Claude Haiku 5.5 Rehberi: Fiyat, Effort, Kırılma Değişiklikleri, Subagent ve Claude Code'da Kullanım

Anthropic, 7 Ekim 2026'da Claude Haiku 5.5'i yayımladı ve böylece Opus 5.5 ile Sonnet 5.5'ten sonra 5.5 ailesinin üçüncü üyesi de geldi. Anthropic modeli "şimdiye kadar yayımladığımız en ucuz, en hızlı ve en yetenekli küçük model" olarak tanımlıyor. Kâğıt üzerindeki rakamlar bu iddiayı destekliyor: 100 bin token'a kadar olan prompt'larda milyon girdi token'ı 0,10 $, çıktı token'ı 0,50 $. Bu, Haiku 4.5'in birim fiyatının onda biri. Üstüne 1M token bağlam penceresi, 128K çıktı limiti ve Haiku sınıfında ilk kez ayarlanabilen effort seviyeleri geliyor.

Ucuzluk tek başına bir göç gerekçesi değil, çünkü işin içinde kırılma değişiklikleri var. temperature parametresi artık hata veriyor, assistant prefill reddediliyor, eski thinking bütçesi kabul edilmiyor ve yeni tokenizer aynı metni yaklaşık %30 daha fazla token olarak sayıyor. Bu yazıda Haiku 5.5'in ne getirdiğini, kademeli fiyatlandırmanın gerçek maliyetinizi nasıl etkilediğini, Haiku 4.5 kodunuzda neleri değiştirmeniz gerektiğini ve Claude Code'da Haiku 5.5'i subagent'lar için nasıl kullanacağınızı resmi dokümanlara dayanarak anlatıyorum. Fiyatlar 12 Ekim 2026'da Anthropic'in fiyatlandırma sayfasından kontrol edildi ve ABD doları cinsinden.

Claude Haiku 5.5 Nedir, Kimin İçin Tasarlandı?

Model sayfasındaki tanım net: Haiku 5.5, sınıflandırma, yönlendirme (routing), veri çıkarma ve subagent görevleri gibi yüksek hacimli ve gecikmeye duyarlı işler için tasarlandı. Duyuru metni bu listeye özetleme, compaction (konuşma geçmişini sıkıştırma), veritabanı sorguları, canlı müşteri desteği ve tarayıcı kullanımını da ekliyor. Anthropic ayrıca modelin kodlama işlerinde Opus 5.5 ve Sonnet 5.5'in yanında bir subagent olarak çalışmak üzere konumlandırıldığını vurguluyor.

Hız tarafında Haiku 5.5, standart hızda Anthropic'in bugüne kadarki en hızlı modeli. Duyuruda dürüst bir not da var: Fast Mode'da çalışan Opus modelleri Haiku 5.5'ten daha hızlı. Modeller genel bakış tablosunda karşılaştırmalı gecikme sütununda Haiku 5.5 "Fastest", Sonnet 5.5 "Fast", Opus 5.5 "Moderate", Fable 5.1 "Slower" olarak listeleniyor.

Model kimliği claude-haiku-5-5. 4.6 neslinden beri olduğu gibi kimlikte tarih eki yok ve ayrı bir alias da yok; bu kimlik kendi başına sabitlenmiş bir snapshot. Model Claude API'nin yanında Amazon Bedrock (anthropic.claude-haiku-5-5), Google Cloud, Microsoft Foundry ve Claude Platform on AWS'te (üçünde de claude-haiku-5-5) kullanılabiliyor.

Teknik Özellikler: Haiku 5.5 ile Haiku 4.5 Karşılaştırması

Model sayfası, "What's new" sayfası ve geçiş rehberindeki değerleri tek tabloda topladım:

Özellik	Claude Haiku 4.5	Claude Haiku 5.5
API kimliği	claude-haiku-4-5-20251001 / claude-haiku-4-5	claude-haiku-5-5
Bağlam penceresi	200K token	1M token
Maksimum çıktı	64K token	128K token (Batch API'de output-300k-2026-03-24 beta başlığıyla 300K)
Thinking	Manuel extended thinking (budget_tokens)	Adaptive, varsayılan açık; derinlik effort ile ayarlanır
Varsayılan effort	Desteklenmiyor	medium (low, medium, high, xhigh, max)
Girdi / çıktı fiyatı (MTok)	1 $ / 5 $	0,10 $ / 0,50 $ (prompt ≤100K); 0,50 $ / 2,50 $ (prompt >100K)
Önbellek okuma	0,10 $	0,01 $ / 0,05 $
En küçük önbelleklenebilir prompt	4.096 token	512 token
Tokenizer	Eski tokenizer	Claude 4.7 ve sonrası tokenizer (aynı metin yaklaşık %30 daha fazla token)
Görsel çözünürlük	Standart kademe (uzun kenar 1.568 piksel)	Yüksek çözünürlük kademesi (uzun kenar 2.576 piksel)
temperature / top_p / top_k	Kabul edilir	Gönderilmemeli; çoğu değer 400 hatası verir
Assistant prefill	Thinking kapalıyken kabul edilir	400 hatası
Güvenlik sınıflandırıcı reddi	Yok	stop_reason: "refusal" dönebilir
Browser use aracı	Yok	Claude API ve Google Cloud'da var
Bilgi kesim tarihi	—	Haziran 2026 (eğitim verisi de Haziran 2026)

Haiku 5.5 için emeklilik tarihi "7 Ekim 2027'den önce değil" olarak taahhüt ediliyor. Girdi tarafında model metin ve görsel kabul ediyor, çıktı yalnızca metin.

