Bởi Claude Haiku 5.5: giá, bậc và cách dùng
Claude Haiku 5.5 giá $0,10 input và $0,50 output mỗi triệu token; prompt trên 100K token đắt gấp 5 lần. Xem chi phí 3 tác vụ so với Haiku 4.5.
Giá Claude Haiku 5.5 là bao nhiêu?
Giá Claude Haiku 5.5 là $0.10 cho mỗi triệu input token và $0.50 cho mỗi triệu output token, với prompt tối đa 100,000 token. Prompt trên 100,000 token có giá $0.50 cho input và $2.50 cho output. Model này có chi phí thấp với prompt ngắn và trung bình. Bậc giá cho prompt dài và tokenizer mới làm giảm phần tiết kiệm, vì vậy hãy đo các prompt thực tế trước khi lập ngân sách.
Claude Haiku 5.5 được phát hành vào ngày 7 tháng 10 năm 2026. Model ID của nó là claude-haiku-5-5. Đây là ID cố định, không có hậu tố ngày và không có alias riêng. Giá dưới đây tính theo MTok (một triệu token), lấy từ trang giá của Anthropic tại thời điểm tháng 10 năm 2026. Nếu bạn chưa quen với đơn vị này, một triệu Claude token tạo ra bao nhiêu văn bản sẽ quy đổi đơn vị đó thành số trang văn bản.
Dữ liệu đằng sau biểu đồ này
[
{
"label": "Haiku 5.5, prompt up to 100K",
"input_usd": "0.10",
"output_usd": "0.50",
"cache_hit_usd": "0.01",
"cache_write_5m_usd": "0.125",
"cache_write_1h_usd": "0.20",
"batch_input_usd": "0.05",
"batch_output_usd": "0.25"
},
{
"label": "Haiku 5.5, prompt over 100K",
"input_usd": "0.50",
"output_usd": "2.50",
"cache_hit_usd": "0.05",
"cache_write_5m_usd": "0.625",
"cache_write_1h_usd": "1.00",
"batch_input_usd": "0.25",
"batch_output_usd": "1.25"
},
{
"label": "Haiku 4.5",
"input_usd": "1.00",
"output_usd": "5.00",
"cache_hit_usd": "0.10",
"cache_write_5m_usd": "1.25",
"cache_write_1h_usd": "2.00",
"batch_input_usd": "0.50",
"batch_output_usd": "2.50"
},
{
"label": "Sonnet 5.5",
"input_usd": "2.00",
"output_usd": "10.00",
"cache_hit_usd": "0.10",
"cache_write_5m_usd": "2.50",
"cache_write_1h_usd": "4.00",
"batch_input_usd": "1.00",
"batch_output_usd": "5.00"
}
]Một cache hit (lần đọc từ prompt cache) có giá $0.01 cho mỗi MTok dưới ngưỡng và $0.05 cho mỗi MTok trên ngưỡng. Dưới ngưỡng, một lần ghi cache có giá $0.125 cho cache 5 phút hoặc $0.20 cho cache 1 giờ. Batch API (các request bất đồng bộ được hoàn tất sau) giảm 50% giá input và output. Với Haiku 5.5, mức giá đó là $0.05 cho input và $0.25 cho mỗi MTok, với prompt tối đa 100,000 token.
Chi phí output cao gấp 5 lần input trên mọi dòng. Câu trả lời dài làm hóa đơn tăng nhanh hơn câu hỏi dài, và cách Claude tính phí input và output token giải thích cách đọc phần phân tách này trong mức sử dụng của bạn.
Vì sao Haiku 5.5 tính giá theo độ dài prompt?
Trang giá của Anthropic ghi: “Các model Claude 4.6 trở lên (trừ Claude Haiku 5.5) và Claude Mythos Preview bao gồm đầy đủ context window 1M token với mức giá tiêu chuẩn.” Ngay sau đó, cùng phần này nói rằng Haiku 5.5 “tính giá theo độ dài prompt: request có prompt dài hơn 100,000 token sẽ chịu mức giá cao hơn.” Trong nhóm model 4.6 trở lên, Haiku 5.5 là ngoại lệ.
