Anthropic merilis Claude Haiku 5.5 pada 7 Oktober dan mendeskripsikan perannya dalam satu kalimat: model ini “cocok dipadukan dengan Opus 5.5 dan Sonnet 5.5 sebagai subagent untuk pekerjaan coding.” Postingan peluncurannya mencantumkan harga $0,10 per satu juta token input dan $0,50 per satu juta token output untuk prompt hingga 100K token, serta $0,50 dan $2,50 untuk pemakaian di atas batas tersebut. Dua dari enam testimoni pelanggan di halaman tersebut menggambarkan pola yang sama: Rogo menjalankan subagent Haiku 5.5 untuk mengekstrak data pendapatan dari laporan 10-K sementara model yang lebih besar menyusun deck presentasi, dan Cognition menjalankannya sebagai “sidekick” di bawah Opus 5.5 dalam Devin Fusion.
Sudut pandang tersebut berfokus pada modelnya. Namun bagi tim yang mengelola beberapa agent sekaligus, pertanyaan yang lebih sulit adalah bagaimana visibilitasnya di papan kerja (board). Sebuah subagent berjalan di dalam eksekusi (run) milik pihak lain. Subagent tidak memiliki Task, Assignee, ataupun status sendiri, sehingga ketika terjadi kesalahan, kesalahan tersebut seolah-olah dilakukan oleh agent utama (lead). Pekerjaan berbiaya rendah kini sudah cukup murah untuk dijalankan dalam jumlah banyak, dan keputusan krusialnya adalah di mana pekerjaan tersebut seharusnya terlihat.
Ringkasan Singkat (TL;DR)
Pertahankan Haiku 5.5 sebagai subagent in-run ketika outputnya dikonsumsi oleh lead dan diperiksa di sana: pencarian (lookup), ringkasan, eksplorasi, atau pemadatan (compaction). Berikan Agent tersendiri dan Task tersendiri ketika outputnya dirilis langsung ke tahap berikutnya, ketika seseorang harus menyetujuinya, atau ketika subagent tersebut bisa mengalami kegagalan mandiri. Di Claude Code, sematkan model: claude-haiku-5-5 pada berkas subagent alih-alih alias haiku, dan ingat bahwa subagent Explore bawaan berjalan menggunakan model percakapan utama, bukan Haiku. Di Sharkly, Agent berbiaya rendah diatur melalui setelan Custom arguments, sehingga kedua jalur tersebut dapat berbagi satu Computer yang sama. Agent bertugas meriset, mengeksekusi, menguji, dan melaporkan. Manusia bertugas menentukan arah, memberikan wewenang, dan menerima hasilnya.
Subagent tidak terlihat dari tingkat atas
Subagent adalah pembantu yang dibuat oleh agent utama (lead agent) di dalam sesinya sendiri, diberikan tugas spesifik berskala kecil, lalu jawabannya dibaca kembali oleh lead. Ini adalah desain yang tepat untuk banyak jenis tugas, tetapi sekaligus menjadi batasan: semua yang dilakukan subagent terjadi di dalam satu eksekusi (run) yang sama.
Jika dilihat dari papan kerja (board), kedua penempatan ini memberikan jawaban yang sangat berbeda untuk setiap pertanyaan yang diajukan oleh seorang manajer.
| Pertanyaan | Haiku 5.5 sebagai subagent in-run | Haiku 5.5 sebagai Agent mandiri pada Task |
|---|---|---|
| Siapa penanggung jawab hasilnya? | Agent utama (lead), secara implisit | Assignee dari Task tersebut, secara eksplisit |
| Di mana pekerjaannya muncul? | Di dalam run dan respons akhir agent utama | Task tersendiri, status run, dan log eksekusi |
| Siapa yang memeriksanya? | Model utama, sebelum melanjutkan langkahnya | Manusia, atau reviewer, sebelum disetujui |
| Apa yang terjadi jika gagal? | Agent utama mengatasinya atau meneruskannya | Task menampilkan kegagalannya secara mandiri |
| Bisakah manusia menjawabnya di tengah eksekusi? | Tidak, subagent hanya berkomunikasi dengan agent utama | Bisa, pertanyaan dikembalikan ke Task dan Inbox |
| Berapa biaya pengaturannya? | Satu berkas di repositori | Satu Agent dan satu Task |
Versi masalah ini pada Codex pernah dibahas di blog ini sebelumnya: begitu sebuah sesi terpecah menjadi banyak subagent, satu balasan gabungan menjadi satu-satunya hal yang dilihat oleh reviewer. Haiku 5.5 membuat kompromi serupa menjadi semakin menggiurkan, karena Anthropic memang merancang dan mematok harganya tepat untuk posisi tersebut. Pola yang diterapkan Rogo berjalan efektif karena agent utama mengonsumsi data pendapatan tersebut dan hasilnya dimasukkan ke dalam deck presentasi—sebuah artefak yang akan ditinjau manusia sebelum dibagikan ke mana pun. Kesalahan subagent, jika ada, akan terlihat dalam proses peninjauan tersebut.