Benchmark Sonuçları: Haiku 5.5 Ne Kadar Güçlü?

Duyuru sayfasındaki tabloyu aktarıyorum. GPT-6 Luna, OpenAI'ın küçük modeli olarak karşılaştırmaya dahil edilmiş; tire işareti o satırda sonuç yayımlanmadığını gösteriyor.

Değerlendirme	Haiku 5.5	Haiku 4.5	GPT-6 Luna	Sonnet 5.5
GDPval-AA v2.1 (Elo, bilgi işi)	1620	735	1437	1840
AA-Briefcase v1.1 (Elo)	1578	614	1336	1824
OSWorld 2.1 (çevrimdışı alt küme, bilgisayar kullanımı)	%72,4	%15,7	%48,9	%83,9
Humanity's Last Exam (araçsız)	%45,9	%10,2	—	%56,9
Humanity's Last Exam (araçlı)	%57,4	%18,7	—	%64,5
Terminal-Bench 4.0 (ajan tabanlı kodlama)	%39,2	%0,0	%16,4	%70,6
FrontierCode 1.1 (Main)	%46,4	—	%42,4	%52,1 (Xhigh)
Chartography (araçsız, grafik okuma)	%46,4	%6,4	%29,1	%61,6

Bu tablodan bir geliştirici olarak çıkardığım üç sonuç var:

• Haiku 4.5 ile arasında bir nesil farkı var. Terminal-Bench 4.0'da Haiku 4.5 hiç puan alamazken Haiku 5.5 %39,2'ye çıkıyor; OSWorld'de %15,7'den %72,4'e sıçrıyor. Yani Haiku artık yalnızca "metin sınıflandıran ucuz model" değil, bilgisayar ve tarayıcı kullanımında da ciddi bir aday.
• Sonnet 5.5 ile kodlamadaki fark hâlâ büyük. Terminal-Bench'te %39,2'ye karşı %70,6 var. Uzun soluklu, çok adımlı kodlama ajanlarında ana modeli Haiku 5.5 yapmak yerine onu yardımcı rol için kullanmak daha mantıklı görünüyor.
• Kendi sınıfında önde. Karşılaştırılan tüm satırlarda Haiku 5.5, GPT-6 Luna'nın önünde. FrontierCode'da fark 4 puan, OSWorld'de 23,5 puan.

Duyuruda müşteri geri bildirimleri de var. Asana görev tamamlamalarında %30'un üzerinde daha düşük gecikme ve ajan turu başına 2,5 kata kadar daha hızlı çıkarım ölçtüğünü söylüyor. Box, Haiku 4.5'e göre 11 puan daha yüksek skoru yaklaşık yarı gecikmeyle aldığını belirtiyor. Cognition ise Haiku 5.5'i Devin Fusion içinde yardımcı model olarak kullanıp FrontierCode'da 66,2 skora ulaştığını ve bunu yaparken maliyetle gecikmeyi düşürdüğünü aktarıyor. Bu son örnek, Anthropic'in "Haiku'yu büyük modelin yanında subagent olarak kullan" önerisinin pratikteki karşılığı.

Fiyatlandırma: 100K Eşiği Nasıl Çalışıyor?

Haiku 5.5'in fiyatlandırması ailenin geri kalanından farklı. Opus 5.5 ve Sonnet 5.5'te 1M bağlam penceresinin tamamı standart fiyata dahilken Haiku 5.5 prompt uzunluğuna göre kademeli fiyatlandırılıyor. Fiyatlandırma sayfasındaki tablo (milyon token başına, ABD doları, 12 Ekim 2026):

Kalem	Haiku 5.5 (prompt ≤100K)	Haiku 5.5 (prompt >100K)	Haiku 4.5	Sonnet 5.5
Girdi	0,10 $	0,50 $	1 $	2 $
5 dakikalık önbellek yazma	0,125 $	0,625 $	1,25 $	2,50 $
1 saatlik önbellek yazma	0,20 $	1 $	2 $	4 $
Önbellek okuma	0,01 $	0,05 $	0,10 $	0,10 $
Çıktı	0,50 $	2,50 $	5 $	10 $
Batch API girdi / çıktı	0,05 $ / 0,25 $	0,25 $ / 1,25 $	0,50 $ / 2,50 $	1 $ / 5 $

Eşiğin kuralları fiyatlandırma sayfasında açıkça yazıyor ve gözden kaçırılmaması gereken üç ayrıntı içeriyor:

• Prompt uzunluğu tüm girdi token'larını kapsıyor. Önbellekten okunan ve önbelleğe yazılan token'lar da 100K hesabına giriyor.
• Her istek kendi başına fiyatlanıyor. Eşiği aşan bir istek, prompt'unun bir kısmı önbellekten gelse bile yüksek fiyatı öder. Daha önceki istekler ise faturalandıkları fiyatta kalır.
• Çıktı fiyatı da prompt uzunluğuna bağlı. 100K'yı aşan bir prompt'un yanıtı, kısa bir çıktı olsa bile milyon token başına 2,50 $'dan faturalanır.

Anthropic'in kendi hesabına göre Haiku 5.5'in ortalama maliyeti Haiku 4.5'ten yaklaşık %75 düşük. Duyurudaki dipnot bunu şöyle açıklıyor: 100K'ya kadar olan isteklerde maliyet %90, üstündekilerde %50 düşüyor ve Haiku 4.5 isteklerinin yaklaşık %90'ı 100K altındaydı. Veri yerleşimi için inference_geo ile yalnızca ABD'de çıkarım seçerseniz tüm kalemlere 1,1 çarpanı uygulanıyor; Haiku 5.5'te bu çarpan 100K üstü yüksek fiyatlara da ekleniyor.