Haiku 5.5 có context window 1M token và hỗ trợ tối đa 128K output token trên API đồng bộ. Bạn có thể gửi prompt dài 400,000 token. Request đó sẽ áp dụng dòng giá cao hơn. Ở dòng giá cao, input đắt gấp 5 lần dòng giá thấp, và output cũng vậy. Bảng giá chọn dòng dựa trên độ dài prompt, nên một prompt dài sẽ áp dụng mức giá cao hơn cho toàn bộ input và output của request đó.
Điều này ảnh hưởng rõ nhất đến các job nằm gần ngưỡng. Prompt có độ dài tăng từ từ, chẳng hạn lịch sử chat hoặc prompt retrieval bổ sung thêm tài liệu theo thời gian, có thể vượt 100,000 token mà không cần thay đổi code. Khi đó, chi phí của request sẽ tăng đột ngột.
Token trong cache có được tính vào mốc 100,000 token không?
Có. Trang giá của Anthropic trả lời vấn đề này trong mục "Long context pricing": "Độ dài prompt của một request tính tất cả input token, bao gồm cả cache read và cache write." Trang này cũng nêu: "Mỗi request được tính giá riêng: request vượt qua ngưỡng sẽ áp dụng mức giá cao hơn, ngay cả khi một phần prompt là cache hit; các request trước đó vẫn giữ mức giá đã được tính."
Vì vậy, caching giảm chi phí trên mỗi token, nhưng không đưa request xuống dưới mốc này. Một prompt có 120,000 token, trong đó 110,000 token được đọc từ cache, vẫn chịu mức giá trên 100K. Cache hit của request này có giá $0.05 mỗi MTok, không phải $0.01, và output có giá $2.50 mỗi MTok. Trang context window cũng nêu điều tương tự: prompt caching "thay đổi số tiền bạn trả cho các token đó, không thay đổi việc chúng có được tính hay không". Với một cuộc hội thoại được cache và tăng vượt quá 100,000 token, chỉ các request vượt qua mốc này chịu mức giá cao hơn. Các request trước đó vẫn giữ mức giá thấp hơn đã được tính.
Không có ví dụ nào bên dưới sử dụng caching. Để biết một request đã cache nằm ở phía nào của mốc này, hãy đọc object usage trong từng response. Object này báo riêng input_tokens, cache_read_input_tokens và cache_creation_input_tokens; tổng của cả ba là độ dài prompt dùng để xác định giá. Để xác định caching có thực sự giúp giảm chi phí hay không, hãy xem điểm hòa vốn của Claude prompt caching, trong đó có phần tính toán cụ thể.
Haiku 5.5 có thực sự rẻ hơn Haiku 4.5 90% không?
Tính theo token thì có. Haiku 4.5 có giá $1.00 cho input và $5.00 cho output trên mỗi MTok. Haiku 5.5 có giá $0.10 và $0.50 bên dưới. Như vậy, giá của một token giảm 90%.
Tính theo mỗi job thì không. Haiku 5.5 dùng tokenizer mới hơn, cũng được Claude 4.7 và các model mới hơn sử dụng. Tokenizer là thành phần tách văn bản thành các token, và bạn trả phí theo số token. Ghi chú của Anthropic về Haiku 5.5 cho biết: “cùng một văn bản input tạo ra số token trên Claude Haiku 5.5 nhiều hơn khoảng 30% so với trên Claude Haiku 4.5. Mức tăng chính xác phụ thuộc vào nội dung.”
Cùng một văn bản nhưng có nhiều token hơn thì mức tiết kiệm sẽ thấp hơn bảng giá thể hiện. Số token bạn đo trên Haiku 4.5 cũng không phù hợp để ước tính cho Haiku 5.5. Hướng dẫn migration yêu cầu đếm prompt với model được đặt thành claude-haiku-5-5 thay vì dùng lại các số đếm cũ.
Chi phí thực tế của ba tác vụ trên Haiku 4.5 và Haiku 5.5
Ba tác vụ dưới đây dùng cùng một văn bản trên cả hai model. Số lượng token được tính từ Haiku 4.5, còn số liệu của Haiku 5.5 tăng 30%, theo con số ước tính trong ghi chú của Anthropic. Nội dung của bạn có thể khác. Các ví dụ không tính cache và mức giảm giá của Batch API. Các ví dụ cũng không tính thinking token. Chi phí được tính cho mỗi 1.000 lần gọi.
