Claude Haiku 5.5 e os argumentos a favor de modelos pequenos no marketing

Todo lançamento de modelo é medido em relação ao maior modelo da sala. Acho que essa é a lente errada para a maior parte do trabalho de marketing. Em 7 de outubro, a Anthropic lançou o Claude Haiku 5.5, e o interessante não é o quanto ele chega perto da fronteira. É quanto custa rodá-lo um milhão de vezes.

O que aconteceu

A Anthropic chama o Haiku 5.5 de o modelo pequeno mais barato, rápido e capaz que já lançou. Ele é voltado para trabalho de alto volume e sensível a custos: resumos, classificação, consultas a bancos de dados, atendimento ao cliente ao vivo, uso de navegador e trabalho como subagente ao lado dos modelos maiores Opus 5.5 e Sonnet 5.5. É o primeiro modelo da classe Haiku com uma configuração de esforço ajustável, para que os usuários possam equilibrar custo e inteligência. A Anthropic deixa claro que o Sonnet 5.5 e o Opus 5.5 continuam melhores para programação agêntica complexa.

O preço é a manchete. Para prompts de até 100.000 tokens, a Anthropic informa US$ 0,10 por milhão de tokens de entrada e US$ 0,50 por milhão de tokens de saída, e diz que o Haiku 5.5 custa em média cerca de 75% menos que o Haiku 4.5. A página de lançamento também inclui relatos de clientes; a HubSpot, por exemplo, diz que ele marcou 92,8% em seu conjunto de avaliação de CRM. Esses números são da empresa e de seus clientes, não de testes independentes.

Por que isso importa

A IA para marketing é um negócio de volume. Uma única campanha pode envolver milhares de variantes de criativos, dezenas de milhares de comentários para classificar, feeds de produtos com centenas de milhares de linhas e relatórios diários em dezenas de mercados. Quase nada disso precisa do modelo mais poderoso disponível. Precisa de um modelo bom o suficiente, rápido, previsível e barato o bastante para rodar em tudo.

Quando o modelo pequeno fica muito melhor e muito mais barato ao mesmo tempo, a economia do que você automatiza muda. Tarefas que eram caras demais para rodar em cada item, como marcar todos os anúncios dos concorrentes ou resumir todas as avaliações de clientes, viram rotina. E a arquitetura muda: um modelo grande planeja e julga, e modelos pequenos fazem o trabalho repetitivo por baixo. A própria descrição da Anthropic do Haiku como subagente é exatamente esse padrão.

O que minha pesquisa diz

Defendo isso há muito tempo. Na Forbes, perguntei se maior é melhor e, depois, comparei LLMs e pequenas redes neurais no marketing. Minha resposta não mudou: o tamanho do modelo importa muito menos do que a técnica e a adequação à tarefa.

Nossa pesquisa sempre combinou os dois tipos de modelo, em vez de escolher um. Em SoCraft (WSDM 2023), demonstramos um modelo multimodal que pontua os criativos de anúncios de um anunciante na Meta, usando texto, imagem, segmentação e configurações, antes do lançamento. Em Fusing Predictive and Large Language Models for Actionable Recommendations in Creative Marketing (ACM Transactions on Information Systems, 2025), combinamos modelos de previsão de desempenho de anúncios com LLMs, para que uma nota de criativo se torne uma recomendação sobre a qual um profissional de marketing pode agir.

A lição desse trabalho é que modelos especializados e eficientes fazem a medição, e grandes modelos de linguagem fazem a explicação. Um LLM pequeno mais barato e mais capaz não substitui o preditor especializado. Ele torna a camada de explicação e orquestração viável na escala em que o marketing de fato acontece.

Como eu usaria um modelo como este

• Classificação com cobertura total. Marque cada post de concorrente, cada avaliação, cada anúncio da sua categoria por tema, oferta e formato, em vez de trabalhar com amostras.
• Resumos de primeira passagem. Transforme relatórios longos, transcrições e threads de comentários em sínteses curtas que uma pessoa, ou um modelo maior, revisa.
• Subagentes em um pipeline. Deixe um modelo maior planejar uma análise de concorrentes e passar as etapas repetitivas de extração ao modelo pequeno.
• Velocidade no atendimento ao cliente. Use o modelo rápido onde a latência importa, como no chat ao vivo, e encaminhe os casos difíceis a um modelo mais forte ou a um humano.

O que os profissionais de marketing devem verificar antes de trocar

• Faça sua própria avaliação. Benchmarks de fornecedores não são a sua tarefa. Pegue 200 exemplos reais do seu trabalho, rotule-os e compare os modelos nesse conjunto.
• Acompanhe o custo por tarefa, não o custo por token. A Anthropic observa que o Haiku 5.5 usa um novo tokenizador e um pouco mais de tokens por tarefa. A conta depende do fluxo de trabalho inteiro.
• Use a configuração de esforço de forma deliberada. Use esforço baixo por padrão para marcações simples e aumente-o só onde sua avaliação mostrar ganho de qualidade.
• Mantenha os modelos especializados onde eles são melhores. Se você já tem um modelo treinado com seus próprios dados de desempenho, um LLM deve explicar o resultado dele, e não substituí-lo.

A fronteira fica com as manchetes. O modelo pequeno é onde estará a maior parte do trabalho, e a maior parte da economia.

Perguntas frequentes