A Anthropic lançou o Claude Haiku 5.5 em 7 de outubro a US$ 0,10 por milhão de tokens de entrada e US$ 0,50 por milhão de tokens de saída, para prompts de até 100 mil tokens. O GPT-6 Luna estava listado exatamente a US$ 0,10 e US$ 0,50 desde 22 de setembro, e os preços de cache também coincidem: US$ 0,01 para leitura e US$ 0,125 para gravação. Nove dias após o Sonnet 5.5 igualar o GPT-6 Sol a US$ 2 e US$ 10, o nível econômico seguiu o mesmo caminho.
Preços idênticos tornam a escolha mais difícil, e não mais fácil, porque é no nível mais barato que se concentra o volume: triagem, resumos, scaffolding de testes, tarefas que já defendemos que deveriam rodar em um Runtime econômico. Se você escolher entre os dois por intuição, ambos acabarão no quadro de qualquer jeito: um no Claude Code e outro no Codex. Depois, ninguém sabe dizer qual Agent está cuidando do quê, qual execução foi concluída ou qual deles gerou o resumo de triagem que encaminhou um bug para o lugar errado na última terça-feira.
TL;DR
O Claude Haiku 5.5 e o GPT-6 Luna custam o mesmo apenas abaixo de 100 mil tokens de prompt. Acima disso, o Haiku 5.5 sobe para US$ 0,50/US$ 2,50, enquanto o Luna permanece no preço de tabela até 272 mil tokens e só então sobe para US$ 0,20/US$ 0,75 — logo, é nas sessões longas de agentes que as faturas divergem. A tabela de lançamento da Anthropic, a única tabela de fornecedor comparando ambos os modelos, traz o Haiku 5.5 com pontuações mais altas em todas as categorias compartilhadas. Seus gráficos de custo mostram o Luna mais barato por tentativa em todos os níveis de esforço para trabalho de conhecimento, e em todos os níveis, exceto o médio, para uso de computador — onde ambos custam o mesmo e o Haiku 5.5 pontua cerca de 16 pontos a mais. Trata-se da tabela de um único fornecedor, sem nenhum resultado independente para o Haiku 5.5 até o momento. Faça o roteamento pelo tamanho do prompt e pelo que você mede em suas próprias Tasks; manter ambos os Runtimes é uma decisão perfeitamente justificável.
O preço é idêntico até o prompt ficar longo
A paridade inicial só é válida para uma faixa específica de tamanho de prompt. Ambos os fornecedores reajustam os preços para prompts longos, em pontos de corte e proporções diferentes:
| Tokens de entrada na requisição | Haiku 5.5, por 1M entrada / saída | GPT-6 Luna, por 1M entrada / saída |
|---|---|---|
| Até 100K | $0.10 / $0.50 | $0.10 / $0.50 |
| 100K a 272K | $0.50 / $2.50 | $0.10 / $0.50 |
| Acima de 272K | $0.50 / $2.50 | $0.20 / $0.75 |
A documentação de preços da Anthropic deixa isso bem claro: prompts acima de 100.000 tokens pagam tarifas mais altas. A página do modelo Luna da OpenAI precifica prompts com mais de 272 mil tokens de entrada com o dobro das tarifas de entrada e cache e 1,5x a taxa de saída, para toda a requisição. O processamento em lote reduz ambos os valores pela metade.
Isso faz mais diferença para agentes do que para chat, já que uma sessão de agente reenvia seu contexto a cada turno. A Anthropic afirma que 90% das requisições para o Haiku 4.5 ficaram abaixo de 100 mil tokens, mas uma sessão longa de programação não é uma requisição comum. O Claude Code compacta automaticamente modelos com contexto nativo de 1M, incluindo o Haiku 5.5, por volta de 967 mil tokens por padrão. Portanto, uma execução longa do Claude Code com o Haiku 5.5 pode passar a maior parte dos seus turnos acima de 100 mil tokens, a cinco vezes a taxa inicial anunciada. O Codex com o Luna dispõe de mais 172 mil tokens de margem antes do seu acréscimo de preço — e uma sobretaxa menor quando ela é aplicada.
A contagem de tokens também não permite uma comparação direta entre fornecedores diferentes. A Anthropic afirma que o mesmo texto gera cerca de 30% mais tokens no Haiku 5.5 do que no Haiku 4.5. Um participante no Hacker News estimou que 100 mil tokens modernos do Claude equivalem a cerca de 60 mil a 65 mil tokens modernos do GPT. Essa é uma estimativa empírica, não uma medição precisa, mas aponta na mesma direção: o mesmo repositório atinge o limite da faixa econômica do Haiku 5.5 muito mais cedo.
