Anthropic đã phát hành Claude Haiku 5.5 vào ngày 7 tháng 10 với mức giá 0,10 USD cho mỗi triệu token đầu vào và 0,50 USD cho mỗi triệu token đầu ra đối với các prompt tối đa 100K token, và mức 0,50 USD / 2,50 USD một khi prompt vượt quá 100K token. Ở dưới mốc này, giá niêm yết của nó hoàn toàn tương đương với GPT-6 Luna, và bài viết ra mắt của Anthropic đã chỉ rõ các tác vụ phù hợp: tóm tắt, cô đọng ngữ cảnh, truy vấn cơ sở dữ liệu, phân loại, tương tác trình duyệt và đảm nhận vai trò subagent dưới sự điều phối của Opus 5.5 hoặc Sonnet 5.5. Đối với một đội ngũ đang vận hành nhiều coding agent, đây là một luồng xử lý chi phí thấp được bao bọc bởi Claude Code, nằm chung trên một bảng quản lý cùng mọi tác vụ khác.
Những vướng mắc nằm ở hai điểm. Alias haiku của Claude Code chỉ trỏ tới Haiku 5.5 trên Anthropic API; còn trên Bedrock, Google Cloud, Microsoft Foundry và Claude Platform on AWS, nó vẫn trỏ tới Haiku 4.5. Và mức giá không chỉ dừng lại ở một con số cố định. Một phiên Claude Code sẽ tích lũy ngữ cảnh theo thời gian, trong khi Claude Code chỉ tự động cô đọng Haiku 5.5 khi đạt khoảng 967K token, do đó một lượt chạy kéo dài có thể tiêu tốn phần lớn các lượt phản hồi ở mức trên ngưỡng 100K với chi phí gấp năm lần. Một luồng xử lý giá rẻ âm thầm trở nên đắt đỏ, chạy trên một model mà không ai có thể nhận biết trực tiếp từ Task, chính là dạng sai lệch mà bảng quản lý sinh ra để phát hiện. Hướng dẫn này sẽ chọn lộ trình tinh gọn và hiệu quả nhất: một Computer, một Agent cho luồng giá rẻ, một Task thực tế.
TL;DR
Hãy cập nhật Claude Code trên Computer lên phiên bản v2.1.293 trở lên, ghim chính xác claude-haiku-5-5 thay vì dùng alias haiku, và quét lại cho đến khi Claude Code Runtime hiển thị trạng thái Available. Cung cấp cho luồng giá rẻ một Agent riêng, khai báo tên model trong mục Custom arguments của Agent đó, và giữ các Task đủ hẹp để lượt chạy kết thúc trước khi prompt vượt quá 100K token. Claude Code mặc định chạy Haiku 5.5 ở mức effort medium và không thể tắt tính năng suy nghĩ. Anthropic cho biết Sonnet 5.5 và Opus 5.5 vẫn là lựa chọn tốt hơn cho các tác vụ agentic coding phức tạp, vì vậy vai trò trưởng nhóm và người thẩm định vẫn nên duy trì trên các model này. Agent đảm nhiệm nghiên cứu, thực thi, kiểm thử và báo cáo. Con người sẽ định hướng, cấp quyền và nghiệm thu kết quả.
Vị trí thiết lập cấu hình model
Sharkly không tự ý lựa chọn model, và tài liệu về Agents đã thay đổi cách bạn chỉ định model cho một Agent. Tài liệu hiện nêu rõ: “Agent tuân theo model mặc định của Runtime. Hệ thống không cam kết hay hiển thị tên model cụ thể nào. Để thay đổi model, hãy chỉ định trong phần Custom arguments trên Agent hoặc Runtime.” Thay vào đó, bạn vẫn có thể thay đổi cấu hình công cụ của Runtime hoặc Computer. Không có menu thả xuống riêng để chọn model trên Agent, và cũng không có tùy chọn điều chỉnh độ sâu suy nghĩ.
Điều này có ý nghĩa quan trọng đối với luồng giá rẻ hơn bất kỳ đâu. Hướng dẫn về Sonnet 5.5 của chúng tôi đã thiết lập model trong cấu hình của Claude Code ngay trên máy chủ lưu trữ (host), biến mô hình mỗi tầng model một Computer thành thiết lập trực tiếp nhất. Giờ đây, khi model được khai báo trong Custom arguments của Agent, một Agent chạy Haiku 5.5 và một Agent chạy Opus 5.5 có thể dùng chung một Computer, với model của từng bên được gán trực tiếp trên Agent thay vì nằm trong một file cấu hình nào đó có nguy cơ bị chỉnh sửa bất ngờ. Agent quy định cách thức xử lý công việc; Computer cung cấp môi trường host; Runtime — ở đây là Claude Code — thực thi phiên làm việc; và Task vẫn đóng vai trò là bản ghi dùng chung.
