Claude Haiku 5.5 kontra GPT i Gemini na 12 fakturach i skanach: dwa tanie modele pomyliły numer konta

7 października 2026 Anthropic wypuścił Claude Haiku 5.5, najtańszy model z rodziny 5.5. Za milion tokenów wejścia płacisz 0,10 USD, czyli o 90% mniej niż za Haiku 4.5. Tanie modele trafiają w firmach często do wyciągania danych z dokumentów, które przychodzą mailem. Dałem więc Haiku 5.5 12 PDF-ów, od czystej faktury po zdjęcie zrobione telefonem, i porównałem go z GPT-6 Luna, Gemini 3.5 Flash-Lite i poprzednim Haiku, w tych samych warunkach ochrony danych. Na skanach dwa modele pomyliły numer konta. Haiku 5.5 nie, ale bez myślenia sam „poprawiał” literę O na zero.

Z tego artykułu dowiesz się:

• Co Claude Haiku 5.5 zmienia względem Haiku 4.5: cena z progiem, długość kontekstu, myślenie, gdzie działa
• Ile naprawdę taniej: skąd w ogłoszeniach biorą się trzy różne liczby i co zmierzyłem u siebie
• Jak cztery tanie modele poradziły sobie z fakturami i skanami: wyniki pole po polu
• Jak ustawić automat do dokumentów, żeby pomyłki AI nie przechodziły dalej po cichu
• Co psuje się przy przejściu z Haiku 4.5

Claude Haiku 5.5: co zmienia względem Haiku 4.5

Haiku to najtańsza półka modeli Anthropic. Wyżej jest Claude Sonnet 5.5↗, na górze Opus 5.5↗. Haiku służy do zadań powtarzalnych i masowych: klasyfikacji, streszczeń, wyciągania danych, roli pomocnika przy droższym modelu. Anthropic nazywa go najtańszym, najszybszym i najzdolniejszym małym modelem, jaki wypuścił.

Tak premierę ogłosiło konto Claude dla programistów, z pokazem, w którym Opus 5.5 z dziesięcioma pomocnikami na Haiku 5.5 kończy zadanie w 58 sekund za 0,14 USD, a sam Opus w 3 minuty 37 sekund za 0,47 USD:

ClaudeDevs

@ClaudeDevs

·Follow

Haiku 5.5 is now available in the Claude Platform and Claude Code. On average, it costs around 75% less to run than Haiku 4.5. It pairs well with Opus 5.5 or Sonnet 5.5 as a subagent. Use it for high-volume, cost-sensitive tasks like summaries, compactions, or database queries.

Wideo z X. Klikając „Odtwórz”, zgadzasz się na połączenie z serwerami X (polityka prywatności).

Claude

@claudeai

Introducing Claude Haiku 5.5: the cheapest, fastest, and most capable small model we’ve ever released. On average, it costs around 75% less to run than Claude Haiku 4.5.

20:08 · 7 paź 2026

Czytaj 307 odpowiedzi na X

Liczby w tabeli pochodzą z ogłoszenia Anthropic↗, dokumentacji modelu↗ i cennika↗, stan na 11 października 2026.

Wiedzę ma do czerwca 2026. Według strony modelu↗ wybierzesz go w claude.ai na planach Free, Pro, Max, Team i Enterprise. Działa też w API, w Claude Code od wersji 2.1.293 oraz w Amazon Bedrock, Google Cloud i Microsoft Foundry.

Notion ogłosił na X↗, że Haiku 5.5 jest dostępny w Notion. Wpis nie mówi, w których planach, a w centrum pomocy Notiona 11 października jeszcze go nie było. Jak wybór modeli działa w Notion, opisałem przy okazji ChatGPT w Notion↗.

