Claude Haiku 5.5 Agents in Sharkly ausführen: So geht's

Anthropic hat Claude Haiku 5.5 am 7. Oktober veröffentlicht – zu Preisen von 0,10 $ pro Million Input-Token und 0,50 $ pro Million Output-Token für Prompts bis zu 100.000 Token sowie 0,50 $ bzw. 2,50 $, sobald ein Prompt die 100K-Grenze überschreitet. Unterhalb dieser Schwelle entspricht der Preis exakt dem von GPT-6 Luna. Anthropic macht im Ankündigungsbeitrag deutlich, wofür das Modell vorgesehen ist: Zusammenfassungen, Kontext-Kompaktierung, Datenbankabfragen, Klassifizierung, Browser-Nutzung und Subagent-Aufgaben unter Opus 5.5 oder Sonnet 5.5. Für Teams, die mehrere Coding-Agents einsetzen, ergibt das eine kostengünstige Schiene („Cheap Lane“) mit Claude Code drumherum – auf demselben Board wie alles andere.

Die Reibungspunkte liegen an zwei Stellen. Der Alias haiku in Claude Code verweist nur bei der Anthropic-API auf Haiku 5.5; unter Bedrock, Google Cloud, Microsoft Foundry und Claude Platform on AWS steht er weiterhin für Haiku 4.5. Zudem ist der Preis nicht einheitlich: Eine Claude-Code-Sitzung sammelt fortlaufend Kontext an, und Claude Code führt bei Haiku 5.5 erst bei rund 967.000 Token eine automatische Kompaktierung durch. Ein länger laufender Durchlauf kann daher den Großteil seiner Turns oberhalb der 100K-Grenze verbringen – zum fünffachen Preis. Eine günstige Schiene, die unbemerkt teuer wird, und das bei einem Modell, das im Task für niemanden ersichtlich ist: Genau solche Abweichungen soll ein Board aufdecken. Diese Anleitung wählt den denkbar einfachsten, praxistauglichen Weg: ein Computer, ein Cheap-Lane-Agent, ein echter Task.

TL;DR

Aktualisieren Sie Claude Code auf dem Computer auf v2.1.293 oder höher, pinnen Sie claude-haiku-5-5 anstelle des Alias haiku und führen Sie einen Rescan durch, bis die Claude Code Runtime den Status „Available“ anzeigt. Richten Sie für die günstige Schiene einen eigenen Agent ein, geben Sie das Modell in den Custom arguments dieses Agents an und halten Sie dessen Tasks so eng gefasst, dass ein Durchlauf abgeschlossen ist, bevor der Prompt 100.000 Token überschreitet. Claude Code führt Haiku 5.5 standardmäßig mit dem Aufwand medium aus; das Thinking lässt sich nicht abschalten. Laut Anthropic bleiben Sonnet 5.5 und Opus 5.5 die bessere Wahl für komplexes agentisches Coding – Lead und Reviewer bleiben daher auf diesen Modellen. Agents recherchieren, führen aus, testen und berichten. Menschen geben die Richtung vor, erteilen Freigaben und nehmen das Ergebnis ab.

Wo die Modelleinstellung konfiguriert wird

Sharkly wählt keine Modelle selbst aus, und in der Agents-Dokumentation wurde die Zuweisung von Modellen an einen Agent geändert. Dort heißt es nun: „Der Agent folgt dem Standardmodell der Runtime. Er garantiert oder zeigt keinen spezifischen Modellnamen an. Um das Modell zu ändern, geben Sie eines in den Custom arguments des Agents oder der Runtime an.“ Alternativ lässt sich weiterhin die Tool-Konfiguration der Runtime oder des Computers anpassen. Es gibt beim Agent kein separates Dropdown-Menü für Modelle und keine Steuerung für die Thinking-Tiefe.

Für eine günstige Schiene ist das wichtiger als irgendwo sonst. In unserem Leitfaden zu Sonnet 5.5 wurde das Modell direkt in der Konfiguration von Claude Code auf dem Host hinterlegt, weshalb ein separater Computer pro Modellstufe das naheliegende Setup war. Wenn das Modell stattdessen in den Custom arguments des Agents angegeben ist, können sich ein Haiku-5.5-Agent und ein Opus-5.5-Agent denselben Computer teilen: Das jeweilige Modell ist direkt am Agent hinterlegt und nicht in einer Konfigurationsdatei, die irgendwer an einem beliebigen Wochentag anpasst. Der Agent bestimmt, wie die Arbeit erledigt wird; der Computer stellt den Host bereit; die Runtime – hier Claude Code – führt die Sitzung durch; der Task bleibt das gemeinsame Protokoll.