Dữ liệu đằng sau biểu đồ này
[
{
"label": "Classification",
"input_tokens_haiku_4_5": "1,000",
"input_tokens_haiku_5_5": "1,300",
"output_tokens_haiku_4_5": "10",
"output_tokens_haiku_5_5": "13"
},
{
"label": "RAG answer",
"input_tokens_haiku_4_5": "60,000",
"input_tokens_haiku_5_5": "78,000",
"output_tokens_haiku_4_5": "500",
"output_tokens_haiku_5_5": "650"
},
{
"label": "Long document",
"input_tokens_haiku_4_5": "150,000",
"input_tokens_haiku_5_5": "195,000",
"output_tokens_haiku_4_5": "1,000",
"output_tokens_haiku_5_5": "1,300"
}
]Phân loại. Một prompt ngắn yêu cầu trả về một nhãn, chẳng hạn như loại ticket hỗ trợ. Trên Haiku 4.5, prompt này có 1,000 input token và 10 output token. Trên Haiku 5.5, cùng văn bản đó có khoảng 1,300 và 13 token.
Câu trả lời RAG. RAG (retrieval-augmented generation) nghĩa là bạn đưa các tài liệu đã truy xuất vào prompt rồi đặt câu hỏi về chúng. Prompt này có 60,000 token trên Haiku 4.5 và khoảng 78,000 token trên Haiku 5.5. Con số này vẫn dưới mốc 100.000 token.
Tài liệu dài. Toàn bộ hợp đồng hoặc báo cáo dài được đưa vào prompt, sau đó bạn yêu cầu tóm tắt. Prompt này có 150,000 token trên Haiku 4.5, vẫn nằm trong context window 200K của model này. Trên Haiku 5.5, prompt có khoảng 195,000 token, nên bị tính theo mức giá trên 100K.
Dữ liệu đằng sau biểu đồ này
[
{
"label": "Classification",
"haiku_4_5_usd": "1.05",
"haiku_5_5_usd": "0.14"
},
{
"label": "RAG answer",
"haiku_4_5_usd": "62.50",
"haiku_5_5_usd": "8.13"
},
{
"label": "Long document",
"haiku_4_5_usd": "155.00",
"haiku_5_5_usd": "100.75"
}
]1.000 lần gọi để phân loại có chi phí $1.05 trên Haiku 4.5 và khoảng $0.14 trên Haiku 5.5. Chi phí cho 1.000 câu trả lời RAG giảm từ $62.50 xuống khoảng $8.13. Chi phí cho 1.000 bản tóm tắt tài liệu dài chỉ giảm từ $155.00 xuống khoảng $100.75.
Dữ liệu đằng sau biểu đồ này
[
{
"label": "Classification",
"saving_same_tokens_pct": 90,
"saving_new_tokenizer_pct": 87
},
{
"label": "RAG answer",
"saving_same_tokens_pct": 90,
"saving_new_tokenizer_pct": 87
},
{
"label": "Long document",
"saving_same_tokens_pct": 50,
"saving_new_tokenizer_pct": 35
}
]Nếu số lượng token không đổi, hai tác vụ đầu tiên sẽ tiết kiệm 90%. Khi số lượng token tăng 30%, mức tiết kiệm là khoảng 87%. Tài liệu dài chỉ tiết kiệm khoảng 35%, vì trên Haiku 5.5 nó bị tính theo mức giá trên 100K. Ngay cả khi số lượng token cũ được giữ nguyên, tác vụ này cũng chỉ tiết kiệm 50%, vì 150.000 token vốn đã vượt mốc này.
Cũng có một vùng rủi ro nằm giữa câu trả lời RAG và tài liệu dài. Một prompt có 80.000 token trên Haiku 4.5 sẽ thành khoảng 104.000 token trên Haiku 5.5 nếu tăng 30%. Prompt đó thấp hơn nhiều so với mốc trên model cũ nhưng lại vượt mốc trên model mới. Nếu prompt của bạn nằm trong khoảng từ khoảng 77.000 đến 100.000 token trên Haiku 4.5, hãy tính lại trước khi chuyển model.
Tôi đo prompt của mình như thế nào?
