Claude Haiku 4.5؛ بررسی مدل سریع و کمهزینه Anthropic برای پردازش بلادرنگ
آخرین راستیآزمایی: ۱۲ سپتامبر ۲۰۲۶
تاریخ عرضه: ۱۵ اکتبر ۲۰۲۵
قیمت و شیوهٔ محاسبه: ورودی: ۱ دلار بهازای هر یک میلیون توکن؛ خروجی: ۵ دلار تعرفه و دسترسی را برای زمان خرید دوباره در منبع رسمیِ مقاله بررسی کنید.
مقدمه
Claude Haiku 4.5 برای سناریویی ساخته شده که چندصد میلیثانیه تأخیر یا چند دلار هزینه اضافه در مقیاس میلیونها درخواست اهمیت پیدا میکند. این مدل کوچکترین عضو فعال خانواده فعلی Claude است، اما Vision، Tool Use و Extended Thinking را کنار قیمت پایینتر ارائه میدهد.
هنگام عرضه در اکتبر ۲۰۲۵، Anthropic آن را مدلی با کیفیت کدنویسی نزدیک به Sonnet 4 و سرعت بیش از دو برابر معرفی کرد. تا سپتامبر ۲۰۲۶، مدلهای بزرگتر خانواده چند نسل جلوتر رفتهاند؛ بنابراین Haiku 4.5 را باید با جایگاه امروز آن سنجید: یک مدل سریع و اقتصادی برای وظایف روشن، نه جایگزین مستقیم Fable 5.1 یا Opus 5.
اهمیت Haiku در معماریهای چندمدلی بیشتر میشود. یک مدل بزرگ میتواند مسئله را برنامهریزی کند و چند Haiku کارهای محدود، قابل سنجش و موازی را انجام دهند. این الگو هزینه و زمان را کاهش میدهد، به شرط آنکه مسیر ارجاع خطا و کنترل کیفیت طراحی شده باشد.
معرفی کامل Claude Haiku 4.5
Claude Haiku 4.5 در ۱۵ اکتبر ۲۰۲۵ عرضه شد. وضعیت آن در آخرین بررسی Active (latest) است و بازنشستگیاش زودتر از ۱۵ اکتبر ۲۰۲۶ برنامهریزی نشده؛ چون این تاریخ نزدیک است، پیش از انتشار یا پیادهسازی بلندمدت باید Lifecycle دوباره بررسی شود.
شناسه Snapshot در Claude API برابر claude-haiku-4-5-20251001 است و Alias کوتاه claude-haiku-4-5 به همان Snapshot اشاره میکند. استفاده از شناسه تاریخدار برای بازتولیدپذیری تولید مناسبتر است.
Haiku 4.5 از طریق Claude API، Amazon Bedrock، Google Cloud، Microsoft Foundry و Claude Platform on AWS در دسترس است. Context آن ۲۰۰ هزار توکن است؛ کمتر از یک میلیون توکن مدلهای جدیدتر Fable، Opus و Sonnet، اما برای بسیاری از چتها و پردازشهای سند کافی است.
قابلیتهای اصلی
تولید و تحلیل متن با تأخیر کم
پاسخگویی سریع، خلاصهسازی، بازنویسی، طبقهبندی و استخراج از مهمترین کاربردها هستند. مدل برای کارهای مشخصی که Schema و معیار روشن دارند، میتواند با هزینه پایین در حجم زیاد اجرا شود.
کدنویسی سبک و Pair Programming
Haiku 4.5 میتواند تابع بنویسد، خطای مشخص را اصلاح کند، تست کوچک بسازد یا تغییر محدود انجام دهد. برای معماری پیچیده یا Refactor چندساعته، مدلهای جدیدتر و قویتر مناسبترند.
Vision
مدل متن و تصویر را بهعنوان ورودی میپذیرد و پاسخ متنی میدهد. استخراج اطلاعات از Screenshot، رسید، فرم یا تصویر محصول ممکن است، اما در دادههای حساس باید نرخ خطا روی نمونه واقعی اندازهگیری شود.