Kini coba tempatkan model yang sama pada pekerjaan yang output-nya langsung berupa artefak akhir: migrasi, perubahan konfigurasi, perbaikan data, atau balasan untuk pelanggan. Sebagai subagent, pekerjaan tersebut hanya sampai ke papan kerja sebagai bagian dari ringkasan agent utama. Tidak ada yang tahu bagian diff mana yang berasal dari model murah, dan orang yang menyetujui Task tersebut menyetujui pekerjaan yang sumber kontribusinya tidak dapat diatribusikan dengan jelas.
Rumusan aturannya
Rangkaian artikel Luna telah menjawab jenis pekerjaan apa yang cocok untuk tingkat (tier) berbiaya murah: tentukan rute berdasarkan kemudahan verifikasi (checkability), bukan tingkat kesulitan. Haiku 5.5 menambahkan sumbu kedua. Begitu biaya pekerjaan sudah cukup murah, tentukan penempatannya berdasarkan siapa yang mengonsumsi output tersebut.
Haiku 5.5 placement rule
In-run subagent when ALL of these hold:
- the output is read by the lead agent, not shipped
- the lead checks or uses it before continuing
- a wrong answer shows up downstream, inside reviewed work
examples: file lookups, codebase exploration, log and doc summaries,
classification, pulling one fact from a long document
Own Agent and own Task when ANY of these hold:
- the output ships (a diff, a message, a record, a submitted form)
- a person has to accept it
- it can fail, stall, or need a human answer independently
- you want its acceptance rate measured separately from the lead's
Gunakan subagent saat pekerjaan bermuara pada satu jawaban yang dibutuhkan oleh agent utama. Gunakan Task terpisah saat pekerjaan tersebut adalah sesuatu yang perlu diatribusikan secara jelas ke nama anggota tim tertentu.
Ada opsi penengah di Sharkly. Dalam sebuah Crew, Agent pemimpin menyebut (mention) anggota untuk kontribusi tertentu, dan anggota tersebut berjalan pada Task yang sama lalu menambahkan hasil mereka ke obrolan Task tersebut. Anggota bermodel Haiku 5.5 dapat terlihat di Task tanpa memerlukan Task tersendiri. Gunakan opsi ini jika satu orang akan menyetujui hasil gabungan tersebut. Bagi menjadi beberapa Task terpisah jika peninjau untuk bagian-bagian yang berbeda adalah orang yang berbeda.
Mengonfigurasi kedua jalur
Masing-masing jalur memiliki satu pengaturan yang rentan salah dikonfigurasi.
Jalur subagent, di Claude Code. Claude Code memerlukan versi v2.1.293 atau yang lebih baru untuk Haiku 5.5. Kolom model pada subagent menerima sonnet, opus, haiku, fable, ID model lengkap, atau inherit, sesuai dokumentasi subagent. Cantumkan ID lengkapnya:
---
name: lookup
description: Find files, symbols and config values. Read-only.
model: claude-haiku-5-5
---
Answer with paths and line numbers. Do not edit files.
Penggunaan alias adalah jebakannya. Menurut dokumentasi konfigurasi model, haiku hanya merujuk ke Haiku 5.5 pada Anthropic API. Di Amazon Bedrock, Google Cloud, Microsoft Foundry, dan Claude Platform di AWS, alias tersebut masih merujuk ke Haiku 4.5. Berkas subagent yang dibagikan ke berbagai Computer lintas penyedia dapat menjalankan dua model berbeda di bawah satu nama yang sama. ANTHROPIC_DEFAULT_HAIKU_MODEL menentukan arti dari haiku, serta model apa yang digunakan Claude Code untuk fungsionalitas di latar belakang pada setiap host.
Kejutan kedua: subagent Explore bawaan menggunakan model percakapan utama, bukan Haiku. Jika agent utama menggunakan Opus 5.5, proses eksplorasi juga akan berjalan di Opus 5.5. Dokumentasi itu sendiri menyarankan untuk membuat subagent pengguna atau proyek bernama Explore—yang menimpa (override) subagent bawaan—dengan model: haiku untuk menjalankan eksplorasi menggunakan model berbiaya lebih rendah. Beri nama berkas di atas dengan nama tersebut dan tetap gunakan ID lengkapnya.
