Claude Haiku 5.5 और मार्केटिंग में छोटे मॉडलों का पक्ष

हर मॉडल लॉन्च को सबसे बड़े मॉडल के मुक़ाबले मापा जाता है। मेरे विचार में ज़्यादातर मार्केटिंग काम के लिए यह ग़लत नज़रिया है। 7 अक्टूबर को Anthropic ने Claude Haiku 5.5 जारी किया, और दिलचस्प बात यह नहीं है कि यह फ़्रंटियर के कितने क़रीब पहुँचता है। दिलचस्प यह है कि इसे दस लाख बार चलाने की लागत क्या है।

क्या हुआ

Anthropic, Haiku 5.5 को अब तक जारी किया गया अपना सबसे सस्ता, सबसे तेज़ और सबसे सक्षम छोटा मॉडल कहता है। इसका लक्ष्य बड़े पैमाने का, लागत-संवेदनशील काम है: सारांश, वर्गीकरण, डेटाबेस क्वेरी, लाइव ग्राहक सहायता, ब्राउज़र उपयोग और बड़े Opus 5.5 व Sonnet 5.5 मॉडलों के साथ सबएजेंट का काम। यह पहला Haiku-श्रेणी का मॉडल है जिसमें समायोज्य प्रयास सेटिंग है, ताकि उपयोगकर्ता लागत और बुद्धिमत्ता के बीच संतुलन चुन सकें। Anthropic स्पष्ट कहता है कि जटिल एजेंटिक कोडिंग के लिए Sonnet 5.5 और Opus 5.5 बेहतर बने रहते हैं।

सुर्ख़ी क़ीमत है। 1,00,000 टोकन तक के प्रॉम्प्ट के लिए Anthropic प्रति मिलियन इनपुट टोकन US$0.10 और प्रति मिलियन आउटपुट टोकन US$0.50 सूचीबद्ध करता है, और कहता है कि Haiku 5.5 औसतन Haiku 4.5 से लगभग 75% सस्ता है। लॉन्च पेज पर ग्राहकों की रिपोर्टें भी हैं; उदाहरण के लिए, HubSpot कहता है कि इसने उसके CRM मूल्यांकन सूट पर 92.8% स्कोर किया। ये कंपनी और उसके ग्राहकों के आँकड़े हैं, स्वतंत्र परीक्षण नहीं।

यह क्यों मायने रखता है

मार्केटिंग एआई मात्रा का व्यवसाय है। एक ही अभियान में हज़ारों क्रिएटिव वेरिएंट, वर्गीकृत करने के लिए दसियों हज़ार टिप्पणियाँ, लाखों पंक्तियों वाले प्रोडक्ट फ़ीड, और दर्जनों बाज़ारों की दैनिक रिपोर्टें शामिल हो सकती हैं। इनमें से लगभग किसी भी काम के लिए उपलब्ध सबसे शक्तिशाली मॉडल की ज़रूरत नहीं है। ज़रूरत एक ऐसे मॉडल की है जो पर्याप्त अच्छा, तेज़, पूर्वानुमेय और इतना सस्ता हो कि हर चीज़ पर चल सके।

जब छोटा मॉडल एक साथ बहुत बेहतर और बहुत सस्ता हो जाता है, तो आप क्या स्वचालित करते हैं इसका अर्थशास्त्र बदल जाता है। जो कार्य हर आइटम पर चलाने के लिए बहुत महँगे थे, जैसे हर प्रतिस्पर्धी विज्ञापन को टैग करना या हर ग्राहक समीक्षा का सारांश बनाना, वे सामान्य हो जाते हैं। और आर्किटेक्चर बदल जाता है: एक बड़ा मॉडल योजना बनाता और परखता है, छोटे मॉडल नीचे दोहराव वाला काम करते हैं। Haiku का सबएजेंट के रूप में Anthropic का अपना वर्णन ठीक यही पैटर्न है।

मेरा शोध क्या कहता है

मैं लंबे समय से यह तर्क देता रहा हूँ। Forbes में मैंने पूछा था कि क्या बड़ा ही बेहतर है, और बाद में मार्केटिंग में एलएलएम और छोटे न्यूरल नेटवर्क की तुलना की। मेरा उत्तर नहीं बदला है: मॉडल का आकार, तकनीक और कार्य के प्रति उपयुक्तता की तुलना में बहुत कम मायने रखता है।