O que a tabela da Anthropic permite comparar
O artigo de lançamento do Haiku 5.5 traz seis linhas com métricas para o Luna. Os números do Haiku 5.5 foram obtidos com esforço máximo:
| Linha | Haiku 5.5 | GPT-6 Luna | Origem dos dados do Luna |
|---|---|---|---|
| GDPval-AA v2.1 (trabalho de conhecimento) | 1620 | 1437 | Dado publicado citado pela Anthropic |
| AA-Briefcase v1.1 | 1578 | 1336 | Dado publicado citado pela Anthropic |
| OSWorld 2.1, subconjunto offline | 72.4% | 48.9% | Executado pela Anthropic via API da OpenAI, 82 tarefas |
| Terminal-Bench 4.0 | 39.2% | 16.4% | Leaderboard público, Codex CLI em esforço máximo |
| FrontierCode 1.1 (Main) | 46.4% | 42.4% | Dado publicado citado pela Anthropic |
| Chartography, sem ferramentas | 46.4% | 29.1% | Conforme relatado pela Surge AI |
O Haiku 5.5 lidera em todas as linhas. Dois poréns, no entanto, impedem que isso seja considerado um veredito definitivo: trata-se de uma tabela da própria Anthropic, e os gráficos na página de lançamento comparam a pontuação com o custo por tentativa, o que revela uma dinâmica bem diferente da avaliação apenas pelas notas brutas:
| Esforço | OSWorld: Haiku 5.5 | OSWorld: Luna | GDPval-AA: Haiku 5.5 | GDPval-AA: Luna |
|---|---|---|---|---|
| low | 42.0%, $0.07 | 19.2%, $0.04 | 1125, $0.012 | 1036, $0.004 |
| medium | 53.3%, $0.13 | 37.5%, $0.13 | 1277, $0.030 | 1262, $0.020 |
| high | 61.3%, $0.18 | 42.3%, $0.14 | 1420, $0.089 | 1344, $0.030 |
| xhigh | 67.6%, $0.28 | 44.8%, $0.17 | 1513, $0.267 | 1364, $0.050 |
| max | 72.4%, $0.61 | 48.9%, $0.21 | 1620, $0.866 | 1437, $0.090 |
No GDPval-AA, o Luna é mais barato por tarefa em todos os níveis de esforço. No OSWorld, ele é mais barato em todos os níveis, exceto no médio, onde ambos custam cerca de 13 centavos por tentativa. No uso de computador, a diferença na pontuação é ampla o suficiente para ser conclusiva: o Haiku 5.5 em nível médio supera o Luna em nível máximo custando menos. Já no trabalho de conhecimento, a distância quase se anula: o Haiku 5.5 em nível alto e o Luna no máximo custam cerca de nove centavos por tarefa e ficam separados por apenas 17 pontos Elo — enquanto o nível máximo do Haiku 5.5 custa quase dez vezes o do Luna.
Mais duas ressalvas: a pontuação principal do OSWorld considera créditos parciais; o system card da Anthropic aponta a taxa de aprovação estrita do Haiku 5.5 em 37,1%, sem divulgar números estritos para o Luna. O impacto disso na fila de revisão humana é o tema do nosso artigo sobre agentes de navegador. Além disso, nenhum dos dois modelos lidera em programação: a própria Anthropic afirma que o Sonnet 5.5 e o Opus 5.5 continuam sendo opções melhores para desenvolvimento agêntico complexo.
O Runtime por trás de cada modelo
O modelo é apenas metade da decisão. Cada um geralmente vem inserido em um Runtime diferente, e esses Runtimes se comportam de maneira distinta no fluxo de trabalho.
Claude Code no claude-haiku-5-5. Requer o Claude Code v2.1.293 ou superior; inicie-o com claude --model claude-haiku-5-5 ou alterne usando /model. O alias haiku aponta para o Haiku 5.5 apenas na API da Anthropic e ainda é resolvido como Haiku 4.5 no Bedrock, Google Cloud, Microsoft Foundry e Claude Platform na AWS; portanto, fixe o ID completo. O esforço padrão é medium, e o Claude Code não permite desativar o pensamento (thinking) no Haiku 5.5. Os novos créditos mensais de API para os planos Max e Team não cobrem o Claude Code, ou seja, não pagam por esse Runtime.