Bước 1: Cài đặt Haiku 5.5 cho Claude Code trên Computer
Theo tài liệu cấu hình model, Haiku 5.5 yêu cầu Claude Code từ phiên bản v2.1.293 trở lên; lệnh claude update sẽ giúp bạn nâng cấp. Hãy đăng nhập bằng gói trả phí hoặc API key có quyền truy cập. Claude Code không có trên gói Claude Free, và hạn mức tín dụng API hàng tháng mới dành cho người đăng ký gói Max và Team cũng không áp dụng cho Claude Code, nên chúng sẽ không chi trả cho Runtime trên Computer. Sau đó, hãy chạy lệnh claude --model claude-haiku-5-5 trong terminal thông thường trên host đó. Nếu một phiên làm việc khởi chạy thành công, Sharkly có thể sử dụng được.
Hãy ghim ID đầy đủ thay vì dùng alias. Dưới đây là giá trị mà alias haiku thực tế sẽ trỏ tới trong Claude Code hiện nay:
| Nơi Claude Code lấy model | Alias haiku trỏ tới |
Nên ghim giá trị này |
|---|---|---|
| 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 |
Trên Bedrock và Google Cloud, Claude Code sẽ ánh xạ ID đó sang model ID riêng của từng nhà cung cấp. Một Computer kết nối với Claude thông qua một nhà cung cấp đám mây và yêu cầu alias haiku sẽ nhận về thế hệ model trước đó với mức giá cũ, mà không có bất kỳ thông tin nào trên Task phản ánh điều này.
Quay lại Sharkly, hãy mở trang chi tiết Computer và tiến hành quét lại hoặc kiểm tra kết nối. Claude Code Runtime phải hiển thị trạng thái Available. Một Computer hiển thị online chỉ có nghĩa là dịch vụ cục bộ của nó đang gửi tín hiệu heartbeat; trạng thái của Runtime mới chính là yếu tố quyết định lượt chạy có thể bắt đầu hay không.
Bước 2: Thiết lập Agent cho luồng giá rẻ cùng cấu hình model
Mở mục Agents, chọn New Agent, chọn Computer cùng Claude Code Runtime tương ứng, và đặt tên Agent theo tên luồng xử lý thay vì đặt theo tên model. Trong phần Custom arguments, hãy chỉ định model là claude-haiku-5-5, đúng giá trị bạn đã kiểm tra với cờ --model trong terminal. Đặt thư mục làm việc mặc định thành Create temporary directory để mỗi Task chạy trong một thư mục cô lập riêng biệt, đồng thời thiết lập thời gian chờ (timeout) cho mỗi Task phù hợp với các tác vụ phạm vi hẹp. Một Haiku Agent chạy suốt cả tiếng đồng hồ là dấu hiệu cho thấy Task đó đã bị giao sai phạm vi.
Có ba đặc tính hành vi của model quyết định cách thiết lập chỉ dẫn. Mức effort mặc định trong Claude Code là medium, và tài liệu hướng dẫn viết prompt của Anthropic gọi đây là điểm xuất phát “cho hầu hết công việc, bao gồm cả agentic coding”, đồng thời khuyến nghị chỉ nên dùng xhigh và max khi quá trình đánh giá thực nghiệm cho thấy kết quả vượt trội rõ rệt. Tính năng suy nghĩ không thể tắt trong Claude Code đối với Haiku 5.5, do đó việc yêu cầu Agent trả lời trực tiếp sẽ không làm cho lượt chạy rẻ hơn. Ngoài ra, Haiku 5.5 vận hành các bộ phân loại an toàn có thể từ chối yêu cầu mà không có cơ chế dự phòng phía máy chủ; đối với các đội ngũ chuyển từ Haiku 4.5 lên, những trường hợp từ chối này là một điểm hoàn toàn mới cần lưu ý.
Sharkly không hiển thị tên model, vì vậy phần chỉ dẫn sẽ yêu cầu Agent ghi rõ thông tin này lên 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.
Bước 3: Giữ các lượt chạy dưới ngưỡng 100K token, sau đó gán một Task
Dưới đây là các mốc biểu phí tính trên mỗi triệu token, trích từ tài liệu biểu phí của Anthropic:
| Haiku 5.5 | Prompt tối đa 100K | Prompt trên 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 ghi nhận rằng các prompt có dung lượng tối đa 100K chiếm khoảng 90% tổng số yêu cầu gửi tới phiên bản Haiku tiền nhiệm. Nhưng một phiên làm việc của agent không phải là một yêu cầu thông thường. Trong Claude Code, prompt ở mỗi turn mang theo toàn bộ phiên làm việc từ đầu tới thời điểm đó, và nó sẽ tăng dần theo từng lượt đọc file và kết quả trả về của công cụ. Tài liệu nêu thẳng thắn: “prompt trên 100.000 token sẽ áp dụng mức giá cao hơn.” Với việc cơ chế tự động cô đọng chờ đến khoảng 967K mới thực hiện, một lượt chạy đã vượt qua mốc 100K có thể sẽ duy trì ở mức giá cao đó trong toàn bộ thời gian còn lại của phiên.