Hãy dùng endpoint đếm token. Endpoint này được sử dụng miễn phí, với giới hạn số request mỗi phút tùy theo usage tier của bạn. Endpoint nhận cùng body như một request Messages thông thường và trả về số token input cho model mà bạn chỉ định. Đây là số ước tính và có thể chênh lệch một lượng nhỏ so với số được tính phí.
curl https://api.anthropic.com/v1/messages/count_tokens \
-H "x-api-key: $ANTHROPIC_API_KEY" \
-H "content-type: application/json" \
-H "anthropic-version: 2023-06-01" \
-d '{
"model": "claude-haiku-5-5",
"system": "You are a support ticket classifier",
"messages": [{
"role": "user",
"content": "My invoice shows the wrong billing address."
}]
}'Response là một JSON object nhỏ với một field là input_tokens. Chạy lại cùng request lần thứ hai với model ID Haiku 4.5 mà bạn đang gọi hiện nay. Tỷ lệ giữa hai giá trị input_tokens là mức tăng tokenizer thực tế của bạn. Hãy làm việc này với 10 hoặc 20 prompt thực tế từ log, không phải chỉ một câu test, vì mức tăng phụ thuộc vào nội dung.
Sau đó đưa các số liệu của bạn vào bảng giá ở trên. Đếm từng prompt trên Haiku 5.5 và kiểm tra nó nằm ở phía nào của mốc 100,000. Chỉ cần kiểm tra này là xác định được bạn phải trả theo dòng nào.
Token suy luận được tính vào output
Haiku 5.5 là model Haiku đầu tiên có các mức effort. Model này hỗ trợ cả 5 mức: low, medium, high, xhigh và max. Mặc định là medium, cả trên Claude API lẫn Claude Code. Adaptive thinking được bật theo mặc định, nên model có thể quyết định suy luận trước khi trả lời.
Token suy luận được tính như output token và được tính vào max_tokens. Output là phần đắt hơn trong mọi dòng của bảng giá. Một request phân loại suy luận 300 token trước khi ghi nhãn 10 token sẽ tính phí cho 310 output token. Các ví dụ trên không tính phần suy luận, nên chi phí thực tế khi bật thinking sẽ cao hơn.
Với các tác vụ ngắn có định dạng cố định, bạn có thể tắt thinking. Thiết lập này hoạt động ở mức effort high trở xuống, còn medium mặc định nằm dưới mức đó. Cả 5 mức effort đều hoạt động với adaptive thinking mặc định, nhưng request đặt thinking thành disabled ở mức xhigh hoặc max sẽ trả về lỗi 400. Ở các mức đó, hãy bỏ trường thinking hoặc gửi {"type": "adaptive"}. Khi tắt thinking, effort cũng không thể thay đổi giữa chừng trong một conversation: thiết lập effort theo từng message khác với mức đang có hiệu lực sẽ trả về lỗi 400.
curl https://api.anthropic.com/v1/messages \
-H "x-api-key: $ANTHROPIC_API_KEY" \
-H "content-type: application/json" \
-H "anthropic-version: 2023-06-01" \
-d '{
"model": "claude-haiku-5-5",
"max_tokens": 50,
"thinking": {"type": "disabled"},
"messages": [{
"role": "user",
"content": "Classify this ticket as billing, bug or other: My invoice shows the wrong billing address."
}]
}'Object usage trong response hiển thị input_tokens và output_tokens. Khi tắt thinking, output_tokens thường gần với độ dài của câu trả lời hiển thị. Nếu muốn tinh chỉnh effort, phần khác biệt giữa các mức effort của Claude giải thích chi phí của từng mức.
Điều gì bị hỏng khi bạn đổi model ID?
Kế hoạch chi phí chỉ hữu ích nếu các request vẫn thành công. Hướng dẫn migration lên Haiku 5.5 liệt kê những thay đổi khiến request từng hoạt động trên Haiku 4.5 trả về lỗi 400:
- Manual thinking với
budget_tokens. temperature,top_phoặctop_k. Anthropic cho biết các tùy chọn này có thể gây lỗi và nên được bỏ qua.- Prefill trong assistant message (bắt đầu sẵn câu trả lời cho model).
