Anthropic meluncurkan Claude Haiku 5.5 pada 7 Oktober dengan harga $0,10 per satu juta token input dan $0,50 per satu juta token output untuk prompt hingga 100K token, serta $0,50 / $2,50 begitu prompt melampaui 100K token. Di bawah batas tersebut, harganya persis sama dengan tarif GPT-6 Luna, dan artikel peluncuran dari Anthropic secara spesifik menjabarkan tugas peruntukannya: ringkasan, pemadatan konteks (compaction), kueri basis data, klasifikasi, penggunaan peramban, serta tugas subagen di bawah Opus 5.5 atau Sonnet 5.5. Bagi tim yang menjalankan beberapa agen coding, ini merupakan jalur hemat berbasis Claude Code yang berada di board yang sama dengan tugas-tugas lainnya.
Kendalanya ada di dua hal. Alias haiku pada Claude Code hanya merujuk ke Haiku 5.5 jika menggunakan Anthropic API; sementara di Bedrock, Google Cloud, Microsoft Foundry, dan Claude Platform di AWS, alias tersebut masih merujuk ke Haiku 4.5. Selain itu, harganya tidak tunggal. Sesi Claude Code terus menumpuk konteks, dan Claude Code baru melakukan pemadatan otomatis (auto-compact) untuk Haiku 5.5 sekitar 967K token. Akibatnya, eksekusi yang terus berjalan bisa menghabiskan sebagian besar gilirannya di atas ambang 100K dengan tarif lima kali lipat. Jalur hemat yang diam-diam menjadi mahal—pada model yang tidak bisa dilihat siapa pun dari tampilan Task—merupakan bentuk penyimpangan yang semestinya dicegah oleh board. Panduan ini mengambil rute paling ringkas dan praktis: satu Computer, satu Agent jalur hemat, satu Task nyata.
TL;DR
Perbarui Claude Code di Computer ke versi v2.1.293 atau yang lebih baru, kunci ke claude-haiku-5-5 alih-alih menggunakan alias haiku, lalu lakukan pemindaian ulang (rescan) hingga Claude Code Runtime berstatus Available. Berikan Agent tersendiri untuk jalur hemat ini, cantumkan model pada Custom arguments milik Agent tersebut, dan batasi cakupan Task agar eksekusinya selesai sebelum prompt melampaui 100K token. Claude Code menjalankan Haiku 5.5 pada tingkat effort medium secara default dan kemampuan berpikirnya (thinking) tidak bisa dinonaktifkan. Anthropic menyatakan bahwa Sonnet 5.5 dan Opus 5.5 tetap menjadi pilihan yang lebih baik untuk tugas agentic coding yang kompleks, sehingga peran lead dan reviewer sebaiknya tetap menggunakan kedua model tersebut. Agent bertugas meriset, mengeksekusi, menguji, dan melaporkan. Manusia bertugas menentukan arah, memberikan otorisasi, dan menyetujui hasilnya.
Di mana pengaturan model berada
Sharkly tidak memilih model secara otomatis, dan dokumentasi Agents telah memperbarui cara mengarahkan Agent ke model tertentu. Dokumentasi tersebut kini berbunyi: “Agent mengikuti model bawaan Runtime. Agent tidak menjanjikan atau menampilkan nama model tertentu. Untuk mengganti model, tentukan model pada Custom arguments di Agent atau Runtime.” Anda juga tetap dapat mengubah konfigurasi alat pada Runtime atau Computer. Tidak ada menu dropdown model tersendiri pada Agent, dan tidak ada kontrol kedalaman berpikir (thinking depth).
Hal ini jauh lebih penting untuk jalur hemat dibanding skenario lainnya. Panduan Sonnet 5.5 kami sebelumnya mengatur model di konfigurasi Claude Code pada host, yang menjadikan penyiapan satu Computer per tingkatan model sebagai solusi yang paling mudah. Dengan menentukan nama model di Custom arguments pada Agent, Agent Haiku 5.5 dan Agent Opus 5.5 dapat berbagi satu Computer yang sama, di mana model masing-masing tercantum langsung pada Agent alih-alih di file konfigurasi yang diubah-ubah sewaktu-waktu. Agent menentukan bagaimana pekerjaan harus ditangani; Computer menyediakan lingkungan host; Runtime—dalam hal ini Claude Code—menjalankan sesinya; sedangkan Task tetap menjadi catatan bersama.