Schritt 1: Haiku 5.5 in Claude Code auf dem Computer einrichten

Haiku 5.5 setzt laut der Dokumentation zur Modellkonfiguration mindestens Claude Code v2.1.293 voraus; mit claude update bringen Sie es auf den aktuellen Stand. Melden Sie sich mit einem kostenpflichtigen Tarif oder einem API-Key an, der über entsprechenden Zugriff verfügt. Claude Code ist nicht in Claude Free enthalten, und das neue monatliche API-Guthaben für Max- und Team-Abonnenten deckt Claude Code nicht ab – es reicht also nicht aus, um eine Runtime auf einem Computer zu betreiben. Führen Sie anschließend claude --model claude-haiku-5-5 in einem gewöhnlichen Terminal auf diesem Host aus. Startet die Sitzung erfolgreich, kann Sharkly sie verwenden.

Pinnen Sie die vollständige ID, nicht den Alias. So wird haiku in Claude Code derzeit aufgelöst:

Unter Bedrock und Google Cloud bildet Claude Code diese ID auf die providerspezifische Modell-ID ab. Ein Computer, der Claude über einen Cloud-Provider anspricht und haiku anfordert, erhält somit die Vorgängergeneration zum bisherigen Preis – ohne dass dies im Task irgendwo ersichtlich wäre.

Öffnen Sie in Sharkly wieder die Computer-Details und starten Sie den Rescan bzw. Verbindungstest. Für die Claude Code Runtime sollte der Status Available angezeigt werden. Ein als online angezeigter Computer bedeutet lediglich, dass der lokale Dienst Heartbeats sendet; erst der Runtime-Status bestätigt, dass ein Durchlauf tatsächlich starten kann.

Schritt 2: Einen Cheap-Lane-Agent mit hinterlegtem Modell anlegen

Öffnen Sie den Bereich Agents, wählen Sie „New Agent“, bestimmen Sie den Computer sowie die Claude Code Runtime und benennen Sie den Agent nach seinem Einsatzzweck statt nach dem Modell. Geben Sie unter Custom arguments das Modell claude-haiku-5-5 an – genau denselben Wert, den Sie zuvor im Terminal mit --model getestet haben. Stellen Sie das Standard-Arbeitsverzeichnis auf „Create temporary directory“, damit jeder Task in einem isolierten Verzeichnis ausgeführt wird, und setzen Sie ein Task-Timeout, das auf eng umrissene Aufgaben zugeschnitten ist. Ein Haiku-Agent, der eine Stunde lang läuft, ist ein klares Indiz dafür, dass der Task falsch zugeschnitten war.

Drei Verhaltensweisen des Modells bestimmen den Aufbau der Anweisungen. Der Effort steht in Claude Code standardmäßig auf medium, was laut Anthropics Prompting-Guide der ideale Ausgangspunkt „für die meisten Aufgaben einschließlich agentischem Coding“ ist, während xhigh und max Fällen vorbehalten bleiben sollten, in denen Evaluierungen einen messbaren Vorteil zeigen. Thinking lässt sich in Claude Code bei Haiku 5.5 nicht deaktivieren – die Anweisung an den Agent, direkt zu antworten, macht den Durchlauf also nicht billiger. Zudem setzt Haiku 5.5 Safety-Klassifikatoren ein, die Anfragen ablehnen können, ohne dass es einen serverseitigen Fallback gibt; für Teams, die von Haiku 4.5 wechseln, sind solche Ablehnungen neu.

Da Sharkly keinen Modellnamen einblendet, weisen die Instruktionen den Agent an, diesen direkt im Task zu vermerken:

You are the cheap lane. Take only the Task as written.
State the model id you ran on at the top of your report.
Read only the files the Task names, plus what you need to verify them.
If the work needs a broad codebase read, a design decision, or
changes across more than a few files, stop and say so in a comment
instead of continuing.
Run the closest relevant check before reporting done, and report
failures without hiding them.
If a refusal or safeguard notice appears, say so in your report.
Stop and ask before anything destructive or outside the attached
repositories.

Schritt 3: Durchläufe unter der 100K-Grenze halten und einen Task zuweisen

Hier ist die Preisstaffelung aus Anthropics Preisübersicht pro Million Token:

Laut Anthropic machten Prompts bis zu 100K rund 90 % der Anfragen an das vorherige Haiku-Modell aus. Eine Agent-Sitzung ist jedoch keine typische Anfrage. In Claude Code enthält der Prompt bei jedem Turn den bisherigen Sitzungsverlauf und wächst mit jeder gelesenen Datei und jedem Tool-Ergebnis weiter an. Die Dokumentation bringt es auf den Punkt: „für einen Prompt über 100.000 Token fallen höhere Preise an.“ Da die automatische Kompaktierung erst bei etwa 967.000 Token einsetzt, verbleibt ein Durchlauf, der die 100K-Marke einmal überschreitet, für den Rest der Sitzung oft oberhalb dieser Schwelle.