Wyniki testów według Anthropic

Skok jest ogromny, ale jedno zastrzeżenie: Anthropic mierzył Haiku 5.5 na maksymalnym poziomie wysiłku, czyli najdroższym i najwolniejszym. Niezależny serwis Artificial Analysis↗ dał mu 43 punkty na maksimum, najwięcej w klasie małych modeli, ale zmierzył też, że na tym ustawieniu zużywa około trzy razy więcej tokenów na zadanie niż GPT-6 Luna. Sam Anthropic w karcie systemowej↗ przyznaje, że model zmyśla mniej więcej tak często jak Haiku 4.5 i częściej niż inne testowane modele odmawia.

Ile naprawdę taniej: 90%, 75% czy 50%?

W ogłoszeniach krążą trzy liczby i wszystkie są prawdziwe. Mierzą co innego.

• 90% taniej to stawka za token, gdy cały prompt ma do 100 tysięcy tokenów.
• 50% taniej to stawka powyżej tego progu. Wtedy po wyższej stawce idzie całe zapytanie, razem z odpowiedzią i odczytami z pamięci podręcznej. Ten próg ma tylko Haiku 5.5, Sonnet i Opus go nie mają.
• Około 75% taniej to średnia, którą podaje Anthropic. Liczy ją na ruchu Haiku 4.5, gdzie 90% zapytań było krótkich, i z poprawką na nowy sposób liczenia tokenów.

Ten nowy sposób liczenia to druga pułapka. Według Anthropic ten sam tekst to w Haiku 5.5 około 30% więcej tokenów niż w Haiku 4.5. Na naszych polskich promptach wyszło więcej, około 38%: ten sam prompt Haiku 4.5 policzył jako 7747 tokenów, a Haiku 5.5 jako 10 727.

Co to znaczy w rachunku? Puściłem dwa kroki z naszego łańcucha, który w n8n pisze konspekty artykułów, na obu modelach Haiku i na Sonnecie 5.5. Te same dane, po trzy przebiegi:

Pomiar z 11 października 2026 przez OpenRouter, kod tych samych kroków co w produkcji.

Wobec Haiku 4.5 streszczenie wyszło o 78% taniej, a konspekt o 86%, czyli mniej niż 90% ze stawki. Wobec Sonneta 5.5 to 16–17 razy taniej. Jest też haczyk jakościowy: Haiku 5.5 nie zmyślił żadnej liczby, ale do konspektu wplótł trzy fakty, a Sonnet osiem. Do mielenia źródeł nadaje się świetnie, do myślenia nad tekstem gorzej.

Test: 12 PDF-ów, 4 modele, te same zasady ochrony danych

Zbudowałem zestaw, w którym znam każdą poprawną odpowiedź. Wszystkie dokumenty wygenerowałem sam, z fikcyjnymi firmami, NIP-ami i kontami:

• 4 faktury: zwykła, z układem w dwóch kolumnach i czterema stawkami VAT, w euro z kursem NBP, czternaście pozycji drobnym drukiem 8 pt,
• faktura z nazwami pełnymi polskich znaków (Łódź, Źdźbło, Gęś-Pol),
• 2 zamówienia na 24 i 40 pozycji, z kodami produktów, w których litera O stoi obok cyfry 0,
• zamówienie na 260 pozycji na dziewięciu stronach,
• drobny druk 6 pt do przepisania słowo w słowo,
• 3 skany bez warstwy tekstu: zwykły skan faktury, faktura „jak zdjęcie telefonem” (krzywo, rozmyta, z szumem) i zamówienie drobnym drukiem zeskanowane w 150 dpi.

Każdy model dostał ten sam prompt i ten sam schemat danych do wypełnienia. Wynik porównałem z kluczem pole po polu: kwoty co do grosza, teksty co do litery, z polskimi znakami.

Modele z niskiej półki cenowej, ale o różnych stawkach. GPT-6 Luna kosztuje tyle co Haiku 5.5 (0,10 i 0,50 USD za milion tokenów wejścia i wyjścia), Gemini 3.5 Flash-Lite 0,30 i 2,50 USD, Haiku 4.5 1 i 5 USD. Haiku 5.5 sprawdziłem w trzech wersjach: bez myślenia, z myśleniem na poziomie high i z samym tekstem wyciągniętym z PDF przed wysłaniem. Pozostałe modele miały ustawienia domyślne, więc porównuję praktyczne konfiguracje, a nie same modele.

