Observability und Kostenkontrolle genau für solche Loops ab, und der Agent Prompt Vault liefert 50 Produktionsprompts mit stabilen Prefixes, die Sie cachen können. Flotten von Agenten haben auch eine Koordinationsrechnung, die der Beitrag The Multi-Agent Tax behandelt. Wenn Ihr Volumen auf der OpenAI-Seite liegt, zeigt der Schwesterbeitrag zu Codex Cloud Pricing, wie sich ein Rate Limit von einer Rate unterscheidet.
Für Prompts bis 100K Token gelten 0,10 Dollar pro Million Input-Token und 0,50 Dollar pro Million Output-Token. Über 100K Token sind es 0,50 Dollar Input und 2,50 Dollar Output. Cache Reads kosten 0,01 Dollar pro Million und Fünf-Minuten-Cache-Writes 0,125 Dollar pro Million.
Eine Million Tokens, mit bis zu 128K Tokens an Ausgabe. Bei der Verwendung von mehr als 100K Tokens im Prompt wird der Aufruf in die hoehere Preisklasse verschoben.
In der niedrigeren Preisklasse ja: 0,10 $ und 0,50 $ gegenueber 1,00 $ und 5,00 $. Anthonys eigene Durchschnittsangabe von Anthropic liegt bei 75 % guenstiger, und das ist die Zahl, die man verwenden sollte, wenn einige der Aufrufe die 100K-Schwelle ueberschreiten.
VentureBeat berichtet, dass OpenAI GPT-6 Luna in einem aehnlichen Preisrahmen liegt. Gemini 3.5 Flash wird mit 1,50 $ fuer Input und 9,00 $ fuer Output gelistet, kostet also bei gleicher Token-Mischung etwa das Fuenfzehnfache.
Mit Vorlagen lassen sich haeufig gestellte Fragen schnell beantworten oder Textbausteine zur Wiederverwendung speichern.
Sind Sie sicher, dass Sie diesen Kommentar verbergen moechten? Er wird in Ihrem Beitrag ausgeblendet, bleibt aber ueber den Permalink des Kommentars weiterhin sichtbar.
Fuer weitere Massnahmen koennen Sie diese Person blockieren und/oder einen Missbrauchsfall melden.
Automatisch übersetzt. Das Original auf Englisch ist unten aufklappbar.
Original (Englisch) anzeigen
Posted on Oct 8 • Originally published at wowhow.cloud
Claude Haiku 5.5 costs $0.10 per million input tokens up to 100K tokens of prompt, and $0.50 per million above it, a fivefold cliff that decides your agent bill. Anthropic released the model on 7 October 2026 on its own platform, AWS, Google Cloud and Microsoft Azure the same day. Output is $0.50 per million tokens at or below the threshold and $2.50 above it. The context window is 1M tokens with up to 128K tokens of output.
Short answer: for high-volume agent loops, Haiku 5.5 is the cheapest Anthropic model ever listed, and a loop that keeps every prompt under 100K tokens runs about $1,050 per million calls at 8,000 input tokens and 500 output tokens each. Add prompt caching and that falls to roughly $520. The risk is the 100K line. One careless context-stuffing change moves a call from the cheap tier to the expensive one. Here is the price sheet, the worked budget and the rules that keep you below the line.
The numbers below come from Anthropic's pricing page as reported by VentureBeat and MarkTechPost on launch day. Anthropic describes Haiku 5.5 as its "best lightweight model yet" and says it beats Haiku 4.5 in coding, computer use and knowledge work. It also says the model is on average 75% cheaper than Haiku 4.5. VentureBeat frames the headline as a 90% API price cut against Haiku 4.5's $1.00 input and $5.00 output, which is what you get when you compare the lower tier alone.
| Input, per million tokens | $0.10 | $0.50 |
| Output, per million tokens | $0.50 | $2.50 |
| Cache read, per million tokens | $0.01 | not listed in my sources |
| Cache write (5 minute), per million tokens | $0.125 | not listed in my sources |
Read the two columns as a step function, not a slope. A 99,000-token prompt with a 1,000-token answer costs $0.0104. A 101,000-token prompt with the same answer costs $0.053, which is 5.1 times more for 2% more input. That calculation assumes the higher rate applies to the whole request, which is how the tier is listed. Confirm on Anthropic's pricing page whether your region and provider bill it that way before you build a forecast on it.
The cache read price is worth a second look: $0.01 per million is one tenth of the base input price. If most of your prompt is a fixed system prompt, tool definitions and few-shot examples, you pay a tenth for those tokens on every hit. The cache write costs $0.125 per million, a 25% premium over base input, charged when the prefix is first stored.
Assume a classification or routing agent loop. Each call sends 8,000 input tokens and returns 500 output tokens. Of the input, 6,000 tokens are a fixed prefix: instructions, tool schemas and examples. The other 2,000 vary per call. All numbers are mine, for illustration. Swap in your own.
| Haiku 5.5, no caching | 8,000M tokens x $0.10 = $800 | 500M x $0.50 = $250 | $1,050 |
| Haiku 5.5, 6,000-token prefix cached | 6,000M x $0.01 + 2,000M x $0.10 = $260 | $250 | $510, plus about $7.50 of cache writes |
| Haiku 4.5 ($1.00 in, $5.00 out) | $8,000 | $2,500 | $10,500 |
| Gemini 3.5 Flash ($1.50 in, $9.00 out) | $12,000 | $4,500 | $16,500 |
The cache write line assumes one prefix write per 100 calls, which is 10,000 writes of 6,000 tokens at $0.125 per million. That is a hot-cache assumption. If your traffic is bursty and the five-minute cache expires between bursts, you pay the write more often, and the saving shrinks.