Daraus ergibt sich folgende Routing-Regel als Entscheidungspaar:

• Verwenden Sie den Haiku-Agent, wenn der Task die relevanten Dateien explizit benennt, ein Ergebnis liefert, das ein Mensch in einer Minute prüfen kann, und genau die Art von Aufgabe darstellt, für die Anthropic das Modell positioniert: Zusammenfassungen, Klassifizierungen, Suchabfragen oder klar abgegrenzte Fixes.
• Verwenden Sie ihn nicht, wenn der Durchlauf ein umfangreiches Repository einlesen muss, eine langwierige Debugging-Sitzung erfordert oder Entscheidungen trifft, die ein Reviewer mühsam nachvollziehen müsste. Ein solcher Durchlauf überschreitet die Schwelle, kostet 0,50 $ / 2,50 $ und fällt unter die Aufgaben, für die Anthropic andere Modelle empfiehlt: In Terminal-Bench 4.0 erreicht Haiku 5.5 lediglich 39,2 % gegenüber 70,6 % bei Sonnet 5.5. Der Beitrag When cheap models cost more schlüsselt die wirtschaftlichen Hintergründe dazu genauer auf.

Wählen Sie anschließend einen Task mit klaren Akzeptanzkriterien aus, weisen Sie den Haiku-Agent als Assignee zu und verschieben Sie den Task aus dem Backlog (wo zugewiesene Tasks warten) in einen bearbeitungsbereiten Status. Der Durchlauf durchläuft die Phasen „queued“, „dispatched“ und „running“, während das Ausführungsprotokoll des Tasks Tool-Aufrufe und Runtime-Ereignisse aufzeichnet. Falls der Agent stoppt und meldet, dass der Task zu weit gefasst ist, erscheint diese Rückfrage als Kommentar im Task und wird an die Inbox weitergeleitet. Genau so soll die Schiene funktionieren.

Was Haiku 5.5 für die günstige Schiene bedeutet

Die Argumente für eine günstige Schiene wurden bereits in Luna for the boring 80 percent und GPT-6 Luna in Sharkly dargelegt, und die Besetzungsregel aus mixed-model Crews gilt nach wie vor: kostengünstige Teammitglieder, ein leistungsstarker Leader und Reviewer. Haiku 5.5 ändert jedoch drei Dinge.

Ein zweiter Anbieter zum gleichen Preis. Unterhalb von 100K sind Haiku 5.5 und Luna preislich identisch, laufen jedoch in unterschiedlichen Runtimes: Claude Code und Codex. Auch ihre Schwellenwerte unterscheiden sich: OpenAI berechnet für Luna-Prompts über 272K Input-Token das 2-Fache für den Input und das 1,5-Fache für den Output, während Haiku 5.5 ab 100K auf das 5-Fache ansteigt. Der Artikel Haiku 5.5 vs GPT-6 Luna vergleicht die beiden als Runtimes.

Ausgelegt als Subagent. Anthropic und Launch-Kunden wie Rogo und Cognition beschreiben Haiku 5.5 als Modell, das einem größeren Lead-Modell zuarbeitet. Innerhalb eines Claude-Code-Durchlaufs taucht die Arbeit dieses Subagents jedoch niemals als eigenständiger Task mit eigenem Verantwortlichen auf dem Board auf. Der Beitrag Subagent or its own Agent zieht hier die Grenze zwischen beiden Ansätzen.

Günstige Computer-Nutzung, teure Überprüfung. Anthropics System Card weist für Haiku 5.5 bei einem OSWorld-2.1-Subset eine Teilerfolgsquote von 72,4 %, aber nur eine strikte Erfolgsquote (Strict Pass Rate) von 37,1 % aus. Viele Durchläufe enden daher nur unvollständig gelöst. Cheap browser agents zeigt, welche Auswirkungen das auf die Review-Queue hat.

Nichts davon landet auf der Rechnung von Sharkly. Die Modellnutzung erfolgt weiterhin über die in diesen Tools hinterlegten Abonnements oder API-Keys – die oben genannten Preise für Haiku 5.5 werden also direkt an Anthropic oder Ihren Cloud-Provider gezahlt.

Das Modell hat sich diese Woche geändert. Kontext, Fortschritt, Blocker, Ergebnisse und menschliche Reviews blieben von der Anforderung bis zum Release transparent sichtbar. Sie können dies manuell mit Worktrees abbilden oder Sharkly zur Verwaltung des Workflows nutzen.