Hướng dẫn cũng nêu những thay đổi khác ảnh hưởng đến việc lập kế hoạch. Priority Tier không được hỗ trợ trên Haiku 5.5, nên cam kết Priority Tier trên Haiku 4.5 không được chuyển sang model mới. Safety classifier có thể trả về stop_reason: "refusal" và không có fallback phía server, vì vậy code của bạn phải tự xử lý stop reason này. Theo mặc định, response không chứa nội dung thinking. Đặt thinking.display thành "summarized" nếu bạn muốn xem bản tóm tắt của nội dung đó.
Tôi có thể dùng Claude Haiku 5.5 ở đâu?
Trang model liệt kê 6 nền tảng: Claude API, Amazon Bedrock, Claude Models trên Google Cloud (Google quản lý), Claude Models trên Google Cloud (Anthropic quản lý), Microsoft Foundry và Claude Platform trên AWS. Bedrock dùng ID anthropic.claude-haiku-5-5. 5 nền tảng còn lại dùng claude-haiku-5-5. Trên các nền tảng do Anthropic vận hành, thời điểm ngừng hỗ trợ không sớm hơn ngày 7 tháng 10 năm 2027. Bedrock và Claude Models trên Google Cloud (Google quản lý) tự đặt ngày vòng đời riêng.
Tài liệu model không liệt kê các gói claude.ai cho Haiku 5.5. Anthropic có công bố system prompt cho Haiku 5.5 trên claude.ai và các ứng dụng Claude trên iOS, Android. Prompt này mô tả đây là “model nhanh nhất cho các câu hỏi ngắn”. Để xem gói của bạn có cung cấp model này không, hãy mở model picker trong ứng dụng hoặc xem các bài viết về model trên support.claude.com. Giá gói là chủ đề riêng, không liên quan đến giá API trên trang này. Hai loại giá này có một điểm giao nhau: một số gói trả phí như Max và Team đi kèm credit Claude API hằng tháng, dùng để thanh toán các lệnh gọi Claude API như những lệnh được tính giá ở trên.
Haiku 5.5 phù hợp với việc gì?
Tổng quan model của Anthropic mô tả Haiku 5.5 là “dành cho các tác vụ cần xử lý khối lượng lớn và độ trễ thấp như phân loại, trích xuất và định tuyến”, đồng thời xếp đây là model nhanh nhất hiện nay. Trang model Haiku 5.5 bổ sung các tác vụ subagent vào danh sách này. Thông báo ra mắt của Anthropic nêu các công việc nhanh và lặp lại như tạo bản tóm tắt và compaction (rút ngắn một cuộc hội thoại dài để có thể tiếp tục nằm trong giới hạn). Thông báo này cũng cho biết Haiku 5.5 “phối hợp tốt với Opus 5.5 và Sonnet 5.5 dưới dạng subagent cho công việc coding”.
Mẫu sử dụng phù hợp là một tác vụ hẹp được chạy nhiều lần. Router quyết định model lớn hơn nào sẽ xử lý một request là một lựa chọn phù hợp. Classifier gắn tag cho mọi ticket hỗ trợ cũng vậy. Nếu các lần gọi đó chạy từ một script trên server của bạn, kiểm soát chi phí AI agent trên VPS giải thích cách đặt giới hạn cứng cho số tiền mà một vòng lặp có thể chi.
Khi nào Sonnet 5.5 đáng mua hơn?
Sonnet 5.5 có giá $2.00 cho input và $10.00 cho output trên mỗi MTok, áp dụng một mức giá cố định cho toàn bộ context window 1M. Với dưới 100,000 token, mức giá này cao gấp 20 lần Haiku 5.5. Với trên 100,000 token, mức giá cao gấp 4 lần. Cả hai model đều dùng tokenizer mới hơn, nên cùng một văn bản sẽ có số token như nhau trên mỗi model và có thể so sánh trực tiếp.