हमारे शोध ने हमेशा दोनों तरह के मॉडलों में से एक चुनने के बजाय उन्हें जोड़ा है। SoCraft (WSDM 2023) में हमने एक मल्टीमोडल मॉडल प्रदर्शित किया जो लॉन्च से पहले, टेक्स्ट, छवि, टार्गेटिंग और सेटिंग्स का उपयोग करके, किसी विज्ञापनदाता के Meta विज्ञापन क्रिएटिव को स्कोर करता है। Fusing Predictive and Large Language Models for Actionable Recommendations in Creative Marketing (ACM Transactions on Information Systems, 2025) में हमने विज्ञापन-प्रदर्शन पूर्वानुमान मॉडलों को एलएलएम के साथ जोड़ा, ताकि क्रिएटिव स्कोर एक ऐसी अनुशंसा बन जाए जिस पर मार्केटर कार्रवाई कर सके।

उस काम से सबक यह है कि विशेषीकृत, कुशल मॉडल मापने का काम करते हैं और बड़े भाषा मॉडल व्याख्या का। एक सस्ता, अधिक सक्षम छोटा एलएलएम विशेषीकृत प्रेडिक्टर की जगह नहीं लेता। यह व्याख्या और ऑर्केस्ट्रेशन की परत को उस पैमाने पर किफ़ायती बनाता है जिस पर मार्केटिंग वास्तव में होती है।

मैं ऐसे मॉडल का उपयोग कैसे करूँगा

• पूर्ण कवरेज के साथ वर्गीकरण। सैंपलिंग के बजाय अपनी श्रेणी की हर प्रतिस्पर्धी पोस्ट, हर समीक्षा, हर विज्ञापन को विषय, ऑफ़र और फ़ॉर्मेट के अनुसार टैग करें।
• पहले चरण के सारांश। लंबी रिपोर्टों, ट्रांसक्रिप्ट और टिप्पणी थ्रेड को ऐसे छोटे सार में बदलें जिनकी समीक्षा कोई व्यक्ति, या कोई बड़ा मॉडल, करे।
• पाइपलाइन में सबएजेंट। किसी बड़े मॉडल को प्रतिस्पर्धी विश्लेषण की योजना बनाने दें और दोहराव वाले निष्कर्षण चरण छोटे मॉडल को सौंप दें।
• ग्राहक-सामना वाली गति। जहाँ लेटेंसी मायने रखती है, जैसे लाइव चैट, वहाँ तेज़ मॉडल का उपयोग करें, और कठिन मामलों को किसी मज़बूत मॉडल या इंसान तक भेजें।

बदलने से पहले मार्केटर्स को क्या जाँचना चाहिए

• अपना मूल्यांकन ख़ुद करें। वेंडर के बेंचमार्क आपका कार्य नहीं हैं। अपने काम से 200 वास्तविक उदाहरण लें, उन्हें लेबल करें, और उसी सेट पर मॉडलों की तुलना करें।
• प्रति टोकन लागत नहीं, प्रति कार्य लागत पर नज़र रखें। Anthropic बताता है कि Haiku 5.5 एक नए टोकनाइज़र का उपयोग करता है और प्रति कार्य थोड़े अधिक टोकन लेता है। बिल पूरे वर्कफ़्लो पर निर्भर करता है।
• प्रयास सेटिंग का सोच-समझकर उपयोग करें। सरल टैगिंग के लिए डिफ़ॉल्ट रूप से कम प्रयास रखें और इसे केवल वहीं बढ़ाएँ जहाँ आपका मूल्यांकन गुणवत्ता में सुधार दिखाए।
• जहाँ विशेषीकृत मॉडल बेहतर हैं, वहाँ उन्हें बनाए रखें। यदि आपके पास पहले से अपने प्रदर्शन डेटा पर प्रशिक्षित मॉडल है, तो एलएलएम को उसके आउटपुट की व्याख्या करनी चाहिए, उसकी जगह नहीं लेनी चाहिए।

सुर्ख़ियाँ फ़्रंटियर को मिलती हैं। ज़्यादातर काम, और ज़्यादातर बचत, छोटे मॉडल में होगी।

अक्सर पूछे जाने वाले प्रश्न