Codex no gpt-6-luna. O Luna roda no Codex nos planos Plus, Pro, Business, Enterprise e Edu. Seu esforço de raciocínio na API varia de none a max, tendo medium como padrão — portanto, ambos os modelos começam em medium, a menos que alguém altere essa configuração.
Uma diferença de comportamento importante demais para ficar restrita a uma nota de rodapé: o Haiku 5.5 executa classificadores de segurança que podem recusar uma requisição, sem qualquer fallback no lado do servidor. O system card da Anthropic aponta que ele teve mais recusas indevidas do que qualquer outro modelo em sua auditoria comportamental automatizada. Uma recusa significa uma execução concluída sem nenhum resultado. Isso deve ser registrado na Task como uma falha visível, em vez de desaparecer silenciosamente em um terminal que ninguém está monitorando.
Como compará-los em suas próprias Tasks
O Sharkly não escolhe modelos. A documentação sobre Agents explica: “O Agent segue o modelo padrão do Runtime. Ele não garante nem exibe um nome de modelo específico. Para trocar de modelo, especifique um em Custom arguments no Agent ou no Runtime, por exemplo: model: model-name”. Não existe um menu suspenso de modelos no Agent. Sendo assim, a configuração consiste em dois Agents, um para cada Runtime, identificados de acordo com sua função:
Agent A: Claude Code Runtime, Custom arguments model: claude-haiku-5-5
Agent B: Codex Runtime, Custom arguments model: gpt-6-luna
Tasks: the same description and starting commit, one Task per Agent,
drawn from jobs you actually hand the cheap tier
Accept: one acceptance check, written before either run starts
Record: accepted y/n, review minutes, reruns, refusals,
whether the run crossed 100K (Haiku) or 272K (Luna) input tokens,
provider cost from your own Anthropic and OpenAI bills
O uso dos modelos é faturado diretamente nas assinaturas ou chaves de API configuradas nessas ferramentas, de modo que os custos continuam vinculados a cada provedor. O método detalhado, incluindo o argumento do tempo de revisão (review-minutes), está disponível em nossa comparação entre Sonnet 5.5 e GPT-6 Sol e no guia sobre como comparar agentes de programação na sua própria base de código. A configuração específica para o Haiku pode ser consultada no artigo sobre executando agentes com o Claude Haiku 5.5 no Sharkly.
A coluna adicional necessária para esse comparativo é a de tamanho de prompt. Uma execução econômica que ultrapassou 100 mil tokens no Haiku 5.5 não custou dez centavos, e uma execução econômica que precisou de duas repetições não foi nada econômica, como argumentamos em quando modelos baratos custam mais caro.
Por que “ambos” é uma resposta legítima
As evidências publicadas até agora não apontam um vencedor indiscutível, e a tabela de preços praticamente garante uma divisão de casos de uso.
Use o Haiku 5.5 quando os prompts se mantiverem abaixo de 100 mil tokens, quando a tarefa envolver automação de navegador ou desktop — onde sua vantagem no OSWorld é mais expressiva — ou quando o trabalho de baixo custo rodar como um subagente liderado por um modelo Claude principal (nosso artigo sobre subagente ou seu próprio Agent detalha onde essas tarefas devem residir). Use o Luna quando as tarefas carregarem rotineiramente de 100 mil a 272 mil tokens de contexto, como em digestos longos de logs ou grandes diffs de código, ou quando o menor custo por tentativa for o fator decisivo. Se você utiliza exclusivamente o Claude Code e suas tarefas mais leves são curtas, talvez nem precise de um segundo Runtime econômico.
Manter ambos só funciona se a Task — e não o Runtime — for a fonte oficial de registro. Agentes pesquisam, executam, testam e relatam. Pessoas definem o direcionamento, concedem permissões e aprovam o resultado. Dois laboratórios nivelaram o preço de suas categorias econômicas no intervalo de três semanas, e qualquer um deles pode dar o próximo passo; portanto, contexto, progresso, impedimentos, resultados e revisão humana precisam continuar visíveis da solicitação ao lançamento, não importa qual Runtime vença a próxima rodada. Se você deseja continuar aproveitando múltiplos agentes de programação em vez de ficar preso a um único ecossistema, esse é exatamente o problema que o Sharkly foi projetado para resolver.