Chọn Sonnet 5.5 khi task đủ khó khiến Haiku 5.5 thường xuyên thất bại. Trang ra mắt của Anthropic cho biết: "Sonnet 5.5 và Opus 5.5 vẫn là lựa chọn tốt hơn cho các task coding agentic phức tạp như những task được đo bằng Terminal-Bench 4.0", còn Haiku 5.5 "phù hợp nhất với các task có phạm vi hẹp hơn". Một lần gọi API rẻ nhưng phải retry hoặc kiểm tra thủ công thì không còn rẻ. Tài liệu về effort cũng đề xuất so sánh Haiku 5.5 ở xhigh hoặc max với Sonnet 5.5 dựa trên cả chi phí, tốc độ và hiệu năng. Thinking token được tính như output, nên ở effort cao, chi phí thực tế cho mỗi job phụ thuộc vào lượng suy luận của model. Hãy đo trên chính các task của bạn.
Prompt dài cũng làm khoảng cách thu hẹp. Với trên 100,000 token, Haiku 5.5 chỉ rẻ hơn 4 lần trên mỗi token. Nếu job cần đọc kỹ một tài liệu dài, Sonnet 5.5 có thể có giá trị tốt hơn cho riêng job đó. Để xem so sánh đầy đủ giữa các dòng model, hãy đọc nên dùng model Claude nào: Opus, Sonnet hay Haiku. Nếu bạn cũng đang tính giá của các vendor khác, hãy xem trang pricing của từng vendor để biết mức giá hiện tại của các small model, và xem so sánh pricing API giữa Claude và ChatGPT để biết cách so sánh công bằng hai bên.
FAQ
Claude Haiku 5.5 có giá bao nhiêu cho mỗi triệu token?
Với prompt tối đa 100,000 token, Haiku 5.5 có giá $0.10 cho mỗi triệu input token và $0.50 cho mỗi triệu output token. Với prompt trên 100,000 token, giá là $0.50 cho input và $2.50 cho output. Cache hit có giá $0.01 dưới ngưỡng và $0.05 trên ngưỡng. Batch API giảm 50% giá input và output.
Claude Haiku 5.5 có rẻ hơn Haiku 4.5 90% không?
Giá mỗi token thấp hơn 90% dưới ngưỡng 100,000 token. Cùng một đoạn văn bản tạo ra nhiều hơn khoảng 30% token trên Haiku 5.5 vì model này dùng tokenizer mới hơn, nên mức tiết kiệm thực tế cho một job sẽ thấp hơn. Các prompt vượt quá 100,000 token tiết kiệm được ít hơn nhiều. Hãy đếm prompt của bạn bằng endpoint đếm token miễn phí trên cả hai model rồi so sánh hai giá trị input_tokens.
Điều gì xảy ra khi prompt Haiku 5.5 vượt quá 100,000 token?
Request vẫn chạy vì context window có 1M token. Request được tính theo mức giá cao hơn: giá input và output đều cao gấp 5 lần so với prompt ngắn hơn. Cache read và cache write đều được tính vào 100,000 token, nên cache hit không giữ prompt dài ở mức giá thấp hơn. Prompt gần ngưỡng trên Haiku 4.5 có thể vượt ngưỡng trên Haiku 5.5 vì tokenizer mới đếm nhiều token hơn cho cùng một đoạn văn bản.
Tôi có thể tắt thinking trên Claude Haiku 5.5 để giảm chi phí không?
Có, ở mức effort high hoặc thấp hơn. Gửi "thinking": {"type": "disabled"} trong request. Effort mặc định trên Haiku 5.5 là medium, nên không cần thay đổi gì khác. Ở mức effort xhigh hoặc max, request tắt thinking sẽ trả về lỗi 400, vì vậy hãy giữ adaptive thinking mặc định ở các mức này. Thinking token được tính như output token, nên tắt thinking sẽ giảm chi phí cho các job ngắn có format cố định.
Tôi nên dùng Claude Haiku 5.5 hay Sonnet 5.5?
Dùng Haiku 5.5 cho các tác vụ hẹp chạy nhiều lần, chẳng hạn như phân loại, trích xuất, định tuyến và xử lý subagent. Dùng Sonnet 5.5 cho các tác vụ coding agentic phức tạp. Hãy dùng Sonnet 5.5 cho cả những job mà Haiku 5.5 thất bại đủ thường xuyên khiến chi phí retry cao hơn phần chênh lệch giá. Sonnet 5.5 đắt hơn 20 lần mỗi token dưới 100,000 token và đắt hơn 4 lần trên ngưỡng đó.