Aynı duyuruda iki ilgili fiyat güncellemesi daha var. Sonnet 5.5'in önbellek okuma fiyatı %50 düşürülerek 0,20 $'dan 0,10 $'a indi; Anthropic bunun Sonnet 5.5'i çoğu ajan tabanlı işte yaklaşık %20 ucuzlattığını söylüyor. Ayrıca Max ve Team abonelerine aylık API kredisi veriliyor: Max 5x için 100 $, Max 20x için 200 $, Team için kullanıcılar arasında paylaşılan 500 $'a kadar.

Tokenizer Etkisi: Örnek Bir Maliyet Hesabı

Birim fiyatın onda bire düşmesi, faturanın da onda bire düşeceği anlamına gelmiyor. İki etken var: yeni tokenizer aynı metni yaklaşık %30 daha fazla token olarak sayıyor (artış içeriğe göre değişiyor) ve varsayılan olarak açık olan thinking token'ları çıktı olarak faturalanıyor. Aşağıdaki hesap, %30 artışı varsayan kaba bir örnek. Kendi trafiğinizi token sayımı ile ölçmeden karar vermeyin.

Ayda 1 milyon sınıflandırma isteği gönderdiğinizi düşünelim. Her istek Haiku 5.5'te 2.000 girdi ve 100 çıktı token'ı tutsun.

• Haiku 5.5: 2 milyar girdi token'ı × 0,10 $ = 200 $; 100 milyon çıktı token'ı × 0,50 $ = 50 $. Toplam yaklaşık 250 $.
• Haiku 4.5: Aynı metin yaklaşık 1.540 girdi ve 77 çıktı token'ı eder. 1,54 milyar × 1 $ = 1.540 $; 77 milyon × 5 $ = 385 $. Toplam yaklaşık 1.925 $.

Bu senaryoda tasarruf yaklaşık %87. Ancak Haiku 5.5 medium effort'ta düşünmeye karar verirse thinking token'ları çıktı faturasına eklenir. Basit sınıflandırmada low effort seçmek bu yüzden önemli.

Asıl tuzak eşiğin hemen altında yaşayan iş yükleri. Haiku 4.5'te 80 bin token tutan bir RAG prompt'u, %30'luk artışla Haiku 5.5'te yaklaşık 104 bin token'a çıkar. Bu durumda istek, girdi fiyatı beş kat yüksek olan kademeye geçer. Geçiş rehberi de bu yüzden prompt'ları model alanı claude-haiku-5-5 olacak şekilde yeniden saymayı, Haiku 4.5'te ölçülmüş sayıları kullanmamayı söylüyor. Görseller için de benzer bir uyarı var: Haiku 5.5 yüksek çözünürlük kademesini kullandığından 2.000 × 1.500 piksellik bir görsel Haiku 4.5'e göre yaklaşık 2,5 kat daha fazla görsel token tüketiyor.

Effort ve Adaptive Thinking Nasıl Kullanılır?

Haiku 5.5, effort seviyesi sunan ilk Haiku modeli. Effort, modelin ne kadar düşüneceğini ve dolayısıyla kaliteyi, gecikmeyi ve maliyeti belirleyen ana kontrol. Haiku 4.5'teki budget_tokens ayarının yerini alıyor, yani taşınacak eski bir değer yok. Anthropic'in Haiku 5.5 için önerileri şöyle:

Effort	Önerilen kullanım	Dikkat edilecek nokta
low	Sohbet, kısa araç görevleri, basit ve yüksek hacimli istekler	Uzun ajan prompt'larında aramayı atlama, erken durma ve kontrolü atlama ihtimali artar
medium (varsayılan)	Çoğu iş, ajan tabanlı kodlama dahil	Parametreyi göndermemekle aynı davranış
high	Bilgi işi, uzun ajan görevleri, katı talimat takibi	Daha fazla thinking ve çıktı token'ı
xhigh / max	Değerlendirmelerinizde kalite artışının maliyeti haklı çıkardığı işler	Thinking ve yanıtlar çok uzar; aynı işi Sonnet 5.5 ile de ölçün

Effort'u output_config.effort alanıyla ayarlıyorsunuz. Aşağıdaki istek, Anthropic'in effort dokümanındaki cURL örneğinin Haiku 5.5'e uyarlanmış hâli:

curl https://api.anthropic.com/v1/messages \
  -H "x-api-key: $ANTHROPIC_API_KEY" \
  -H "anthropic-version: 2023-06-01" \
  -H "content-type: application/json" \
  -d '{
    "model": "claude-haiku-5-5",
    "max_tokens": 4096,
    "messages": [{
      "role": "user",
      "content": "Bu müşteri mesajını fatura, teknik veya iade olarak sınıflandır: Kartımdan iki kez çekim yapılmış."
    }],
    "output_config": {
      "effort": "low"
    }
  }'

Thinking ile ilgili bilmeniz gereken davranışlar şunlar:

• Thinking, max_tokens'a dahil. max_tokens 128.000'e kadar çıkabiliyor. Haiku 4.5'te thinking'siz çalışan ve küçük bir max_tokens ile ayarlanmış istekler, Haiku 5.5'te bir thinking bloğundan sonra hiç metin üretmeden stop_reason: "max_tokens" ile kesilebilir.
• "Doğrudan cevap ver" talimatı düşünmeyi durdurmuyor. Anthropic'in testlerinde bu tür bir prompt modelin düşünmesini engellemedi. Daha az düşünme için effort'u düşürmek gerekiyor.
• Thinking'i kapatmak mümkün ama sınırlı. thinking: {"type": "disabled"} yalnızca low, medium ve high effort'ta çalışıyor; xhigh ve max'te 400 hatası veriyor.
• Thinking metni varsayılan olarak boş geliyor. Haiku 5.5 her thinking bloğunu boş bir thinking alanı ve yalnızca bir signature ile döndürüyor. Özet görmek isterseniz thinking: {"type": "adaptive", "display": "summarized"} gönderin.
• Xhigh'ta boş yanıt riski. Çok turlu sohbetlerde xhigh effort'ta model bazen tüm cevabı thinking içinde yazıp görünür metin olmadan turu bitiriyor. Bu seviyeyi kullanıyorsanız boş yanıt kontrolü ekleyin.

Konuşmanın Ortasında Effort Değiştirmek

Üst seviyedeki effort değerini istekler arasında değiştirmek, konuşma mesajlarının prompt önbelleğini geçersiz kılıyor. Claude API ve Google Cloud'da Haiku 5.5, önbelleği koruyan mesaj başına effort değişikliğini (beta) destekliyor. Bunun için mid-conversation-output-config-2026-07-01 beta başlığını gönderip messages dizisine içeriği boş, output_config.effort alanı yeni seviyeyi taşıyan bir role: "system" mesajı ekliyorsunuz. Değişiklik, başka bir mesaj onu değiştirene kadar sonraki tüm turlarda geçerli kalıyor. Bir kısıt var: thinking: {"type": "disabled"} ile çalışan bir konuşmada, geçerli seviyeden farklı bir mesaj başına effort 400 hatası döndürüyor. Turdan tura effort değiştirmek istiyorsanız adaptive thinking kullanmanız gerekiyor.

Haiku 4.5'ten Haiku 5.5'e Geçiş: Neler Kırılıyor?

Geçiş rehberi, Haiku 4.5'ten gelenler için tek bir kontrol listesi veriyor. Maddeleri kod üzerinde ne anlama geldiklerine göre grupladım.

1. Thinking yapılandırması

{"type": "enabled", "budget_tokens": N} değeri Haiku 5.5'te 400 hatası veriyor. Rehberdeki önce/sonra örneği:

// Önce: Claude Haiku 4.5
{
  "model": "claude-haiku-4-5",
  "max_tokens": 16000,
  "thinking": { "type": "enabled", "budget_tokens": 8000 },
  "messages": [{ "role": "user", "content": "..." }]
}

// Sonra: Claude Haiku 5.5
{
  "model": "claude-haiku-5-5",
  "max_tokens": 16000,
  "thinking": { "type": "adaptive" },
  "output_config": { "effort": "medium" },
  "messages": [{ "role": "user", "content": "..." }]
}

Haiku 4.5'i thinking'siz ya da küçük bütçeyle çalıştırıyorsanız Haiku 5.5'te daha düşük bir effort seviyesi seçmeniz öneriliyor.

2. İçerik bloklarını konuma göre değil türe göre okuyun

Adaptive thinking varsayılan olarak açık olduğu için, istekte thinking hiç geçmese bile yanıt bir veya daha fazla thinking bloğuyla başlayabilir. response.content[0].text gibi ilk bloğu cevap sayan kod bozulur. Doğru yaklaşım bloğu türüne göre seçmek:

import anthropic

client = anthropic.Anthropic()

response = client.messages.create(
    model="claude-haiku-5-5",
    max_tokens=4096,
    messages=[{"role": "user", "content": "Bu log satırındaki hata kodunu çıkar: ..."}],
    output_config={"effort": "low"},
)

for block in response.content:
    if block.type == "text":
        print(block.text)

Araç sonuçlarıyla birlikte thinking bloklarını değiştirmeden geri göndermeniz de gerekiyor.

3. Örnekleme parametrelerini kaldırın

Haiku 5.5'te temperature, top_p ve top_k parametrelerinin üçünü de göndermemeniz öneriliyor. Kurallar şöyle: temperature gönderilirse değeri yalnızca 1, top_p gönderilirse yalnızca varsayılan değer olan 0.99 olabilir. Başka her değer 400 hatası verir; top_p için 1 değeri de buna dahil. Her top_k değeri ve hem temperature hem top_p içeren her istek de hata döndürür. Birçok sınıflandırma hattında "deterministik olsun" diye temperature: 0 yazılı olduğunu düşünürsek, bu muhtemelen en çok karşılaşılacak kırılma olacak. Davranışı artık prompt ile yönlendirmeniz gerekiyor.

4. Assistant prefill kalktı

Mesaj dizisini assistant turuyla bitirip modelin devam etmesini istemek (örneğin JSON çıktısını { ile başlatmak) Haiku 5.5'te thinking kapalı olsa bile 400 hatası veriyor. Rehber, prefill'in amacına göre şu alternatifleri öneriyor:

• Çıktı formatı için: structured outputs ya da sınıflandırmada enum alanlı araçlar.
• Giriş cümlelerini engellemek için: system prompt'ta doğrudan cevap istemek.
• Yarıda kalan yanıtı sürdürmek için: "Önceki yanıtın kesildi ve şununla bitti: ... Kaldığın yerden devam et." gibi bir talimatı user mesajına taşımak.
• Bağlam hatırlatmaları için: bunları user turuna koymak.