Jalur Agent, di Sharkly. Sharkly tidak memilihkan model. Dokumentasi Agents menyatakan: “Agent mengikuti model bawaan (default) dari Runtime. Platform tidak menjanjikan ataupun menampilkan nama model tertentu. Untuk mengganti model, tentukan model pada Custom arguments di Agent atau Runtime.” Tidak ada menu dropdown model ataupun pengaturan kedalaman berpikir (thinking-depth) pada Agent. Jadi, Agent murah diwujudkan sebagai Agent kedua pada Computer yang sama dan Claude Code Runtime yang sama, dengan claude-haiku-5-5 ditentukan di Custom arguments-nya, sementara Agent utama tetap menggunakan setelan bawaannya. Panduan penyiapan internal kami, menjalankan agent Claude Haiku 5.5 di Sharkly, memandu langkah-langkahnya secara terperinci.
Karena Task tidak menampilkan nama model, tambahkan satu baris ke instruksi Agent murah tersebut: laporkan model yang digunakan pada respons akhir. Di Claude Code, Haiku 5.5 secara default menggunakan effort medium dan fitur thinking tidak dapat dimatikan, sehingga level effort yang Anda tetapkan di sana akan menentukan besarnya biaya setiap eksekusi.
Dampak ambang batas 100K token
Keputusan penempatan ini juga menentukan tarif yang Anda bayar. Haiku 5.5 dikenakan tarif $0,10/$0,50 per satu juta token hanya selama ukuran prompt berada di atau di bawah 100K token. Di atas batas tersebut, skema harganya melonjak menjadi $0,50/$2,50—lima kali lipat lebih tinggi. Anthropic menyebutkan bahwa sekitar 90% permintaan ke Haiku 4.5 berada di bawah ambang batas ini.
Panggilan subagent memiliki pola yang biasanya tetap berada di bawah ambang tersebut: instruksi ringkas, pembacaan singkat, dan satu jawaban balik. Sebaliknya, Agent mandiri yang menangani Task berdurasi panjang cenderung melewatinya. Claude Code secara default baru memadatkan model berkonteks asli 1M (native-1M) seperti Haiku 5.5 pada kisaran 967K token—jauh melampaui batas 100K—sehingga eksekusi Haiku 5.5 yang panjang bisa menghabiskan sebagian besar giliran (turn) akhirnya dengan tarif yang lebih mahal. Solusi untuk Task yang panjang adalah membaginya menjadi beberapa bagian, bukan memindahkannya kembali ke dalam eksekusi agent utama.
Hal tersebut memberi keunggulan efisiensi biaya pada pilihan penempatan Anda. Gunakan subagent in-run untuk panggilan singkat yang didominasi proses membaca (read-heavy), di mana tarif murah lebih mudah dipertahankan. Gunakan Agent terpisah untuk pekerjaan yang hasilnya langsung dirilis, dan sesuaikan ukuran Task tersebut agar eksekusi selesai sebelum batas konteksnya terlampaui.
Dua hal yang tidak berubah
Anthropic secara terbuka mengakui batas kemampuannya. Sonnet 5.5 dan Opus 5.5 “tetap menjadi pilihan yang lebih baik untuk tugas-tugas coding berbasis agent yang kompleks,” dan tabel peluncuran menunjukkan skor Haiku 5.5 sebesar 39,2% pada Terminal-Bench 4.0 dibandingkan dengan 70,6% untuk Sonnet 5.5, keduanya pada pengaturan max effort. Haiku 5.5 adalah pekerja atau pembantu, bukan pemimpin (lead).
Selain itu, pekerja yang lebih murah tidak lantas membuat proses peninjauan dan persetujuan (acceptance) menjadi lebih murah. Baik Haiku 5.5 dijalankan sebagai subagent maupun sebagai Agent mandiri, tetap harus ada penanggung jawab atas hasilnya. Jalur subagent menyembunyikan penanggung jawab tersebut di dalam run agent utama; sedangkan jalur Agent menyematkan nama dan status yang jelas padanya. Untuk pekerjaan browser dan desktop, di mana sebuah eksekusi bisa berhenti dalam kondisi setengah jadi, perbedaan ini bisa dengan cepat memakan biaya besar—topik yang dibahas dalam agent browser murah dan antrean peninjauan. Memilih antara Haiku 5.5 dan GPT-6 Luna pada harga katalog yang sama merupakan persoalan tersendiri, yang diulas dalam dua Runtime murah dengan harga yang sama.
Pahami dan terapkan aturan penempatan ini: gunakan subagent untuk operasi pencarian yang hasilnya diverifikasi oleh agent utama, dan berikan Task mandiri untuk setiap pekerjaan yang hasilnya langsung dirilis. Jika Anda sudah menjalankan beberapa agent, Sharkly menyediakan satu platform terpusat untuk mengelola tugas dan hasil kerja mereka.