Từ đó hình thành nên quy tắc định tuyến, được đúc kết thành cặp quyết định:
- Sử dụng Haiku Agent khi Task liệt kê rõ các file, có kết quả mà một người có thể kiểm tra trong vòng một phút, và thuộc nhóm công việc mà Anthropic định vị cho model này: tóm tắt, phân loại, tra cứu, hoặc xử lý một bản sửa lỗi có phạm vi hẹp.
- Không sử dụng khi lượt chạy đòi hỏi phải đọc một repository lớn, trải qua một phiên debug kéo dài, hoặc đưa ra quyết định mà người kiểm duyệt sẽ phải tái hiện lại toàn bộ mới hiểu được. Lượt chạy đó sẽ vượt ngưỡng, chịu chi phí $0.50 / $2.50, và đó là công việc mà Anthropic khuyên nên chuyển cho model khác: các số liệu Terminal-Bench 4.0 cho thấy Haiku 5.5 đạt 39,2% so với 70,6% của Sonnet 5.5. Bài viết Khi model giá rẻ làm tốn kém hơn sẽ phân tích phần còn lại của bài toán chi phí đó.
Sau đó, hãy chọn một Task có tiêu chuẩn nghiệm thu rõ ràng, chỉ định Haiku Agent làm Assignee, và chuyển Task từ Backlog — nơi các Task được chỉ định đang chờ — sang trạng thái sẵn sàng thực hiện. Lượt chạy sẽ lần lượt đi qua các trạng thái queued, dispatched và running, đồng thời nhật ký thực thi của Task sẽ ghi nhận các lệnh gọi công cụ cùng các sự kiện Runtime. Nếu Agent dừng lại để báo rằng Task có phạm vi quá rộng, thắc mắc đó sẽ được gửi lại Task dưới dạng bình luận và chuyển tiếp đến Inbox. Đó chính là cách luồng xử lý vận hành đúng như thiết kế.
Haiku 5.5 mang lại gì cho luồng xử lý giá rẻ
Lý do cần một luồng giá rẻ đã được làm rõ trong Luna cho 80 phần trăm công việc nhàm chán và GPT-6 Luna trong Sharkly, và quy tắc sắp xếp nhân sự từ bài viết về Crews kết hợp nhiều model vẫn giữ nguyên giá trị: các thành viên giá rẻ, người dẫn dắt và người thẩm định dùng model đắt hơn. Haiku 5.5 mang lại ba điểm thay đổi.
Nhà cung cấp thứ hai với cùng mức giá. Dưới mốc 100K, giá niêm yết của Haiku 5.5 và Luna hoàn toàn tương đương nhau, và chúng chạy trong các Runtime khác nhau là Claude Code và Codex. Ngưỡng tăng giá của chúng cũng có sự khác biệt: OpenAI định giá các prompt Luna vượt quá 272K token đầu vào ở mức gấp 2 lần cho đầu vào và gấp 1,5 lần cho đầu ra, trong khi Haiku 5.5 tăng vọt gấp 5 lần ngay từ mốc 100K. Bài viết Haiku 5.5 so với GPT-6 Luna sẽ đối chiếu hai lựa chọn này dưới góc độ Runtime.
Được thiết kế để đóng vai trò subagent. Anthropic và các khách hàng trải nghiệm đầu tiên như Rogo và Cognition mô tả việc Haiku 5.5 hoạt động dưới sự điều phối của một model dẫn dắt quy mô lớn hơn. Bên trong một lượt chạy Claude Code, công việc của subagent đó không bao giờ xuất hiện trên bảng như một Task có chủ sở hữu riêng biệt. Bài viết Subagent hay một Agent độc lập sẽ vạch rõ lằn ranh giữa hai mô hình này.
Thao tác máy tính giá rẻ, nhưng chi phí thẩm định lại cao. Báo cáo kỹ thuật (system card) của Anthropic ghi nhận Haiku 5.5 đạt điểm từng phần 72,4% trên tập thử nghiệm con OSWorld 2.1 nhưng tỷ lệ vượt qua tuyệt đối chỉ đạt 37,1%, khiến nhiều lượt chạy chỉ hoàn thành được một phần công việc. Bài viết Agent trình duyệt giá rẻ phân tích tác động của điều này đối với hàng đợi thẩm định.
Không khoản phí nào trong số này xuất hiện trên hóa đơn của Sharkly. Chi phí sử dụng model vẫn được tính thông qua các gói đăng ký hoặc API key đã cấu hình trong các công cụ đó, do vậy các mức phí Haiku 5.5 kể trên sẽ được thanh toán cho Anthropic hoặc nhà cung cấp đám mây của bạn.
Model đã thay đổi trong tuần này. Ngữ cảnh, tiến độ, các vướng mắc cản trở, kết quả và sự kiểm duyệt của con người vẫn luôn được hiển thị xuyên suốt từ khâu yêu cầu đến khi phát hành. Bạn có thể tự thiết lập quy trình này bằng các worktree, hoặc sử dụng Sharkly để quản lý luồng công việc.
