Claude Haiku 5.5: leggere il risultato OSWorld nel suo contesto
Anthropic ha presentato Claude Haiku 5.5 il 7 ottobre 2026, con identificativo API claude-haiku-5-5, per attività ripetitive ad alto volume e sensibili ai costi, secondo l’annuncio. Questo articolo riassume una riga della tabella pubblicata dall’azienda e propone un metodo di valutazione. ConverteArq non ha eseguito il modello.
Il lancio e il suo ambito
Anthropic descrive Haiku 5.5 come un modello piccolo per attività frequenti e sensibili ai costi e comunica un identificativo API. Questa descrizione indica il posizionamento del produttore; non costituisce da sola una valutazione indipendente.
Un risultato con le sue condizioni
Abbiamo scelto OSWorld 2.1 nel sottoinsieme offline, come compare nella tabella dell’annuncio del 7 ottobre 2026. I tre valori riportati qui provengono dalla stessa pubblicazione di Anthropic. Questo evita di mescolare versioni diverse del test, ma non trasforma una dichiarazione del produttore in una verifica indipendente. OSWorld misura la capacità degli agenti di svolgere attività lunghe e articolate su un computer reale.
Valutare un’attività del proprio flusso
La proposta è iniziare con dieci richieste fittizie e circoscritte, per esempio classificare un testo, trovare una data esplicita o segnalare campi mancanti. Scrivi la risposta attesa prima di usare il servizio e ripeti alcune richieste per osservare le variazioni. Una risposta scorrevole non è prova di correttezza.
Quando valutare un cambio di modello
Considera una coda di lavoro come un insieme di decisioni con costi di errore diversi. Un titolo provvisorio può essere corretto; un campo che avvia un’operazione richiede criteri più rigorosi. Decidi prima come gestire l’incertezza: per esempio, inoltrare i casi ambigui alla revisione invece di forzare una classificazione. È una proposta di ConverteArq, non una funzione aggiuntiva annunciata da Anthropic.
Benchmark con contesto
OSWorld · 2.1 — sottoinsieme offline (offline subset)
tasso di successo riportato (%)
| Modello | Risultato pubblicato |
|---|---|
| Claude Haiku 5.5 | 72.4% |
| Claude Haiku 4.5 | 15.7% |
| GPT-6 Luna | 48.9% |
Anthropic, annuncio del 7 ottobre 2026. Risultati dichiarati dal produttore; non sono test indipendenti di ConverteArq.
Non confondere questo sottoinsieme con OSWorld completo né con un’altra versione del test. Il rapporto e il metodo sono disponibili alla fonte. Fonte consultata.
Fonte consultata
Annuncio ufficiale consultato il 12 ottobre 2026. I numeri del benchmark restano attribuiti ad Anthropic e non sono presentati come misurazioni indipendenti.
Domande frequenti
Che cosa significa “sottoinsieme offline”?
È l’ambito indicato da Anthropic nella tabella per OSWorld 2.1. Non va confuso con il benchmark completo.
ConverteArq ha verificato questi risultati?
No. Sono riportati dall’annuncio di Anthropic e attribuiti all’azienda. ConverteArq non ha eseguito il modello.
Come posso valutare il modello per il mio lavoro?
Prepara esempi vicini all’attività reale, definisci risposte attese, annota errori e tempi di revisione e confronta le configurazioni nelle stesse condizioni.
Commento di ConverteArq
L’opportunità interessante potrebbe essere ridurre il lavoro su attività ben delimitate. Per valutarlo, calcola il costo per risultato accettato includendo la revisione. Se due modelli rispondono a cento richieste, ma uno richiede venti correzioni e l’altro cinque, il prezzo per token non descrive tutto lo sforzo. Questo ragionamento non predice la qualità nel tuo caso: aiuta a preparare la prova giusta.
Eviteremmo anche di usare il grafico come classifica tra marchi. Costi, accesso e configurazioni possono differire. La decisione pratica dipende da ciò che devi produrre in italiano e dagli errori che puoi individuare. Il vantaggio utile riduce lo sforzo totale e lascia un risultato verificabile; non consiste soltanto in una barra più alta.