プロダクト

Claude Haiku 5.5 登場——軽量モデルは「及第点」の域を超えたか

Anthropic が Claude Haiku 5.5 をリリースし、軽量モデル帯のラインナップを刷新した。Agent 時代における階層的なモデル呼び分けが主流となるなか、軽量モデルはもはや「安かろう悪かろう」の存在ではない。

文字サイズ

Anthropic が Claude Haiku シリーズの最新バージョン Haiku 5.5 を公開した。フラッグシップモデルの劣化コピーではなく、高 QPS・低レイテンシ向けに最適化された独立したティアとして位置づけられている。発表当日は Hacker News のフロントページに即日掲載され、300 ポイント超の議論が交わされた。

今回のリリースで押さえておきたい 3 つのポイント

まず Haiku が Anthropic のモデルマトリクスにおいてどの位置にあるかを整理しておこう。公式ページ(https://www.anthropic.com)を見ると、Anthropic はモデルを 3 階級に分けている。

  • Opus:最上位ティア。遅くて高いが、能力の天井も最も高い
  • Sonnet:中間ティア。速度と能力のバランスが取れている
  • Haiku:低コスト・低レイテンシ帯。高 QPS シナリオ専用

これまで Haiku に対する印象は「安かろう悪かろう」——使えはするが、複雑なタスクは厳しい、というものだった。5.5 世代ではそのイメージの打破を狙っている。

公式ページに記載されている主なポジショニングは以下のとおり。

  • 明確に「sub-agent、リアルタイムタスク、バッチ処理」向けと打ち出している。単発の複雑な推論用ではない
  • コンテキストウィンドウは中間ティアと同等で、長文処理は弱点にならない
  • コーディング能力の向上を強調している。Haiku シリーズが従来から批判されてきた部分だ

筆者自身が 4.5 を使っていた体験としては、定型的なコードを書く分には問題ないが、複数ステップにまたがるデバッグになると精度が落ちる印象だった。5.5 では公式にこの点が強化されたとアナウンスされているが、まだ完全なベンチマーク結果は出ていないので、後ほど触れる。

軽量モデルが HN で 300+ ポイントを集める理由

HN のコメント欄を掘ってみると、開発者が実際に気にしているのはベンチマークの数字ではないようだ。頻出するキーワードを整理すると以下のとおり。

  1. レイテンシ——最も多く言及された単語。Agent のループ内で 200ms 増えるたびに、最終的な体感は数秒単位でかさむ
  2. 価格比較——他社製軽量モデルとの横並びで、月額請求額を実際に試算する人もいた
  3. ローカルデプロイの可能性——ここは期待薄で、Anthropic にオープンソース化の予定はない
  4. フラッグシップモデルのフォールバック先——モデルルーティングの cheap tier として Haiku を使えるか、という質問が複数
  5. Agent フレームワークとの統合——サブタスク呼び出しのシナリオ

コメントの中に目を引くものがあった。

"Finally a small model that doesn't feel like punishment when you hit the rate limit."

日本語にすれば「レートリミットでフォールバックさせられたときに、罰を受けてる感覚にならない小型モデルがようやく出てきた」というところか。

これは Agent 開発者のリアルな痛点を突いている。トラフィックが急増した際に軽量モデルへ降格させる動きはもはや一般的だが、そのタイミングで品質がガクッと落ちると製品体験ごと崩壊する。Haiku 5.5 が打ち出している価値は「降格しても品質は維持」ということだ。

Agent 時代の本当の主役は軽量モデル

これは直感に反する見方かもしれないが、データを見ればそうなる。

ある Agent システムを動かしたとき、メインモデルの呼び出し回数そのものは実は多くない。主に使われるのは計画立案、意思決定、複雑な推論の場面だけだ。一方で、サブタスクのほうは大量に発生する。

  • 構造化データの抽出
  • 分類・ルーティングの判定
  • 短いテキストの生成・書き換え
  • ツール呼び出しのパラメータ組み立て
  • 複数ステップのループ内の中間処理

こうしたところでトークンを大量に消費する。

具体例を見てみよう。典型的な RAG Agent のフローはこうなる。

# メインモデル:プランニング + 意思決定
plan = sonnet.invoke(f"ユーザーの質問:{query},検索結果から関連するものを選び、まとめて")

# サブタスク(Haiku):各検索結果の relevance スコアリング
for doc in retrieved_docs:
    score = haiku.invoke(f"このドキュメントを 0-1 で採点。次の質問に答えているか:{query}\n\n{doc}")

# メインモデル:スコアの高い結果をもとに最終回答
final = sonnet.invoke(f"関連度の高いドキュメント:{top_k_docs}\n\n質問に回答:{query}")

このループ内で Haiku の呼び出し回数は Sonnet の 5〜10 倍に達する。すべて Sonnet で回せば請求額が跳ね上がり、すべて Haiku にすると最初のプランニング品質が持たない。

だからこそ Anthropic は Haiku 5.5 を本気で作り込んだ。軽量モデルに位置付けを与えるためではなく、Agent アーキテクチャの実態に即した必要性があるからだ。

編集部の見立て

なぜこの話が表面的以上に重要なのか。

そこには明確な転換点が映し出されている。LLM 各社の競争軸が「どちらがより賢いか」から「どのベンダーが階層設計をうまく使いこなせるか」へ移ってきているのだ。フラッグシップモデル間の差は縮まりつつある一方、軽量モデルティアの差は依然として歴然としている。Anthropic は 3 ティアマトリクスによって、「どのタスクにどのモデルを使うか」という問題をプロダクト化した。

下半期の予測としては、軽量モデルが Agent フレームワークのデフォルト構成になると見ている。LangGraph や AutoGen といったフレームワークの次のメジャーアップデートでは、おそらく「モデルルーティング」層が組み込まれ、開発者が if-else を手書きしなくても済むようになるはずだ。Cursor のような IDE 製品ではすでにこの方式が採用されている。簡単な補完は軽量モデル、重めのリファクタリングで初めてフラッグシップモデルを呼ぶ。

まだ不確定な部分もある。完全なベンチマークデータがまだ公開されておらず、SWE-bench や HumanEval といったコーディング系ベンチマーク上での Haiku 5.5 の具体的なスコアは、コミュニティの測定結果を待つしかない。もし公式の言う通りコーディング能力が大幅に上がっているなら、Agent サブタスクの品質上限も一段引き上がるだろう。

もう一点、公式アナウンスでは具体的なレイテンシ数値(TTFT、TPS)が示されなかった。これはやや異例で、第三方による実測値の公開を待つ必要がありそうだ。

参考リンク:

出典: https://www.anthropic.com/claude-haiku-5-5