Te same warunki ochrony danych. Każdy model wołałem przez OpenRouter na serwerach w Unii Europejskiej (Haiku przez Google Cloud, GPT przez Microsoft Azure, Gemini przez Google Cloud). Każde zapytanie miało trzy osobne ustawienia: wymóg zerowego przechowywania danych, zakaz użycia ich do trenowania i blokadę przełączenia na innego dostawcę. Dostawcę, który faktycznie obsłużył zapytanie, sprawdzałem w każdej odpowiedzi. Jak działa OpenRouter w n8n, opisałem w tekście o OpenRouter w n8n↗.

Wyniki: kto pomylił kwotę, a kto numer konta

Pomiar z 11 października 2026, w każdym przebiegu około 2200 sprawdzonych pól. Cały test, łącznie z wariantem tekstowym niżej, kosztował 0,86 USD.

Na skanach dwa modele pomyliły numer konta. GPT-6 Luna w obu przebiegach zgubił cyfry w numerze konta i w numerze faktury (FV/36/07/2026 zamiast FV/376/07/2026). Haiku 4.5 źle odczytał numer konta we wszystkich czterech przebiegach na dwóch skanach i zjadał polskie znaki: „Cma” zamiast „Ćma”. Haiku 5.5 i Gemini 3.5 Flash-Lite nie pomyliły żadnej kwoty ani numeru konta. W automacie płatności pomyłka w koncie jest najgroźniejsza, bo wygląda jak poprawny numer.

Haiku 5.5 wygrał liczbą odpowiedzi bez błędu, nie wyłącznością na poprawne kwoty. Gemini też nie pomylił kwot, ale mylił nazwy (Źdźba zamiast Źdźbło, „120 I” zamiast „120 l”) i kody produktów. Oba warianty Haiku 5.5 miały po 22 odpowiedzi bez błędu. Myślenie high ograniczyło pomyłki w kodach produktów: 7 zamiast 46.

Litera O i zero: tu tanie modele „poprawiają” po cichu. W kodach takich jak RP-722-O4 GPT-6 Luna i Gemini zamieniały literę O na zero nawet w zamówieniu z warstwą tekstu, gdzie nie było czego zgadywać. Na zeskanowanym zamówieniu drobnym drukiem zrobił to też Haiku 5.5 bez myślenia, wszystkie 23 razy w obu przebiegach. Z myśleniem na poziomie high pomylił trzy albo cztery. Myślenie podnosi koszt o połowę, do 0,31 centa za dokument, czyli około 3 USD za tysiąc dokumentów. To koszt samego wywołania modelu, bez reszty automatyzacji. Przyznaję, kody z literą O obok zera to pułapka zastawiona celowo. W prawdziwych dokumentach zdarza się rzadziej, ale kiedy się zdarza, model zmienia dane, a nie zgłasza wątpliwości.

Na plikach cyfrowych Haiku 5.5 nie pomylił niczego, nawet w 260 pozycjach. Drobny druk 6 pt przepisały słowo w słowo wszystkie modele.

Tekst wyciągnięty z PDF przed wysłaniem. To najtańszy wariant: 0,0015 USD za dokument. Na 18 odpowiedziach dla plików cyfrowych Haiku 5.5 nie zrobił w nim żadnego błędu. Skanów nie obsłużył wcale, bo skan to obraz bez tekstu: model dostał pustą kartkę i odpisał, że dokumentu nie ma. To nie jest błędny odczyt, tylko dokument, którego ta metoda nie obsługuje. Skan wymaga OCR albo modelu, który czyta obraz. Warstwa tekstu bywa też niepełna, na przykład bez niektórych stron albo tabel, więc jej obecność to za mało.

To pomiar na 12 dokumentach, w dwóch przebiegach, na jednym prompcie. Mówi, jak te konfiguracje zachowały się na naszym zestawie, a nie który model jest najlepszy.

