Каждый запуск модели сравнивают с самой большой моделью на рынке. Для большей части маркетинговой работы это, на мой взгляд, неверная оптика. 7 октября Anthropic выпустила Claude Haiku 5.5, и интересно не то, насколько она приближается к передовым моделям. А то, сколько стоит запустить её миллион раз.
Что произошло
Anthropic называет Haiku 5.5 самой дешёвой, быстрой и способной малой моделью из всех, что она выпускала. Она нацелена на массовую работу, чувствительную к затратам: резюме, классификацию, запросы к базам данных, живую поддержку клиентов, работу в браузере и роль субагента рядом с более крупными Opus 5.5 и Sonnet 5.5. Это первая модель класса Haiku с настраиваемым уровнем усилий, позволяющим балансировать стоимость и интеллект. Anthropic прямо говорит, что для сложного агентного программирования Sonnet 5.5 и Opus 5.5 остаются лучше.
Главное — цена. Для промптов до 100 000 токенов Anthropic указывает US$0,10 за миллион входных токенов и US$0,50 за миллион выходных и говорит, что в среднем Haiku 5.5 стоит примерно на 75% меньше Haiku 4.5. На странице запуска приведены и отзывы клиентов: например, HubSpot сообщает о результате 92,8% в своём наборе тестов для CRM. Это данные компании и её клиентов, а не независимые тесты.
Почему это важно
Маркетинговый ИИ — это бизнес объёмов. Одна кампания может включать тысячи вариантов креативов, десятки тысяч комментариев для классификации, товарные фиды на сотни тысяч строк и ежедневные отчёты по десяткам рынков. Почти ничему из этого не нужна самая мощная модель из доступных. Нужна модель достаточно хорошая, быстрая, предсказуемая и настолько дешёвая, чтобы прогонять через неё всё.
Когда малая модель одновременно становится намного лучше и намного дешевле, меняется экономика того, что вы автоматизируете. Задачи, которые было слишком дорого выполнять для каждого элемента, — например, разметка каждого объявления конкурентов или резюме каждого отзыва клиента, — становятся рутиной. И меняется архитектура: большая модель планирует и оценивает, малые выполняют повторяющуюся работу под ней. Описание Haiku как субагента от самой Anthropic — ровно этот шаблон.
Что говорят мои исследования
Я говорю об этом давно. В Forbes я задавался вопросом, лучше ли больше, а позже сравнивал LLM и малые нейросети в маркетинге. Мой ответ не изменился: размер модели значит гораздо меньше, чем техника и соответствие задаче.
Наши исследования всегда сочетали оба типа моделей, а не выбирали один. В SoCraft (WSDM 2023) мы продемонстрировали мультимодальную модель, которая ещё до запуска оценивает рекламные креативы рекламодателя в Meta по тексту, изображению, таргетингу и настройкам. В Fusing Predictive and Large Language Models for Actionable Recommendations in Creative Marketing (ACM Transactions on Information Systems, 2025) мы объединили модели прогнозирования эффективности рекламы с LLM, чтобы оценка креатива превращалась в рекомендацию, по которой маркетолог может действовать.
Урок этой работы в том, что специализированные эффективные модели измеряют, а большие языковые модели объясняют. Более дешёвая и способная малая LLM не заменяет специализированный предиктор. Она делает слой объяснений и оркестрации доступным в том масштабе, в котором на самом деле происходит маркетинг.
Как я бы использовал такую модель
- Классификация с полным охватом. Размечайте каждый пост конкурентов, каждый отзыв, каждое объявление в вашей категории по теме, предложению и формату, а не по выборке.
- Первичные резюме. Превращайте длинные отчёты, расшифровки и ветки комментариев в короткие сводки, которые проверяет человек или более крупная модель.
- Субагенты в пайплайне. Пусть более крупная модель планирует анализ конкурентов и передаёт повторяющиеся шаги извлечения малой модели.
- Скорость в общении с клиентами. Используйте быструю модель там, где важна задержка, например в живом чате, а сложные случаи передавайте более сильной модели или человеку.
Что маркетологам проверить перед переходом
- Проведите собственную оценку. Бенчмарки вендоров — не ваша задача. Возьмите 200 реальных примеров из своей работы, разметьте их и сравните модели на этом наборе.
- Смотрите на стоимость задачи, а не токена. Anthropic отмечает, что Haiku 5.5 использует новый токенизатор и чуть больше токенов на задачу. Счёт зависит от всего процесса.
- Используйте настройку усилий осознанно. По умолчанию ставьте низкий уровень для простой разметки и повышайте его только там, где ваша оценка показывает прирост качества.
- Сохраняйте специализированные модели там, где они лучше. Если у вас уже есть модель, обученная на ваших данных об эффективности, LLM должна объяснять её результат, а не заменять её.
Заголовки достаются передовым моделям. А большая часть работы — и большая часть экономии — придётся на малые модели.
Частые вопросы
Для чего создана Claude Haiku 5.5?
Anthropic позиционирует её для массовой работы, чувствительной к затратам, — резюме, классификации, запросов к базам данных, живой поддержки клиентов, работы в браузере и задач субагентов, — а для сложного агентного программирования рекомендует Sonnet 5.5 и Opus 5.5.
Сколько стоит Claude Haiku 5.5?
Anthropic указывает US$0,10 за миллион входных токенов и US$0,50 за миллион выходных для промптов до 100 000 токенов и говорит, что в среднем она стоит примерно на 75% меньше Haiku 4.5.
Достаточно ли хороши малые языковые модели для маркетинговых задач?
Для многих массовых задач — разметки, резюме, маршрутизации — правильно выбранной малой модели достаточно, и она намного дешевле. Тестируйте на собственных размеченных примерах и сохраняйте специализированные прогнозные модели для таких задач, как оценка креативов, используя LLM для объяснения их результатов.
Источники
- Introducing Claude Haiku 5.5 — Anthropic, 7 October 2026