Langkah 1: Siapkan Haiku 5.5 di Claude Code pada Computer
Haiku 5.5 memerlukan Claude Code v2.1.293 atau yang lebih baru, sesuai dokumentasi konfigurasi model; jalankan claude update untuk memperbaruinya. Masuklah dengan akun berbayar atau kunci API yang memiliki akses. Claude Code tidak tersedia di Claude Free, dan kredit API bulanan baru untuk pelanggan Max dan Team tidak mencakup Claude Code, sehingga tidak dapat digunakan untuk membiayai Runtime di Computer. Setelah itu, jalankan claude --model claude-haiku-5-5 di terminal biasa pada host tersebut. Jika sesi berhasil dimulai, Sharkly sudah siap menggunakannya.
Kunci (pin) ke ID lengkapnya, bukan aliasnya. Berikut adalah tujuan alias haiku yang diterjemahkan Claude Code saat ini:
| Sumber Claude Code memperoleh model | Tujuan alias haiku |
Kunci ke ID ini sebagai gantinya |
|---|---|---|
| Anthropic API | Haiku 5.5 | claude-haiku-5-5 |
| Claude Platform on AWS | Haiku 4.5 | claude-haiku-5-5 |
| Amazon Bedrock | Haiku 4.5 | claude-haiku-5-5 |
| Google Cloud | Haiku 4.5 | claude-haiku-5-5 |
| Microsoft Foundry | Haiku 4.5 | claude-haiku-5-5 |
Di Bedrock dan Google Cloud, Claude Code memetakan ID tersebut ke ID model penyedia itu sendiri. Computer yang mengakses Claude melalui penyedia cloud dan meminta haiku akan mendapatkan generasi sebelumnya dengan tarif generasi sebelumnya, tanpa ada keterangan apa pun di Task.
Kembali ke Sharkly, buka detail Computer lalu jalankan pemindaian ulang (rescan) atau uji koneksi. Status Claude Code Runtime seharusnya menunjukkan Available. Computer yang berstatus online hanya menandakan bahwa layanan lokalnya mengirimkan sinyal detak jantung (heartbeat); status Runtime-lah yang memastikan bahwa proses eksekusi benar-benar dapat dimulai.
Langkah 2: Buat Agent jalur hemat dengan model yang ditentukan
Buka Agents, pilih New Agent, tentukan Computer serta Claude Code Runtime yang sesuai, lalu beri nama berdasarkan fungsinya (jalur hemat) alih-alih nama modelnya. Pada Custom arguments, tentukan modelnya, yaitu claude-haiku-5-5—nilai yang sama dengan yang Anda uji menggunakan --model di terminal. Atur direktori kerja default ke Create temporary directory agar setiap Task berjalan di direktori terisolasi, dan tetapkan batas waktu (timeout) per Task yang sesuai untuk pekerjaan berskala kecil. Jika Agent Haiku berjalan hingga satu jam, itu pertanda bahwa cakupan Task-nya keliru.
Tiga karakteristik model mendasari perumusan instruksi. Effort diatur default ke medium di Claude Code, dan panduan prompting Anthropic merekomendasikannya sebagai titik awal “untuk sebagian besar pekerjaan, termasuk agentic coding,” serta menyisakan opsi xhigh dan max untuk kasus-kasus di mana evaluasi Anda menunjukkan adanya peningkatan hasil. Fitur thinking tidak dapat dimatikan di Claude Code untuk Haiku 5.5, sehingga menginstruksikan Agent untuk menjawab langsung tidak akan membuat eksekusi lebih murah. Selain itu, Haiku 5.5 menjalankan pengklasifikasi keamanan yang dapat menolak permintaan tanpa fallback di sisi server; bagi tim yang bermigrasi dari Haiku 4.5, penolakan semacam ini merupakan hal baru.
Karena Sharkly tidak menampilkan nama model, instruksi meminta Agent untuk menuliskannya di Task:
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.
Langkah 3: Jaga eksekusi di bawah batas 100K token, lalu tetapkan satu Task
Berikut adalah rincian kenaikan harga, berdasarkan dokumentasi harga Anthropic, per satu juta token:
| Haiku 5.5 | Prompt hingga 100K | Prompt di atas 100K |
|---|---|---|
| Input | $0.10 | $0.50 |
| Output | $0.50 | $2.50 |
| Cache reads | $0.01 | $0.05 |
| 5-minute cache writes | $0.125 | $0.625 |
Anthropic mencatat bahwa prompt hingga 100K mencakup sekitar 90% dari total permintaan pada versi Haiku sebelumnya. Namun, sesi agen bukanlah permintaan biasa. Di Claude Code, prompt pada setiap giliran membawa seluruh riwayat sesi sejauh ini, dan ukurannya terus membengkak seiring setiap pembacaan file dan hasil alat (tool) yang diterima. Dokumentasi menyatakannya secara lugas: “prompt di atas 100.000 token dikenakan biaya lebih tinggi.” Karena pemadatan otomatis (auto-compaction) baru berjalan pada sekitar 967K token, eksekusi yang melewati 100K bisa terus berada di atas ambang batas tersebut selama sisa sesi.