Jak ustawić automat do dokumentów, żeby pomyłki AI nie przechodziły po cichu

Pytanie nie brzmi już, czy AI przeczyta fakturę. Pytanie brzmi, jak automat ma się zorientować, że tym razem przeczytał źle. Numer konta z jedną brakującą cyfrą wygląda jak każdy inny. Poniżej układ, który z tego wynika. Test mierzył sam odczyt, a nie skuteczność całego mechanizmu, więc traktuj to jako punkt startu.

Jeśli dopiero zaczynasz z automatyzacją, zacznij od tekstu co to jest n8n i jak działa automatyzacja↗. A jak sprawdzać, czy model po zmianie pracuje lepiej, a nie tylko taniej, opisałem w tekście o evalach AI↗.

Co psuje się przy przejściu z Haiku 4.5

Anthropic pisze w notatkach do wydania wprost, że kod napisany dla Haiku 4.5 może nie działać z Haiku 5.5. Każda z tych rzeczy kończy się błędem 400 przy wywołaniu API (przewodnik migracji↗):

• parametry temperatura, top_p i top_k. Najprościej usuń je z zapytań: top_k w każdej postaci daje błąd, temperatura musi wynosić 1, top_p 0,99, a temperatura razem z top_p też daje błąd. Przez OpenRouter nasze zapytanie z temperaturą 0,2 przeszło, ale samo przyjęcie zapytania nie potwierdza, że dostawca tę temperaturę zastosował (OpenRouter bez ustawienia require_parameters może pominąć nieobsługiwany parametr). Bezpośrednio przez API Anthropic takie zapytanie nie przejdzie,
• ręczny budżet myślenia (budget_tokens), zamiast niego jest poziom wysiłku,
• wstępnie wpisany początek odpowiedzi asystenta (prefill), często używany do klasyfikacji,
• ustrukturyzowane odpowiedzi na Amazon Bedrock w ogóle nie działają z Haiku 5.5.

Dwie rzeczy z naszego własnego przełączenia:

• Myślenie da się wyłączyć, ale tylko przez API i do poziomu high. Haiku 5.5 przyjmuje wyłączone myślenie przy poziomach low, medium i high, przy xhigh i max już nie (dokumentacja↗). Sonnet 5.5 zamiast wyłączenia przyjmuje tryb between_tools, w którym nie myśli przed odpowiedzią, tylko między wywołaniami narzędzi. W Opusie 5.5 myślenie jest zawsze włączone (dokumentacja myślenia↗). W aplikacji Claude i w Claude Code myślenia na Haiku 5.5 nie wyłączysz. U nas reguła napisana dla Sonneta 5.5 wymuszała myślenie także na Haiku, a to myślenie zjadało limit długości odpowiedzi: jedno streszczenie na trzy urywało się w połowie. Jeśli masz podobną regułę, sprawdź ją dla Haiku osobno.
• Limit długości odpowiedzi ustawiony w tokenach jest teraz ciaśniejszy. Ten sam polski tekst to około 38% więcej tokenów, więc limit, który dla Haiku 4.5 miał zapas, dla Haiku 5.5 bywa za krótki.

Nie musisz się spieszyć. Haiku 4.5 jest nadal aktywny i według listy wycofań Anthropic↗ nie ma ogłoszonej daty wyłączenia.

Podsumowanie: komu i do czego Haiku 5.5

• Wyciąganie danych z faktur i zamówień: tak, z myśleniem high i z kontrolami w automacie. W naszym teście miał najwięcej odpowiedzi bez błędu i nie pomylił żadnej kwoty ani konta.
• Masowe streszczenia, klasyfikacja, pomocnik przy droższym modelu: tak, jeśli zapytania mieszczą się pod progiem 100 tysięcy tokenów.
• Pisanie i myślenie nad tekstem: zostań przy Sonnecie. Haiku jest poprawny, ale chudy.
• Długie sesje agentowe z dużym kontekstem: licz uważnie. Powyżej progu stawka rośnie pięciokrotnie, a nowy sposób liczenia tokenów dokłada swoje.