Tool Use و Function Calling
Haiku 4.5 از Tool Use پشتیبانی میکند و میتواند Functionهای تعریفشده توسط برنامه را فراخوانی کند. در معماری چندعاملی، این مدل گزینه مناسبی برای Workerهای محدود مانند جستجو در رکوردها، تبدیل داده یا بررسی قالب است.
Extended Thinking دستی
برخلاف Claudeهای جدیدتر با Adaptive Thinking، Haiku 4.5 از Manual Extended Thinking با budget_tokens استفاده میکند و پارامتر Effort را پشتیبانی نمیکند. این تفاوت هنگام جابهجایی میان مدلها مهم است و کد تنظیمات Thinking نباید بدون تغییر کپی شود.
پردازش Batch و Prompt Caching
Message Batches API هزینه ورودی و خروجی را ۵۰ درصد کاهش میدهد و برای کارهای غیرهمزمان مناسب است. Prompt Cache نیز در تکرار دستور یا زمینه ثابت میتواند هزینه ورودی را کم کند.
مهمترین نقاط قوت
- سریعترین مدل در مقایسه فعلی خانواده Claude
- قیمت پایینتر از Sonnet، Opus و Fable
- Vision و Tool Use با وجود اندازه اقتصادی
- شناسه Snapshot تاریخدار برای پایداری رفتار
- مناسب برای زیرعامل، چت بلادرنگ و پردازش پرتعداد
- خروجی حداکثر ۶۴ هزار توکن، بیشتر از نیاز بسیاری از وظایف سبک
محدودیتها و نقاط ضعف
Context دویستهزارتوکنی از سه مدل جدیدتر Claude کوچکتر است. پروژههایی با مخزن بسیار بزرگ، تاریخچه ابزار طولانی یا مجموعه اسناد حجیم ممکن است به Retrieval دقیقتر یا مدل بزرگتر نیاز داشته باشند.
دانش قابل اتکای مدل تا فوریه ۲۰۲۵ اعلام شده و برای اطلاعات تازه باید از ابزار جستجو یا منبع بهروز استفاده شود. خروجی بومی فقط متن است؛ ساخت تصویر، صوت و ویدیو به مدل دیگری نیاز دارد.
Extended Thinking دستی به تنظیم بودجه نیاز دارد و نبود Effort، جابهجایی تنظیمات از Sonnet یا Opus را پیچیده میکند. افزایش Thinking نیز میتواند مزیت سرعت و هزینه را کاهش دهد.
Haiku در GPQA، AIME و برخی آزمونهای عاملمحور از مدلهای بزرگتر زمان عرضه عقب بوده است. برای تصمیمهای حساس، استدلال مبهم یا کدنویسی طولانی باید مسیر ارتقا و تأیید انسانی وجود داشته باشد.
کاربردهای واقعی Claude Haiku 4.5
طبقهبندی پیام و تیکت
مدل میتواند موضوع، فوریت، احساس و نیاز به اپراتور را در یک JSON ثابت برگرداند و فقط موارد دشوار را به مدل قویتر ارسال کند.
استخراج داده از فرم و رسید
با ورودی تصویری میتوان فیلدهای مشخص را استخراج و اعتبارسنجی اولیه کرد. مقادیر مالی، شناسه و تاریخ باید با قواعد قطعی کنترل شوند.
پاسخ بلادرنگ پشتیبانی
برای پاسخهای کوتاه متصل به پایگاه دانش یا وضعیت سفارش، Haiku زمان انتظار را پایین نگه میدارد. تغییر حساب، بازپرداخت و اطلاعات حساس باید محدود باشد.
Worker در سیستم چندعاملی
یک مدل بزرگتر میتواند کار را به بخشهای مستقل تقسیم کند و چند Haiku بررسی فایل، خلاصهسازی یا تبدیل قالب را انجام دهند. خروجی Workerها باید پیش از ادغام اعتبارسنجی شود.
