Claude Haiku 4.5 vs Claude Sonnet 5

Eine Seite ändern vs

Welches und wann — kuratiertes Fazit, keine Benchmark-Tabelle

Sonnet 5 verdoppelt die Kosten von Haiku ($2/$10 vs $1/$5) und verfünffacht den Kontext (1M vs 200K). Haiku bleibt die Latenz- und Preisuntergrenze der Claude-Linie; sobald Prompts 200K übersteigen oder tiefere Logik benötigen, ist Sonnet die natürliche Anlaufstelle.

Preise

	Claude Haiku 4.5	Claude Sonnet 5	Δ
Input / 1M Token	$1	$2	0.5×
Output / 1M Token	$5	$10	0.5×
Cache-Read / 1M Token	$0.1	$0.2	0.5×
Cache-Schreiben	1.25x (5m) / 2x (1h)	1.25x (5m) / 2x (1h)	—

Preise aus dem Live-Katalog zum Zeitpunkt des Builds; jede Modellseite enthält die aktuelle Übersicht.

Wo sie stehen — Eingabepreis pro 1M Tokens über alle 63 Chat-Modelle mit dieser Abrechnungseinheit (logarithmische Skala)

Claude Haiku 4.5 · $1 Claude Sonnet 5 · $2

$0.05 · Qwen3 VL Flash $30 · GPT-5.4 Pro

Fähigkeiten

	Claude Haiku 4.5	Claude Sonnet 5
Tool-Nutzung	ja	ja
Thinking-Kontrolle	konfigurierbar	konfigurierbar
Strukturierte Ausgabe	ja	ja
Prompt-Caching	explizit (Sie markieren das Präfix)	explizit (Sie markieren das Präfix)
Cache-Lebensdauer	5m default, 1h option	5m default, 1h option
Minimales gecachtes Präfix	1024 Tokens	1024 Tokens

Spezifikationen

	Claude Haiku 4.5	Claude Sonnet 5
Input-Modalitäten	Text Bild	Text Bild
Ausgabemodalitäten	Text	Text
Veröffentlicht	2025-10-15	2026-06-30
Wissensgrenze	2025-02	2026-01
Kontextfenster	200K	1M
Maximaler Output	64K	128K
Thinking-Parameter	thinking.type "enabled" budget_tokens	thinking.type "adaptive" output_config.effort
Zulässige Werte	budget_tokens at least 1,024 and below max_tokens "adaptive" returns 400	thinking.type adaptive disabled effort low medium high xhigh max "enabled" returns 400
Standardwert	off, with no thinking unless the request sets it	thinking on (adaptive) effort high

Die Spezifikationen sind aus der Dokumentation der jeweiligen Anbieter übernommen; eine Zeile, die ein Anbieter nicht veröffentlicht, wird weggelassen und nicht abgeleitet. Vollständige Quellen: Claude Haiku 4.5 · Claude Sonnet 5

Ein Prompt, beide Modelle — gemessen über das Gateway

Schlussfolgerndes Denken für einen CFO Eine fehlerhafte Funktion korrigieren In ein Schema extrahieren Nach Vorgaben schreiben

PROMPT Explain to a CFO, in exactly three sentences, why our LLM bill doubled after we enabled reasoning. PRÜFEN genau 3 Sätze

Claude Haiku 4.5 bestanden · 3 sentences

# Why Your LLM Bill Doubled Reasoning models like o1 and o3 process queries through extended chains of thought before responding, consuming 5-10x more tokens internally than standard models while also charging higher per-token rates. This means both your input token usage and per-unit costs increased simultaneously—a compounding effect that easily doubles overall spend. Unless you've significantly reduced queries to other models or have very selective reasoning deployment, the math makes a doubling entirely predictable.

Ausgabe 106 tok Latenz 2.8 s

Claude Sonnet 5 bestanden · 3 sentences

Reasoning mode works by having the model generate extended internal "thinking" steps before producing its final answer, and since we're billed on total tokens, that hidden reasoning text adds significantly to what we pay for—even though you never see it in the output. This is different from simply getting longer visible responses; the model is essentially "showing its work" behind the scenes, and complex prompts can trigger thousands of extra reasoning tokens per request. The upside is improved accuracy on complex tasks, but if we want to control costs, we should selectively enable reasoning only for queries that truly need it, rather than applying it universally.

Ausgabe 194 tok Latenz 4.3 s

Befolgen der Anweisung (genau drei Sätze — abzählbar), Zuschnitt auf das Publikum (CFO-Register), und die Abrechnungslücke durch verstecktes Denken, die die Token-Zähler unten offenlegen.