5. Platforma özel kırılmalar

• Computer use: computer_20250124 aracı 400 hatası veriyor. Claude API ve Google Cloud'da computer_toolset_20260801 toolset'ine, Amazon Bedrock'ta computer-use-2025-11-24 beta başlığıyla computer_20251124 sürümüne geçmeniz gerekiyor. Claude API ve Google Cloud'da yeni browser_toolset_20260801 tarayıcı aracı da kullanılabiliyor.
• Amazon Bedrock'ta structured outputs yok. Haiku 5.5'i Bedrock üzerinden kullanıyorsanız output_config.format veya strict: true araçlar yerine formatı prompt'ta tarif edip çıktıyı kendi kodunuzda doğrulamanız gerekiyor.
• Priority Tier desteklenmiyor. Haiku 4.5 için Priority Tier taahhüdünüz varsa kapasiteyi ayrıca planlamanız gerekiyor.

6. Thinking bloklarının yeni kuralları

• Konuşmalar yalnızca eklemeli olmalı. Bir thinking bloğu, kendisinden önce gönderilen her şey değişmediği sürece geçerli. system, tools veya önceki mesajları değiştirip thinking bloklarını geri gönderen bir istek 400 hatası veriyor. Rehbere göre 31 Ağustos 2026 00:00 UTC'den önce açılmış hesaplarda bu hata yalnızca thinking.block_binding.prefix_mismatch_behavior ayarlanan isteklerde çıkıyor.
• Bloklar hesaba bağlı. Haiku 5.5 thinking blokları yalnızca onları üreten hesapta veya ona bağlı bir hesapta çalışıyor. Başka bir hesaptan gönderilen bloğu API hata vermeden düşürüyor. Tek bir konuşma deposundan birden çok müşteriye hizmet veren servisler bu yüzden her konuşmayı onu üreten hesap üzerinden tekrar oynatmalı.
• Eski thinking blokları bağlamda kalıyor. Haiku 4.5 yalnızca son turun bloklarını tutarken Haiku 5.5 önceki tüm turlarınkini tutuyor ve bunlar girdi token'ı olarak sayılıyor. Çok turlu konuşmaların maliyeti bu yüzden tokenizer değişikliğinin açıklayacağından daha fazla artabilir. Eski blokları temizlemek için thinking block clearing özelliği öneriliyor.
• Zorunlu araç seçimi thinking'i atlıyor. tool_choice any ya da belirli bir araç olarak verilirse yanıt doğrudan araç çağrısıyla başlıyor ve thinking bloğu içermiyor. Modelin araçtan önce düşünmesini istiyorsanız tool_choice: {"type": "auto"} kullanıp aracın ne zaman çağrılacağını prompt'ta anlatmalısınız.

7. Yeni güvenlik reddi

Haiku 5.5, bir isteği reddedebilen güvenlik sınıflandırıcılarıyla çalışıyor. Reddedilen istek stop_reason: "refusal" döndürüyor ve stop_details.category alanı kategoriyi veriyor: cyber, frontier_llm, bio veya general_harms. Haiku 4.5'ten geliyorsanız bu davranış sizin için yeni. Haiku 5.5'te sunucu tarafı fallback yok, aynı isteği tekrar göndermek de genellikle yine ret getiriyor. Bu yüzden istemcinizde bu durumu ele almanız şart. Duyuruya göre Haiku 5.5'in siber güvenlik korumaları Haiku 4.5'ten daha sıkı, Sonnet 5.5'ten daha gevşek: daha fazla savunma amaçlı göreve izin veriyor ama sızma testi gibi saldırgan odaklı teknikleri engelliyor. Kaynak koddaki zafiyetleri bulmak ise izinli. Meşru güvenlik işiniz engelleniyorsa Cyber Verification Program'a başvurabilirsiniz.

Geçişi otomatikleştirmek

Geçiş rehberi bu değişikliklerin çoğu için Claude Code'daki dahili Claude API skill'ini öneriyor:

/claude-api migrate this project to claude-haiku-5-5

Skill, model kimliğini değiştiriyor ve gerektiğinde kırılan parametreleri, prefill dönüşümünü ve effort kalibrasyonunu kod tabanınıza uyguluyor. Ardından elle doğrulamanız gereken maddelerin bir listesini çıkarıyor. Dosyalara dokunmadan önce kapsamı (tüm çalışma dizini, bir alt dizin veya belirli dosyalar) onaylamanızı istiyor ve Amazon Bedrock ile Claude Platform on AWS istemcilerini de tanıyor. Claude Managed Agents kullanıyorsanız model adını güncellemekten başka bir değişiklik gerekmiyor.

Claude Code'da Haiku 5.5 Nasıl Kullanılır?

Claude Code tarafında Haiku 5.5 desteği v2.1.293 ile geldi. Değişiklik günlüğündeki satıra göre Haiku 5.5 artık Anthropic API'de varsayılan Haiku modeli. Önce güncelleyin, ardından modeli seçin:

# Claude Code'u güncelle (v2.1.293 veya üstü gerekli)
claude update

# Oturumu doğrudan Haiku 5.5 ile başlat
claude --model claude-haiku-5-5

# Açık bir oturumda modeli değiştir
/model claude-haiku-5-5

# Ya da alias ile
/model haiku

haiku alias'ının neye çözüldüğü sağlayıcıya göre değişiyor. Bu, kurumsal kurulumlarda en sık karışıklık yaratacak nokta:

Sağlayıcı	haiku	sonnet	opus
Anthropic API	Haiku 5.5	Sonnet 5.5	Opus 5.5
Claude Platform on AWS	Haiku 4.5	Sonnet 4.6	Opus 5.5
Amazon Bedrock, Google Cloud's Agent Platform	Haiku 4.5	Sonnet 4.5	Opus 5.5
Microsoft Foundry	Haiku 4.5	Sonnet 4.5	Opus 4.6

Bedrock veya Google Cloud üzerinden Claude Code kullanıyorsanız ve Haiku 5.5 istiyorsanız alias'a güvenmek yerine tam model adını verin ya da ANTHROPIC_DEFAULT_HAIKU_MODEL ortam değişkenini ayarlayın. Bu değişken hem haiku alias'ının hangi modele gideceğini hem de Claude Code'un arka plan işlevlerinde kullanacağı modeli belirliyor.

