Indlæser kataloget…
Indlæser kataloget…
Anthropics hurtigste Claude 4-model — bygget til agentiske opgaver og kodning med høj gennemstrømning, et kontekstvindue på 200k tokens, valgfri udvidet tænkning, billeder som inddata og stærke benchmarks for sikkerhed.
Oversigt. Claude Haiku 4.5 er den hurtigste model fra Anthropic i Claude 4-generationen, udgivet den 15. oktober 2025. Den er bygget til udviklere, der har brug for hurtig inferens med høj gennemstrømning uden at give afkald på værktøjskald og kodningsevner. Den accepterer tekst, billeder og filer som inddata med et kontekstvindue på 200k tokens. Anthropic udgiver ikke modelvægte, så denne betjenes som en lukket model, der drives af leverandøren, fremfor noget du selv kan køre.
Vigtigste styrker. På SWE-bench Verified scorer Haiku 4.5 73,3 %, og på BFCL-v4 scorer den 68,7 %, hvilket gør kodning og agentiske værktøjskald til dens klareste styrker. Den understøtter Anthropics strukturerede skema til værktøjskald, herunder parallelle værktøjskald, og valgfri udvidet tænkning til problemer, der har gavn af et synligt ræsonneringsspor. Anthropic rapporterer også om stærke interne resultater i sikkerhedsvurderinger for denne model, hvilket understøtter brug i virksomheder med fokus på sikkerhed.
Anvendelsesområder. Brug Haiku 4.5, når du har brug for kort svartid og svar i sanntid til kodningsassistenter, agentiske arbejdsflow eller behandlingskæder med værktøjskald fremfor dybe forskningsopgaver med mange trin. Den passer godt til assistenter, der kan læse PDF'er eller screenshots og skal handle hurtigt på dem. Dens valgfri tilstand for udvidet tænkning gør den fleksibel nok til moderat komplekse opgaver uden at betale svartidsprisen for ræsonnering, der altid er slået til.
Begrænsninger. Haiku 4.5 er positioneret af Anthropic som det hastighedsoptimerede medlem af Claude 4-modelfamilien, hvor man bytter lidt rå styrke for kortere svartid sammenlignet med modeller i Sonnet- eller Opus-klassen. Den er derfor ikke det rigtige valg til de sværeste ræsonnerings- eller forskningsopgaver. Den har ingen inddata eller uddata for lyd, og dens træningsdata slutter i juli 2025. Struktureret JSON-uddata og parallelle værktøjskald er konfigurationsvalg, man skal tilvælge, fremfor standardindstillinger.
Bemærkning om suverænitet. Claude Haiku 4.5 er bygget af Anthropic, en amerikansk modelskaber, hvilket betyder, at modellen er underlagt CLOUD Act fremfor at have EU-suveræn status. Tag højde for dataplacering og adgang på tværs af landegrænser, når du ruter følsomme arbejdsopgaver til denne model.
| Inferensleverandør | Suverænitet | Kører i | Ind / ud per 1 mio. | Status | Fastgør |
|---|---|---|---|---|---|
| L0 | 0,91 / 4,54€+2 betingede priser | Online | |||
| L0 | 1,00 / 4,99€+2 betingede priser | Online |
50 anvendelsesområder klassificeret af redaktøren. Noten forklarer hvorfor.
Svarer til modelfamiliens standardvurdering stærk; 0,989 i HELM Simple Safety Tests og et kontekstvindue på 200k tokens til redigering af hele dokumenter uden opdeling er bekræftet for denne variant.
Rammer modelfamiliens stærke standard; omkostningseffektiv inferens, 0,989 i Simple Safety Tests og et kontekstvindue på 200k til forankring i vidensbaser er bekræftet for Claude Haiku 4.5.
Rammer modelfamiliens stærke standard; lave inferensomkostninger og konsekvent instruksfølgelse er ideelt til klassificering i stor skala, hvilket er bekræftet for denne variant.
Rammer modelfamiliens stærke standard; et kontekstvindue på 200k rummer store kodebaser i én arbejdsgang, og 66,6 i SWE-Bench bekræfter praktisk kodeforståelse ved omkostningseffektiv inferens.