The ratio is the point. Under identical traffic Haiku 5.5 comes out near one tenth of Haiku 4.5 and under one fifteenth of Gemini 3.5 Flash at its listed $1.50 and $9.00. Gemini 3.5 Flash launched on 19 May 2026 with a cached price of $0.15 and batch pricing of $0.75 and $4.50, so its gap narrows with batch jobs but does not close. A newer Gemini 3.8 Flash is reported at an introductory $0.75 and $3.75 through 31 December 2026, then $1.50 and $7.50. Sources disagree on those figures, so check Google's page before relying on them.
OpenAI's GPT-6 Luna is the direct competitor. VentureBeat describes Haiku 5.5 as priced in line with it. I do not have a verified Luna price sheet from this week, so I am not putting a Luna row in the table. Price your own workload on the AI Model Cost Calculator with both models side by side.
The 1M context window is a capability, not a budget. Using it flips every call into the higher tier. Three habits keep an agent loop in the cheap lane.
First, cap the prompt in code, not in hope. Count tokens before you send. If a request crosses 90,000 tokens, summarise or drop the oldest turns instead of sending it. A ten percent safety margin costs you little and removes the cliff from your daily risk.
Second, treat tool output as the usual culprit. Agents that read files, web pages or search results grow their context fastest through tool results. Truncate results at the tool boundary and return identifiers the agent can fetch on demand, not whole documents.
Third, route the rare big job elsewhere on purpose. If a task genuinely needs 400K tokens of context, it is a different workload. Price it at the higher tier deliberately or give it to a model built for long inputs. Do not let it arrive by accident through a loop that never trims history.
// guard before every call (pseudo-code) const tokens = countTokens ( messages ) if ( tokens > 90 _000 ) messages = compact ( messages ) // summarise old turns send ( messages ) Enter fullscreen mode Exit fullscreen mode The new Agent Run Cost Simulator models a multi-step run, not a single call, which is where the tier line bites: step ten of an agent run carries the history of steps one to nine. Run your expected step count through it with the 100K threshold in mind.
Four costs survive the price cut, and they are the ones that surprise teams after the first invoice.
Retries multiply everything. A loop that retries a failed step three times triples the spend on that step, and an agent that wanders can retry silently. Put a hard cap on steps and attempts per run, and log the count per run so you can see the tail. A run that costs 40 times the median is a bug, and it hides inside an average.
Output tokens cost five times input at the lower tier. At $0.50 against $0.10 per million, a chatty model is expensive in a way a terse one is not. In the budget above, output was 24% of the uncached bill but 49% of the cached one. Once you cache the prefix, output is where the money goes, so ask for structured, short answers and set a maximum output length on every call.
Cache misses are silent. The cache read price is one tenth of base input, but only a hit earns it. Change one character early in the prefix, reorder your tool definitions, or insert a timestamp near the top, and the next call pays full price and pays a write on top. Keep the stable part first and the volatile part last, and check the cache hit numbers your provider returns on each response.
Rate limits are a separate ceiling. A million calls a day is about 12 calls a second sustained. Your account limits, not the price, may decide how fast you can run that. Check the limits for your tier before you promise a batch finishes by morning.
None of this argues against the model. It argues for measuring one thing before you scale: cost per successful task, not cost per call. Divide your total spend by the number of tasks that finished correctly. That figure is the one that stays honest when prices, models and prompts change again next month.
A model this cheap changes the architecture question from "can I afford a call here" to "which calls do I still send to a bigger model". Haiku 5.5 is a fit for routing and triage, extraction from structured text, log and ticket classification, first-pass code review comments, and the many small steps in a computer-use or browser agent. It is the wrong default for the single hard step that decides whether a run succeeds. For that step, pay for a stronger model and keep Haiku on everything around it.
The honest limit: Anthropic's claim that Haiku 5.5 beats Haiku 4.5 is a vendor claim, and a lower price tells you nothing about your accuracy. Run 200 of your real inputs through both models before you switch, and compare the failures, not the average score. A cheaper model that needs a retry on 15% of calls is not 90% cheaper.
Cost control is the discipline that makes cheap models safe. The AI Agent Ops Bundle covers specs, observability and cost control for exactly this kind of loop, and the Agent Prompt Vault gives you 50 production prompts with stable prefixes you can cache. Fleets of agents also have a coordination bill, which the post The Multi-Agent Tax covers. If your volume is on the OpenAI side, the sibling post on Codex Cloud pricing shows how a rate limit differs from a rate.
For prompts up to 100K tokens it is $0.10 per million input tokens and $0.50 per million output tokens. Above 100K tokens it is $0.50 input and $2.50 output. Cache reads are $0.01 per million and 5-minute cache writes are $0.125 per million.
One million tokens, with up to 128K tokens of output. Using more than 100K tokens of prompt moves the call to the higher price tier.
At the lower tier, yes: $0.10 and $0.50 against $1.00 and $5.00. Anthropic's own average figure is 75% cheaper, which is the number to use if some of your calls cross the 100K threshold.
VentureBeat says OpenAI GPT-6 Luna is priced in line with it. Gemini 3.5 Flash lists at $1.50 input and $9.00 output, so it costs about 15 times more at the same token mix.