Claude Code dokümanındaki diğer Haiku 5.5 notları şunlar:

• 1M bağlam her planda açık. Anthropic API'de Haiku 5.5 her planda 1M bağlam penceresiyle çalışıyor; seçmeniz gereken bir [1m] eki yok.
• Otomatik compaction yaklaşık 967K token'da. Oturumlar varsayılan olarak bu noktada sıkıştırılıyor. 100K üstü prompt'lar daha pahalı olduğu için uzun Haiku oturumlarında daha erken sıkıştırmak üzere daha küçük bir auto-compact penceresi ayarlamak mantıklı olabilir.
• Thinking kapatılamıyor. Claude Code'da Haiku 5.5 her zaman adaptive thinking ile çalışıyor ve varsayılan effort medium. Maliyeti düşürmenin yolu effort'u azaltmak.
• Devam ettirilen oturumlar yeni modele geçiyor. model ayarınız haiku ise Haiku 4.5'te kaydedilmiş bir oturum, devam ettirildiğinde Haiku 5.5 üzerinde açılıyor.

Effort'u oturum içinde /effort low ile, başlangıçta --effort bayrağıyla ya da CLAUDE_CODE_EFFORT_LEVEL ortam değişkeniyle ayarlayabilirsiniz. Ayarlarda kalıcı bir varsayılan için effortLevel anahtarı low, medium, high veya xhigh değerlerini kabul ediyor; max bu anahtarda geçerli değil.

Gerçek Bir İş Akışı: Haiku 5.5'i Subagent Olarak Çalıştırmak

Bence Haiku 5.5'in Claude Code'daki en değerli kullanımı ana model olmaktan çok, Opus 5.5 veya Sonnet 5.5'in yanında yoğun ama basit işleri devralan bir subagent olması. Claude Code'un maliyet dokümanı da basit subagent görevleri için model: haiku belirtmeyi öneriyor. Subagent kavramına yabancıysanız önce Claude Code subagent rehberine göz atabilirsiniz.

Senaryo şu: Ana oturumunuz Opus 5.5 ile çalışıyor ve büyük bir test paketinin çıktısını taramak, log dosyalarındaki hataları gruplamak veya bir klasördeki dosyaları özetlemek gibi işleri sürekli tekrarlıyorsunuz. Bu işler çok token tüketiyor ama derin akıl yürütme gerektirmiyor. .claude/agents/log-ozetleyici.md dosyasını şöyle oluşturun:

---
name: log-ozetleyici
description: Test ve uygulama loglarını tarar, hataları türüne göre gruplar ve kısa bir özet döner. Uzun log veya test çıktısı incelemesi gerektiğinde kullan.
tools: Read, Grep, Glob
model: haiku
effort: low
---

Sen bir log analiz uzmanısın. Verilen log dosyalarında ERROR ve FAIL
satırlarını bul, aynı kök nedene sahip olanları grupla ve her grup için
dosya adı, satır numarası ve tek cümlelik açıklama içeren bir liste döndür.
Kod değiştirme, yalnızca rapor ver.

Burada iki alan önemli. model alanı sonnet, opus, haiku, fable alias'larını, tam bir model kimliğini veya ana konuşmanın modelini kullanmak için inherit değerini kabul ediyor. effort alanı ise subagent'ı kendi effort seviyesinde çalıştırıyor; oturumun effort seviyesini geçersiz kılıyor ama CLAUDE_CODE_EFFORT_LEVEL ortam değişkenini geçersiz kılmıyor. Böylece ana oturum Opus 5.5'te medium veya high ile düşünürken log taraması Haiku 5.5'te low ile yapılıyor ve uzun çıktı ana bağlamı şişirmiyor, çünkü ana konuşmaya yalnızca özet dönüyor.

Claude Code subagent modelini şu sırayla çözüyor: önce Claude'un subagent'ı başlatırken verdiği çağrı bazlı model parametresi, sonra subagent tanımındaki model alanı, sonra CLAUDE_CODE_SUBAGENT_MODEL ortam değişkeni, en son da ana konuşmanın modeli. Tüm subagent'ları tek bir modele zorlamak isterseniz CLAUDE_CODE_SUBAGENT_MODEL_FORCE değişkenini (v2.1.257 ve üstü) birlikte kullanabilirsiniz:

{
  "env": {
    "CLAUDE_CODE_SUBAGENT_MODEL": "haiku",
    "CLAUDE_CODE_SUBAGENT_MODEL_FORCE": "1"
  }
}

_FORCE açıkken Claude Code subagent tanımlarındaki model alanını yok sayıyor. Bu ayarı dikkatli kullanın: planlama veya kod yazma yapan bir subagent'ı da Haiku'ya zorlarsanız, Terminal-Bench'teki farkı hatırlayarak kalitenin düşebileceğini hesaba katın. Daha dengeli bir yol, varsayılanı CLAUDE_CODE_SUBAGENT_MODEL ile Haiku yapıp kritik subagent'larda model: inherit veya model: opus yazmak.