تکمیل کد و تست کوچک
نوشتن Regex، تبدیل داده، ساخت Unit Test یا توضیح یک تابع از کارهایی است که Haiku میتواند سریع انجام دهد؛ تصمیم معماری بهتر است به مدل قویتر سپرده شود.
این مدل مناسب چه کسانی است؟
Claude Haiku 4.5 برای سازندگان چت بلادرنگ، تیمهای پشتیبانی، توسعهدهندگان ابزارهای کمتأخیر، پردازشگران اسناد و معماران سیستمهای چندعاملی مناسب است.
اگر کیفیت هر پاسخ از هزینه و سرعت مهمتر است یا کار ساعتها ادامه دارد، Sonnet 5، Opus 5 یا Fable 5.1 باید بررسی شوند.
مشخصات فنی Claude Haiku 4.5
| مشخصه | مقدار تأییدشده |
|---|---|
| Developer | Anthropic |
| Model Family | Claude Haiku |
| Model Type | مدل زبانی چندوجهی سریع |
| Release Date | ۱۵ اکتبر ۲۰۲۵ |
| Lifecycle | Active (latest)؛ بازنشستگی نه زودتر از ۱۵ اکتبر ۲۰۲۶ |
| API Snapshot | claude-haiku-4-5-20251001 |
| API Alias | claude-haiku-4-5 |
| Input | متن و تصویر |
| Output | متن |
| Context Window | ۲۰۰ هزار توکن |
| Maximum Output | ۶۴ هزار توکن |
| Reliable Knowledge Cutoff | فوریه ۲۰۲۵ |
| Training Data Cutoff | ژوئیه ۲۰۲۵ |
| Thinking | Manual Extended Thinking با budget_tokens |
| Effort Parameter | پشتیبانی نمیشود |
| Vision | بله |
| Audio / Video / Image Generation | خروجی بومی ندارد |
| Tool Use | بله |
| Web Search | در صورت سازگاری و فعالسازی ابزار میزبان |
| API Availability | Claude API و پلتفرمهای ابری اعلامشده |
۵ نمونه پرامپت کاربردی
۱. طبقهبندی تیکت با JSON
این پیام را فقط در Schema دادهشده برگردان: category، urgency، sentiment، requires_human و summary. خلاصه حداکثر ۱۸ کلمه باشد، هیچ کلید اضافه تولید نکن و اگر اطمینان کم است requires_human را true بگذار.
۲. استخراج از تصویر رسید
از این تصویر فقط نام فروشنده، تاریخ، مبلغ نهایی، ارز و شماره پیگیری را استخراج کن. داده ناخوانا را null قرار بده و چیزی را حدس نزن. خروجی باید JSON معتبر باشد.
۳. پاسخ سریع پشتیبانی
ابتدا با ابزار پایگاه دانش فقط راهنمای رسمی را جستجو کن. پاسخ را در حداکثر ۱۲۰ کلمه و سه مرحله بنویس. اگر راهحل تأییدشده پیدا نشد، صریح بگو و کاربر را به اپراتور ارجاع بده.
۴. اصلاح تابع کوچک
این تابع TypeScript در ورودی خالی خطا میدهد. علت را توضیح بده، کمترین Patch سازگار را بنویس و سه Unit Test برای حالت عادی، خالی و مقدار مرزی اضافه کن. API عمومی را تغییر نده.
۵. Worker خلاصهسازی
این بخش سند را در پنج Bullet خلاصه کن. فقط تصمیمها، مالک هر اقدام و موعد را نگه دار. هر مورد را به شماره بند منبع وصل کن و اگر مالک یا موعد وجود ندارد، «ذکر نشده» بنویس.