PROMPT This function is supposed to return the longest run of consecutive equal items, but callers report it is off by one on single-element inputs and misses runs that end at the last index. Fix it and explain the bug in one paragraph. PRÜFEN Fix besteht die Tests

Claude Haiku 4.5 bestanden · 8/8 cases

# Fixed Function ```python def longest_run(xs): if not xs: return 0 best = 1 cur = 1 for i in range(1, len(xs)): if xs[i] == xs[i - 1]: cur += 1 best = max(best, cur) else: cur = 1 return best ``` # Bug Explanation The original function has two related bugs stemming from incorrect initialization and loop logic. First, `best` and `cur` start at 0, which causes single-element lists to incorrectly return 0 instead of 1—a run of one identical element should have length 1. Second, `cur` is reset to 0 (not 1) when a mismatch occurs, causing the next matching pair to be undercounted. More critically, if the longest run ends at the last index, `best` is only updated *during* the loop when a mismatch is encountered; if no mismatch follows the final run, `best` never captures it. […]

Ausgabe 310 tok Latenz 4.0 s

Claude Sonnet 5 bestanden · 8/8 cases

## The Bug The function has two related off-by-one issues rooted in the same cause: `cur` and `best` are initialized to `0` instead of `1`, treating run lengths as the number of *matches* between adjacent elements rather than the number of *elements* in the run. This means a single-element input never enters the loop (since `range(1, 1)` is empty) and returns `0` instead of the correct answer of `1`. It also means that for any input, the run length is undercounted by exactly one — a run of 3 equal elements only produces 2 "match" increments, so `best` ends up as 2 instead of 3. The claim that it "misses runs that end at the last index" is actually a symptom of this same undercount: the logic does update `best` correctly on every iteration (including the last), but because it's counting matches instead of elements, the final reported value is always one less than the true longest run. […]

Ausgabe 536 tok Latenz 7.1 s

Ob der Fix tatsächlich korrekt ist (ausführbar), die Dichte der Erklärung, und die Token-Effizienz bei einer klar begrenzten Aufgabe.

PROMPT Extract a JSON object with fields {company, quarter, revenue_usd_m, growth_pct, guidance} from this text. Use null for anything not stated; add no other fields. PRÜFEN gültiges JSON, Schema exakt

Claude Haiku 4.5 bestanden · 5/5 fields, guidance null

```json { "company": "Meridian Robotics", "quarter": "Q3", "revenue_usd_m": 412, "growth_pct": 11, "guidance": null } ```

Ausgabe 63 tok Latenz 1.6 s

Claude Sonnet 5 bestanden · 5/5 fields, guidance null

```json { "company": "Meridian Robotics", "quarter": "Q3", "revenue_usd_m": 412, "growth_pct": 11.5, "guidance": null } ```

Ausgabe 348 tok Latenz 5.3 s

Schema-Treue (keine erfundenen Felder), Halluzinationsdruck (guidance wird ausdrücklich zurückgehalten), und Unterschiede im Pfad für strukturierte Ausgabe.

PROMPT Write a 120-word product announcement for an API gateway feature that caches prompts across providers. Forbidden words: "seamless", "unlock", "game-changer", "revolutionize", "empower". Exactly one sentence must be a question. PRÜFEN 120 Wörter, 0 verbotene Wörter

Claude Haiku 4.5 bestanden · 123 words, 0 banned, 1 question

# Introducing Prompt Cache Across Providers We're excited to announce our latest API gateway feature: intelligent prompt caching that works across multiple AI providers. This powerful capability stores frequently used prompts and their contexts, dramatically reducing latency and API costs for your applications. By intelligently managing cached prompts across providers like OpenAI, Anthropic, and others, you can optimize your infrastructure without changing your code. Why wait for responses when cached results can be delivered instantly? The system automatically handles cache invalidation and updates, ensuring your applications always access current information while maintaining performance gains. With support for complex multi-turn conversations and dynamic content, this feature scales seamlessly with your business needs. […]

Ausgabe 165 tok Latenz 3.0 s

Claude Sonnet 5 bestanden · 123 words, 0 banned, 1 question

## Introducing Cross-Provider Prompt Caching We're rolling out a new caching layer for our API gateway that works across every major LLM provider you connect through it. Instead of resending identical prompts and paying full price each time, the gateway recognizes repeated requests and serves cached responses in milliseconds—regardless of whether you're routing to OpenAI, Anthropic, or Google. What does this mean for your bill and your latency? Both drop, often significantly, especially for teams running high-volume, repetitive workloads like customer support bots or batch content generation. The cache is configurable per route, with adjustable TTLs and invalidation rules, so you stay in control of freshness versus cost. Available now for all Pro and Enterprise plans. Check your dashboard to enable it today.