Son Claude Code sürümleri bu senaryoyu destekleyen ayrıntılar da ekledi. v2.1.292 ile Agent aracına bir effort parametresi geldi; Claude artık bir subagent'ı istediğiniz effort seviyesinde başlatabiliyor. v2.1.296 ile subagent frontmatter'ına ve --agents tanımlarına autoCompactWindow eklendi. Böylece bir subagent daha erken sıkıştırılabiliyor, bu da Haiku 5.5'in 100K eşiğini aşmamak için kullanışlı bir araç. Aynı sürümle gelen CLAUDE_CODE_WORKFLOW_SUBAGENT_MODEL değişkeni ise diğer subagent'lar kendi modellerini korurken tüm workflow ajanlarını tek bir modelde çalıştırmanızı sağlıyor. Ayrıca Claude Code'un yerleşik claude-code-guide subagent'ı, Claude Code özellikleriyle ilgili sorular için zaten Haiku kullanıyor.

Maliyet ve bağlam yönetimini bütünüyle ele almak isterseniz Claude Code maliyet ve context yönetimi rehberi bu iş akışını tamamlayan pratikleri içeriyor.

Haiku 5.5 İçin Prompt İpuçları

Anthropic, Haiku 4.5 prompt'larının değişiklik yapılmadan iyi çalışmasını beklediğini söylüyor. Yine de "Prompting Claude Haiku 5.5" sayfasında belirli sorunlar için test edilmiş metinler var. Pratikte en işe yarayacakları seçtim:

Arama araçlarına bugünün tarihini verin

Haiku 5.5'e bir arama aracı veriyorsanız system prompt'a ya da aracın açıklamasına tarihi ekleyin: The current date is {{current_date}}. Anthropic'in testlerinde bu, cevapların güncel arama sonuçlarına dayanmasını sağladı. Model özellikle low effort'ta ve uzun system prompt'larda aramayı atlayabiliyor. Bu durumda tarihin hemen arkasına, eğitim verisinin bugünden çok önce bittiğini ve fiyat, sürüm ya da "en son" gibi bilgilerin değişmiş olabileceğini, bu yüzden bunları cevaplamadan önce araması gerektiğini söyleyen bir paragraf ekleyin. Dokümanda bu paragrafın hazır metni var. "Her güncel soru için mutlaka ara" gibi genel talimatlardan ise kaçının: testlerde bu talimat, arama gerektirmeyen prompt'ların yarısında gereksiz arama yaptırdı ve doğru cevap oranını artırmadı.

Kodlama ajanlarında doğrulamayı ve sona kadar çalışmayı isteyin

Haiku 5.5 low ve medium effort'ta bazen bir kod değişikliğini hiçbir kontrol çalıştırmadan "tamamlandı" diye raporlayabiliyor. Uzun kodlama ajanı prompt'larında low effort ile işi bitirmeden durup kullanıcıya geri verme eğilimi de görülüyor. Doküman iki durum için de system prompt'a eklenecek metinler veriyor: biri değişikliği gerçekten çalıştıran bir test, tip kontrolü veya build çalıştırmadan işi bitmiş saymamayı, diğeri istenen her şey bitene kadar çalışmayı ve istenmeyen özellik eklememeyi söylüyor. Anthropic'in testlerinde effort'u low'dan medium'a çıkarmak erken durmayı kabaca yarıya indirdi ama deneme başına çıktı token'ını iki katından fazla artırdı. Yani prompt ile çözmek çoğu zaman daha ekonomik.

JSON çıktısı ve araçlar

Thinking kapalıyken structured outputs ile JSON istediğinizde Haiku 5.5 ihtiyaç duyduğu bir araç çağrısını atlayabiliyor. Üç çözüm öneriliyor: bu istekler için adaptive thinking'i açık bırakmak, modelin araç çağırması gereken isteklerden output_config.format'ı kaldırmak ya da tool_choice ile çağrıyı zorlamak.

Chatbot'larda system prompt'a sadakat

Müşteri destek botu gibi senaryolarda kullanıcı tartıştığında ya da ısrar ettiğinde modelin kurallardan sapmaması için doküman, system prompt kurallarının tüm konuşma boyunca geçerli olduğunu belirten bir paragraf öneriyor. Talimat takibinin en kritik olduğu yerlerde high effort kullanılması da tavsiye ediliyor. Görünür yanıtta akıl yürütmeye benzer metin çıkıyorsa, ki bu thinking kapalıyken veya low effort'ta daha sık oluyor, adaptive thinking ve medium effort'a geçmek öneriliyor.

Kullanıcı mesajlarını tool_result içine koymayın

Haiku 5.5, araç sonuçları üzerinden gelen prompt injection'a direnç gösterecek şekilde eğitilmiş. Bunun yan etkisi şu: kullanıcının görev sırasında yazdığı bir mesaj tool_result bloğunun içinde gelirse model onu güvenilmeyen metin sayıp yok sayabilir. Kullanıcının sözlerini son tool_result'tan sonra aynı user mesajında ayrı bir metin bloğu olarak ekleyin.

Hangi Modeli Ne Zaman Seçmeli?