بنچمارکها و ارزیابی عملکرد
جدول زیر در ۱۵ اکتبر ۲۰۲۵ توسط Anthropic منتشر شده و Vendor-reported است. رقبای جدول، مدلهای همرده یا مرجع همان زمان عرضهاند؛ مقایسه با مدلهای سال ۲۰۲۶ باید با آزمون جدید انجام شود.
| Benchmark | چه چیزی را میسنجد؟ | Haiku 4.5 | Sonnet 4.5 | Sonnet 4 | GPT-5 | Gemini 2.5 Pro |
|---|---|---|---|---|---|---|
| SWE-bench Verified | حل Issueهای واقعی کدنویسی | ۷۳٫۳٪ | ۷۷٫۲٪ | ۷۲٫۷٪ | ۷۲٫۸٪ High / ۷۴٫۵٪ Codex | ۶۷٫۲٪ |
| Terminal-Bench | کار عاملمحور در خط فرمان | ۴۱٫۰٪ | ۵۰٫۰٪ | ۳۶٫۴٪ | ۴۳٫۸٪ | ۲۵٫۳٪ |
| OSWorld | کار با رابط کامپیوتر | ۵۰٫۷٪ | ۶۱٫۴٪ | ۴۲٫۲٪ | اعلام نشده | اعلام نشده |
| AIME 2025، بدون ابزار | ریاضی مسابقه دبیرستانی | ۸۰٫۷٪ | ۸۷٫۰٪ | ۷۰٫۵٪ | ۹۴٫۶٪ | ۸۸٫۰٪ |
| GPQA Diamond | استدلال علمی سطح تحصیلات تکمیلی | ۷۳٫۰٪ | ۸۳٫۴٪ | ۷۶٫۱٪ | ۸۵٫۷٪ | ۸۶٫۴٪ |
| MMMU Validation | استدلال چندوجهی و تصویری | ۷۳٫۲٪ | ۷۷٫۸٪ | ۷۴٫۴٪ | ۸۴٫۲٪ | ۸۲٫۰٪ |
Anthropic روش اجرا را نیز منتشر کرده است: امتیاز SWE-bench Verified میانگین ۵۰ Trial روی ۵۰۰ مسئله با Scaffold ساده Bash و File Editing بوده؛ Terminal-Bench میانگین ۱۱ اجرا با Terminus 2 و ترکیبی از حالت بدون Thinking و بودجه ۳۲K بوده؛ AIME از ۱۰ اجرای مستقل و Thinking Budget برابر ۱۲۸K استفاده کرده است. همین جزئیات نشان میدهد اعداد با تنظیمات دیگر الزاماً تکرار نمیشوند.
برای یک داده مستقل، Leaderboard رسمی Terminal-Bench 2.0 در اجرای ثبتشده ۳۱ اکتبر ۲۰۲۵، Haiku 4.5 را ۲۸٫۳٪ ± ۲٫۹ گزارش میکند. این عدد از نتیجه ۴۱٫۰٪ Anthropic پایینتر است، اما شرایط اجرا و تعداد Trial یکسان نیست؛ بنابراین تناقض ظاهری را نباید به تفاوت کیفیت مدل نسبت داد.
Haiku در SWE-bench Verified به مدلهای بزرگتر همان دوره نزدیک است و در OSWorld از Sonnet 4 جلو میافتد، اما در GPQA، AIME و MMMU فاصله بیشتری دارد. این الگو با کاربرد واقعی آن همخوان است: اجرای سریع کار روشن و ابزارمحور، نه عمیقترین استدلال علمی.
مقایسه Claude Haiku 4.5 با گزینههای نزدیک
| مدل | بهترین سناریو | Context | قیمت ورودی/خروجی برای ۱M توکن |
|---|---|---|---|
| Claude Haiku 4.5 | پاسخ سریع، Worker و پردازش پرتعداد | ۲۰۰K | ۱ / ۵ دلار |
| Claude Sonnet 5 | کار عمومی قوی و Agent روزمره | ۱M | ۲ / ۱۰ دلار |
| GPT-5.6 Luna | وظایف بسیار ارزان و محدود در اکوسیستم OpenAI | ۱٫۰۵M | ۰٫۲۰ / ۱٫۲۰ دلار |
| Claude Opus 5 | کار پیچیده و کدنویسی طولانی | ۱M | ۵ / ۲۵ دلار |
Haiku زمانی انتخاب بهتری است که تأخیر کم، سازگاری با خانواده Claude و کیفیت بالاتر از یک Classifier ساده مهم باشد. Luna از نظر نرخ توکن بسیار ارزانتر است و برای کارهای محدود رقیب جدی محسوب میشود. Sonnet با دو برابر قیمت، Context پنجبرابر و سقف توان بالاتر دارد و برای مدل پیشفرض عمومی مناسبتر است.