Dari sini diperoleh aturan perutean (routing rule), yang dirumuskan sebagai pasangan keputusan:
- Gunakan Agent Haiku ketika Task menyebutkan file-filenya secara spesifik, memiliki hasil yang dapat diperiksa seseorang dalam hitungan menit, dan sesuai dengan peruntukan model oleh Anthropic: ringkasan, klasifikasi, pencarian data, serta perbaikan berlingkup terbatas.
- Jangan gunakan model ini ketika eksekusi harus membaca repositori berukuran besar, melalui sesi penelusuran kesalahan (debugging) yang panjang, atau mengambil keputusan yang membutuhkan analisis ulang dari reviewer. Eksekusi semacam itu akan melampaui batas tarif, membayar $0,50 / $2,50, dan tergolong jenis pekerjaan yang oleh Anthropic dialihkan ke model lain: data Terminal-Bench 4.0 mencatat Haiku 5.5 pada angka 39,2% dibandingkan Sonnet 5.5 pada 70,6%. Artikel Ketika model murah berbiaya lebih mahal mengulas perhitungan biaya ini secara lebih mendalam.
Selanjutnya, pilih Task dengan kriteria penerimaan yang jelas, pilih Agent Haiku sebagai Assignee, lalu pindahkan dari Backlog (tempat Task yang telah ditetapkan menunggu) ke status yang siap dikerjakan. Proses berjalan melalui tahapan queued, dispatched, dan running, sementara log eksekusi Task mencatat panggilan alat dan peristiwa Runtime. Jika Agent berhenti dan menyatakan bahwa cakupan Task terlalu luas, pertanyaan tersebut akan dikirimkan kembali ke Task sebagai komentar dan diteruskan ke Inbox. Begitulah cara kerja jalur hemat ini sesuai rancangannya.
Apa yang dihadirkan Haiku 5.5 untuk jalur hemat
Argumen untuk menghadirkan jalur hemat telah diuraikan dalam artikel Luna untuk 80 persen pekerjaan rutin dan GPT-6 Luna di Sharkly, serta aturan penempatan dari Crew lintas model tetap berlaku: anggota tim berbiaya murah, dipimpin oleh leader dan reviewer berbiaya tinggi. Haiku 5.5 mengubah tiga hal penting.
Penyedia kedua dengan tarif yang sama. Di bawah 100K token, banderol harga resmi Haiku 5.5 dan Luna sama persis, dan keduanya berjalan di Runtime berbeda, yaitu Claude Code dan Codex. Ambang batas biayanya pun berbeda: OpenAI mengenakan tarif 2x untuk input dan 1,5x untuk output pada prompt Luna di atas 272K token input, sementara Haiku 5.5 melonjak 5x sejak melampaui 100K. Artikel Haiku 5.5 vs GPT-6 Luna membandingkan performa keduanya sebagai Runtime.
Dirancang khusus sebagai subagen. Anthropic dan pelanggan peluncuran perdana seperti Rogo serta Cognition mendeskripsikan Haiku 5.5 bekerja di bawah kendali model pemimpin yang lebih besar. Di dalam eksekusi Claude Code, pekerjaan subagen tersebut tidak pernah muncul di board sebagai Task dengan pemilik tersendiri. Artikel Subagen atau Agent Mandiri menguraikan perbedaan antara keduanya.
Penggunaan komputer yang hemat, peninjauan yang mahal. Kartu sistem (system card) dari Anthropic mencatat Haiku 5.5 meraih 72,4% nilai parsial pada subset OSWorld 2.1, tetapi tingkat kelulusan mutlaknya hanya 37,1%, sehingga banyak eksekusi yang selesai secara setengah-setengah. Artikel Agen peramban murah mengulas dampaknya terhadap antrean peninjauan.
Tak satu pun dari biaya ini masuk ke tagihan Sharkly. Penggunaan model tetap ditagihkan melalui langganan atau kunci API yang dikonfigurasi pada alat-alat tersebut, sehingga tarif Haiku 5.5 di atas dibayarkan langsung ke Anthropic atau penyedia cloud Anda.
Model ini baru saja berganti minggu ini. Konteks, progres, hambatan, hasil, dan peninjauan oleh manusia tetap terpantau jelas dari tahap permintaan hingga rilis. Anda dapat membangun alur ini secara manual menggunakan worktrees, atau memanfaatkan Sharkly untuk mengelola alur kerjanya.