Resmi konumlandırma ve benchmark'lara göre karar tablom şöyle:

İş türü	Önerim	Gerekçe
Sınıflandırma, etiketleme, yönlendirme, veri çıkarma	Haiku 5.5, low	Birim fiyat Haiku 4.5'in onda biri; Anthropic'in birincil hedef kullanımı
Özetleme, log ve test çıktısı tarama, subagent görevleri	Haiku 5.5, low veya medium	Uzun çıktı ana bağlamı şişirmez, düşük maliyet
Canlı müşteri desteği, gecikmeye duyarlı sohbet	Haiku 5.5, kural takibi için high	Ailenin en hızlı modeli
Tarayıcı ve bilgisayar kullanımı	Haiku 5.5 veya Sonnet 5.5	OSWorld'de %72,4'e karşı %83,9; hacim ve maliyete göre seçin
Çok adımlı ajan tabanlı kodlama	Sonnet 5.5 veya Opus 5.5	Terminal-Bench'te Haiku 5.5 %39,2, Sonnet 5.5 %70,6
100K token'dan uzun prompt'lar	Haiku 5.5 ile Sonnet 5.5'i ölçerek karşılaştırın	Haiku'nun fiyatı eşik üstünde beş kat artıyor, Sonnet'inki sabit

Sonnet 5.5'in ayrıntıları için Claude Sonnet 5.5 rehberine, ailenin en güçlü üyesi için Claude Opus 5.5 rehberine bakabilirsiniz.

Sıkça Sorulan Sorular

Claude Haiku 5.5 gerçekten Haiku 4.5'ten ucuz mu?

Birim fiyat olarak evet. 100.000 token'a kadar olan prompt'larda milyon girdi token'ı 0,10 $, çıktı 0,50 $; Haiku 4.5'te bu değerler 1 $ ve 5 $. 100.000 token'ı aşan prompt'larda fiyat 0,50 $ / 2,50 $'a çıkıyor. Anthropic ortalama maliyetin Haiku 4.5'e göre yaklaşık %75 düştüğünü söylüyor. Ancak yeni tokenizer aynı metni yaklaşık %30 daha fazla token olarak saydığı ve thinking token'ları çıktı olarak faturalandığı için kendi trafiğinizle yeniden hesaplamanız gerekiyor.

Haiku 4.5 kodum Haiku 5.5'te değiştirmeden çalışır mı?

Çoğu durumda hayır. temperature (1 dışında), top_p (0,99 dışında) ve top_k 400 hatası veriyor; thinking type enabled ve budget_tokens kabul edilmiyor; son mesajı assistant olan prefill istekleri reddediliyor; computer_20250124 aracı çalışmıyor. Ayrıca yanıt thinking bloğuyla başlayabildiği için ilk content bloğunu cevap sanan kod bozuluyor. Claude Code'da /claude-api migrate komutu bu değişiklikleri otomatik uygulayabiliyor.

Claude Code'da Haiku 5.5'i nasıl seçerim?

Claude Code v2.1.293 veya üstü gerekiyor; claude update ile güncelleyin. Oturum içinde /model claude-haiku-5-5 ya da /model haiku, başlangıçta claude --model claude-haiku-5-5 kullanabilirsiniz. haiku alias'ı yalnızca Anthropic API'de Haiku 5.5'e çözülüyor; Amazon Bedrock, Google Cloud, Microsoft Foundry ve Claude Platform on AWS'te şimdilik Haiku 4.5'i gösteriyor.

Haiku 5.5'te thinking'i kapatabilir miyim?

API'de thinking: {"type": "disabled"} yalnızca low, medium ve high effort'ta çalışıyor; xhigh ve max'te 400 hatası dönüyor. Anthropic yine de düşünmeyi azaltmak için effort'u düşürmeyi öneriyor. Claude Code'da ise Haiku 5.5 her zaman adaptive thinking ile çalışıyor ve thinking kapatılamıyor; maliyeti /effort ile düşürüyorsunuz.

Haiku 5.5 hangi işlerde Sonnet 5.5'in yerine geçer?

Anthropic Haiku 5.5'i sınıflandırma, veri çıkarma, yönlendirme, özetleme, compaction ve subagent görevleri gibi yüksek hacimli ve gecikmeye duyarlı işler için konumluyor. Terminal-Bench 4.0'da Haiku 5.5 %39,2, Sonnet 5.5 %70,6 aldığı için uzun ve zor ajan tabanlı kodlama işlerinde Sonnet 5.5 veya Opus 5.5 hâlâ daha doğru tercih. xhigh veya max effort'a çıkmanız gerekiyorsa Anthropic aynı işi Sonnet 5.5 ile de ölçmenizi öneriyor.

Özet

Claude Haiku 5.5, Haiku çizgisini "ucuz ama sınırlı" modelden gerçek bir iş gücüne dönüştürüyor. 1M bağlam, 128K çıktı, effort kontrolü ve benchmark'larda Haiku 4.5'e karşı nesil farkı sunuyor. 100K token altındaki isteklerde birim fiyat onda bire iniyor. Buna karşın yeni tokenizer, varsayılan açık thinking ve 100K eşiği, faturanızı ancak ölçerek tahmin edebileceğiniz anlamına geliyor. Geçişte en sık karşılaşılacak kırılmalar temperature, prefill, budget_tokens ve ilk content bloğunu cevap sayan kod olacak. Claude Code'da v2.1.293 ile haiku alias'ı Anthropic API'de Haiku 5.5'e çözülüyor ve modelin en verimli kullanımı, büyük modelin yanında model: haiku ve effort: low ile çalışan subagent'lar.

Devam okumaları için: Haiku 5.5'i subagent olarak kurmanın temellerini subagent rehberinde, ailenin orta kademesini Claude Sonnet 5.5 rehberinde, token harcamasını kontrol altında tutmayı maliyet ve context yönetimi rehberinde bulabilirsiniz.