قیمت و API
قیمت Claude API در ۱۲ سپتامبر ۲۰۲۶:
- ورودی: ۱ دلار بهازای هر یک میلیون توکن
- خروجی: ۵ دلار
- Cache Write پنجدقیقهای: ۱٫۲۵ دلار
- Cache Write یکساعته: ۲ دلار
- Cache Read: ۰٫۱۰ دلار
- Message Batches API: ۵۰٪ تخفیف روی ورودی و خروجی
برای ثبات تولید از شناسه claude-haiku-4-5-20251001 استفاده کنید. Alias کوتاه ممکن است در آینده به Snapshot دیگری اشاره کند. هزینه ابزارهای Server-side و ورودی تصویر جدا از نرخ پایه توکن اثر میگذارند.
Claude Haiku 4.5 را در Buffalo147 AI امتحان کنید
برای استخراج، طبقهبندی، پاسخ سریع یا یک تغییر کوچک کد، Haiku 4.5 را با Schema و مرز روشن امتحان کنید. اگر مسئله مبهم یا حساس شد، پاسخ را به مدل قویتر و بازبینی انسانی ارجاع دهید.
شروع استفاده از Claude Haiku 4.5 در Buffalo147 AI
جمعبندی
مهمترین مزیت Claude Haiku 4.5 سرعت و هزینه پایین در کنار Vision، Tool Use و Extended Thinking است. نتایج عرضه نشان میدهند برای یک مدل کوچک، کدنویسی و کار با ابزار قابلتوجهی دارد.
محدودیت اصلی، Context کوچکتر، دانش قدیمیتر و فاصله با مدلهای بزرگ در استدلال دشوار است. برای معماریهای چندمدلی، Haiku Worker خوبی است؛ برای تصمیمهای حساس یا پروژههای طولانی نباید بدون مسیر ارتقا استفاده شود.
پرسشهای متداول
Claude Haiku 4.5 چیست؟
مدل سریع و اقتصادی Anthropic برای چت بلادرنگ، پردازش انبوه، Tool Use، Vision و وظایف محدود است.
آیا Haiku 4.5 برای برنامهنویسی مناسب است؟
برای تکمیل کد، تابع کوچک، تست و رفع خطای روشن مناسب است؛ پروژههای پیچیدهتر بهتر است با Sonnet، Opus یا Fable ارزیابی شوند.
Claude Haiku 4.5 چقدر Context دارد؟
Context رسمی آن ۲۰۰ هزار توکن و حداکثر خروجی ۶۴ هزار توکن است.
آیا Haiku 4.5 تصویر را میفهمد؟
بله، متن و تصویر را بهعنوان ورودی میگیرد و پاسخ متنی تولید میکند.
Haiku 4.5 بهتر است یا Sonnet 5؟
Haiku سریعتر و ارزانتر است؛ Sonnet Context بزرگتر و توان بیشتری برای کار عمومی، کدنویسی و Agentهای پیچیده دارد.
آیا Claude Haiku 4.5 رایگان است؟
API آن پولی و مصرفی است. شرایط استفاده در اپ Claude به طرح و سهمیه جاری کاربر وابسته است.
منابع
- صفحه رسمی Claude Haiku 4.5 در Claude Platform
- معرفی و بنچمارک Claude Haiku 4.5 توسط Anthropic
- راهنمای Tool Use در Claude API
- راهنمای انتخاب مدلهای Claude
- Leaderboard مستقل Terminal-Bench
یادداشت تحریریه Buffalo147 AI: جدول اصلی نتیجه Vendor-reported در زمان عرضه است. نتیجه مستقل Terminal-Bench بهدلیل تفاوت روش اجرا جداگانه گزارش شده و با آن میانگینگیری نشده است.