Najwięcej nie dał sam model, tylko test na własnych dokumentach. Kosztował mniej niż jeden dolar i pokazał rzeczy, których nie ma w żadnym ogłoszeniu.

Jak testowałem: szczegóły

• Modele i dostawcy (OpenRouter, 11 października 2026): anthropic/claude-haiku-5.5 i anthropic/claude-haiku-4.5 przez Google Cloud w Europie, openai/gpt-6-luna przez Microsoft Azure w UE, google/gemini-3.5-flash-lite przez Google Cloud w UE.
• Ustawienia: Haiku 5.5 z myśleniem wyłączonym albo na poziomie high, pozostałe modele domyślnie. PDF wysyłany wprost (silnik native), w wariancie tekstowym tekst z PDF wyciągnięty programem pdftotext. Limit odpowiedzi 32 tysiące tokenów.
• Ochrona danych i region: region wyznacza wybór konkretnego endpointu dostawcy w UE (order) z blokadą przełączenia na inne (allow_fallbacks: false). Osobno zdr: true (zero przechowywania) i data_collection: deny (bez trenowania). Dostawcę, który obsłużył zapytanie, odczytywałem z każdej odpowiedzi.
• Zadanie: ten sam prompt systemowy i schemat JSON dla wszystkich. Faktura: numer, trzy daty, waluta, sprzedawca i nabywca z NIP-em, numer konta, pozycje (nazwa, ilość, cena netto, VAT, wartość netto i brutto), sumy, kurs dla faktury w euro. Zamówienie: numer, data, klient, pozycje z kodem, suma. Drobny druk: tekst akapitu słowo w słowo.
• Ocena: pole po polu z kluczem, kwoty z tolerancją pół grosza, teksty dokładnie, z polskimi znakami, pozycje po kolejności. Odpowiedź bez błędu to taka, w której wszystkie pola i liczba pozycji się zgadzają. W każdym przebiegu około 2200 pól i akapit 830 znaków.
• Koszt: z rozliczenia OpenRouter dla każdego zapytania.

Fragment zapytania (bez klucza API). Skróciłem prompt, schemat danych i zawartość dokumentu, więc to ilustracja konfiguracji, a nie komplet do odtworzenia testu:

{
  "model": "anthropic/claude-haiku-5.5",
  "reasoning": { "effort": "high" },
  "max_tokens": 32000,
  "provider": {
    "order": ["google-vertex/europe"],
    "allow_fallbacks": false,
    "zdr": true,
    "data_collection": "deny"
  },
  "plugins": [{ "id": "file-parser", "pdf": { "engine": "native" } }],
  "messages": [
    { "role": "system", "content": "Wyciagasz dane z dokumentow firmowych do automatu. Zwracasz WYLACZNIE poprawny JSON zgodny ze schematem, bez komentarzy (...). Liczby jako liczby z kropka dziesietna (1234.56), daty w formacie RRRR-MM-DD, teksty dokladnie tak jak w dokumencie, z polskimi znakami. Stawka VAT jako liczba (23) albo tekst \"zw\". Pola, ktorego nie ma w dokumencie, nie zgaduj: wpisz null." },
    { "role": "user", "content": [
      { "type": "text", "text": "Wyciagnij dane z dokumentu. Schemat JSON: {\"numer\": str, \"data_wystawienia\": str, ... \"pozycje\": [{\"nazwa\": str, \"ilosc\": num, \"cena_netto\": num, \"vat\": num|\"zw\", \"wartosc_netto\": num, \"wartosc_brutto\": num}], \"suma_netto\": num, \"suma_vat\": num, \"suma_brutto\": num}. Wszystkie pozycje, w kolejnosci z dokumentu." },
      { "type": "file", "file": { "filename": "faktura.pdf", "file_data": "data:application/pdf;base64,..." } }
    ] }
  ]
}