Svarer til modelfamiliens standardvurdering stærk; et kontekstvindue på 200k tokens rummer fulde mødereferater, og det omkostningseffektive niveau passer godt til arbejdsflow med løbende opsummering.
Svarer til modelfamiliens standardvurdering stærk; 0,989 i HELM Simple Safety Tests og et kontekstvindue på 200k tokens til store dokumentmængder er bekræftet for denne variant.
Modelfamiliens standard er svag, men Stav-beskrivelsen af Claude Haiku 4.5 fremhæver eksplicit 'agentiske opgaver og kodegenerering med høj gennemstrømning' som et primært anvendelsesområde, og understøttelse af udvidet ræsonnering forbedrer pålideligheden for kodningsagenter med mange trin over basismidlet for letvægtsklassen; det er dog stadig ikke et flagskibsvalg sammenlignet med større kodningsspecialister.
Rammer modelfamiliens acceptable standard; indbygget verktøjskald er bekræftet, og 68,7 i BFCL v4 er kompetent til ukomplicerede applikationer med funktionskald, hvor lave priser er den primære prioritet.
Rammer modelfamiliens acceptable standard; verktøjskald og udvidet ræsonnering understøtter struktureret dataanalyse, men ingen kodegenerering eller dataspecifikke benchmarkresultater bekræfter en førerposition.
Rammer modelfamiliens acceptable standard; billedforståelse og et kontekstvindue på 200k understøtter behandlingskæder til dokument-OCR uden OCR-specifikke benchmarkdata til at bekræfte topniveau-nøjagtighed.
Rammer modelfamiliens acceptable standard; instruksfølgelse håndterer udkast til e-mails kompetent og omkostningseffektivt ved store mængder.
Rammer modelfamiliens acceptable standard; en score på 66,6 i SWE-Bench og egenskaben til udvidet ræsonnering understøtter fejlfinding, hvor letvægtsklassen bytter dybde for hastighed.
Modelfamiliens standard er svag; udvidet ræsonnering er en marginal fordel for browseropgaver med mange trin, men en pålidelighed i verktøjskald på 68,7 i BFCL v4 lever stadig ikke op til præcisionskravene for behandlingskæder til browserautomatisering.
Reranking håndteres normalt af dedikerede cross-encoder- eller embeddingmodeller; en generativ instruksmodel som denne er, selv med et kontekstvindue på 200k tokens, arkitektonisk suboptimal trods fornuftig instruksfølgning.
Rammer modelfamiliens standard for ikke anbefalede modeller; ingen indbygget egenskab for inddata eller uddata af lyd; brug af stemmeagenter kræver integreret talebehandling, som denne model mangler.
Rammer modelfamiliens standard for ikke anbefalede modeller; denne model har ingen egenskab for lydgenerering, og stemmekloning ligger uden for dens arkitektoniske gyldighedsområde.
Svarer til modelfamiliens standardvurdering anbefales ikke; ingen funktion til tekst til tale eller lyduddata; talesyntese kræver en dedikeret TTS-model.
Svarer til modelfamiliens standardvurdering anbefales ikke; Claude Haiku 4.5 har ingen funktion til lydinddata, og transskription kræver dedikerede arkitekturer til tale til tekst.
Tal fra eksterne kilder, ikke vores egne vurderinger. Percentiler er målt mod hele Stav-kataloget.
Beregnet ud fra aa-intelligence-index, gpqa-diamond, aa-engineering-index, aa-coding-index, livecodebench, terminal-bench-v4, ifbench, aa-multilingual-index, aa-lcr, helm-safety-bbq, helm-safety-harm-bench, helm-safety-anthropic-red-team, helm-safety-simple-safety-tests, helm-safety-xstest, do-not-answer, realtoxicityprompts.
curl https://api.stav.ai/v1/chat/completions \
-H "Authorization: Bearer $STAV_API_KEY" \
-H "Content-Type: application/json" \
-d '{
"model": "anthropic/claude-haiku-4-5-20251001",
"reasoning_effort": "high",
"messages": [{"role": "user", "content": "Hello!"}]
}'→ X-Stav-Request-Id · X-Stav-Model · X-Stav-Provider → X-Stav-Sovereignty-Level — det niveau, forespørgslen blev betjent på