Ausgabe 259 tok Latenz 4.8 s

Einhaltung der Vorgaben (Wortbudget, Liste verbotener Wörter, die eine Frage), Stil-Fingerabdruck, und Längensteuerung.

Mit einer Zeile zwischen ihnen wechseln

Beide IDs befinden sich in jedem Tab unten — das hervorgehobene Zeilenpaar ist die einzige Änderung. Gleicher Endpunkt, gleicher Schlüssel, gleiche Request-Struktur.

from openai import OpenAI

client = OpenAI(
    base_url="https://synthorai.io/v1",
    api_key="sk-syn-...",
)

resp = client.chat.completions.create(
    model="claude-haiku-4-5",
    # model="claude-sonnet-5",  # diese Zeile einkommentieren, die darüberliegende auskommentieren
    messages=[{"role": "user", "content": "Summarize this diff"}],
)
print(resp.choices[0].message.content)

import OpenAI from "openai";

const client = new OpenAI({
  baseURL: "https://synthorai.io/v1",
  apiKey: "sk-syn-...",
});

const resp = await client.chat.completions.create({
  model: "claude-haiku-4-5",
  // model: "claude-sonnet-5",  // diese Zeile einkommentieren, die darüberliegende auskommentieren
  messages: [{ role: "user", content: "Summarize this diff" }],
});
console.log(resp.choices[0].message.content);

curl https://synthorai.io/v1/chat/completions \
  -H "Authorization: Bearer sk-syn-..." \
  -H "Content-Type: application/json" \
  -d '{
    "model": "claude-haiku-4-5",
    # "model": "claude-sonnet-5",  # diese Zeile einkommentieren, die darüberliegende auskommentieren
    "messages": [{"role": "user", "content": "Hello"}]
  }'

package main

import (
	"context"
	"fmt"

	"github.com/openai/openai-go/v3"
	"github.com/openai/openai-go/v3/option"
)

func main() {
	client := openai.NewClient(
		option.WithBaseURL("https://synthorai.io/v1"),
		option.WithAPIKey("sk-syn-..."),
	)
	resp, _ := client.Chat.Completions.New(context.TODO(), openai.ChatCompletionNewParams{
		Model: "claude-haiku-4-5",
		// Model: "claude-sonnet-5",  // diese Zeile einkommentieren, die darüberliegende auskommentieren
		Messages: []openai.ChatCompletionMessageParamUnion{
			openai.UserMessage("Summarize this diff"),
		},
	})
	fmt.Println(resp.Choices[0].Message.Content)
}

import com.openai.client.OpenAIClient;
import com.openai.client.okhttp.OpenAIOkHttpClient;
import com.openai.models.chat.completions.*;

OpenAIClient client = OpenAIOkHttpClient.builder()
    .baseUrl("https://synthorai.io/v1")
    .apiKey("sk-syn-...")
    .build();

ChatCompletion resp = client.chat().completions().create(
    ChatCompletionCreateParams.builder()
        .model("claude-haiku-4-5")
        // .model("claude-sonnet-5")  // diese Zeile einkommentieren, die darüberliegende auskommentieren
        .addUserMessage("Summarize this diff")
        .build());
System.out.println(resp.choices().get(0).message().content().orElse(""));

API-Schlüssel holen →

FAQ

Welches ist günstiger, Claude Haiku 4.5 oder Claude Sonnet 5?

Claude Haiku 4.5 ist günstiger bei input / 1m token ($1 vs. $2, 2.0× Unterschied). Andere Zeilen können in die andere Richtung deuten — die obige Tabelle enthält alle Daten, und die tatsächlichen Kosten hängen von Ihrem Mix ab.

Kann ich Claude Haiku 4.5 gegen Claude Sonnet 5 ohne zwei Integrationen A/B-testen?

Ja. Beide werden über denselben OpenAI-kompatiblen Endpunkt mit einem API-Schlüssel bereitgestellt — der Wechsel ist eine einzeilige Änderung des Modell-Strings, sodass Sie einen Bruchteil des Traffics an jedes Modell leiten und die Rechnungen direkt vergleichen können.

Unterstützen Claude Haiku 4.5 und Claude Sonnet 5 Prompt-Caching?

Ja — beide berechnen Cache-Reads günstiger als ihre Eingaberate, sodass Warm-Prefix-Workloads weniger kosten, als die Listenpreise vermuten lassen. Die genauen Zeilen für Cache-Reads befinden sich in der obigen Preistabelle.

Aus unseren gemessenen Studien

Gemini 3.7 Flash: Aufgaben kosten 2,5- bis 8-mal weniger Wie viele Tokens kostet ein Bild? 15 APIs im Vergleich LLM-Denksteuerung: Was 13 Modelle beachten oder ignorieren