Claude Haiku 5.5 з 7 жовтня generally available у GitHub Copilot – на планах від Pro і вище, у VS Code, CLI, cloud agent, мобільних застосунках і решті поверхонь. GitHub позиціонує його для «швидкої high-volume роботи: subagents, quick edits і термінальні задачі». І це хороший привід проговорити антипатерн, який тихо з'їдає бюджети у 2026: frontier model everywhere – звичка ганяти найдорожчу модель на кожну дрібницю.

Факти релізу без прикрас

GA з 7 жовтня, доступний на Pro, Pro+, Max, Business і Enterprise. Поверхні – практично все: VS Code, Visual Studio, Copilot CLI, cloud agent, Copilot app, github.com, GitHub Mobile, JetBrains, Xcode, Eclipse. Білінг usage-based за прайсом провайдера; для Business/Enterprise модель вмикається за замовчуванням, якщо адмін не вирішив інакше.

Ключова vendor-заява GitHub (їхнє early testing, не незалежний бенчмарк): «у ранньому тестуванні Haiku 5.5 зрівнявся з Claude Sonnet 5 на багатьох coding-задачах, використовуючи значно менше токенів і кроків».

«На багатьох» – не «на всіх». Але для класу задач, під який модель позиціонують, цього достатньо, щоб поставити правильне питання: а скільки твоїх задач взагалі потребують frontier-модель?

Де маленька модель виграє

Розклади типовий agent-workflow на кроки:

  1. зібрати список змінених файлів;
  2. класифікувати їх за типом;
  3. запустити відповідні тести;
  4. узагальнити failures;
  5. зробити складний root-cause analysis.

Перші чотири кроки – механічні. Це extraction, classification і summarization, де «розумніша» модель дає той самий результат за більші гроші й довший час. П'ятий крок – єдиний, де глибина reasoning справді вирішує.

Якщо 80% кроків агента може якісно закрити легка модель, загальна вартість системи падає сильніше, ніж від будь-якої оптимізації промптів. І це без втрати якості там, де якість критична.

Tiering: здорова архітектура агента

Та сама ідея, яку Jev доводить до крайності зі спеціалізованими decision-моделями, у м'якшій формі працює всередині звичайного agent-стека:

Рівень Що робить Приклад
Легка модель extraction, класифікація, routine edits, subagents Haiku 5.5
Сильніша модель ambiguous reasoning, складний дебаг Sonnet/Opus-клас
Детермінований код валідація, lint, тести без моделі взагалі
Людина незворотні та high-impact рішення merge, deploy, гроші

Зверни увагу на третій рядок: найдешевша «модель» – її відсутність. Перевірку формату JSON робить парсер, а не LLM.

Цікаво, що GitHub сам рухає цю ідею далі: HydraFusion оркеструє кілька моделей в одній задачі – драфт пише одна, критикує інша, ремонт вмикається лише за потреби. Model routing стає runtime-рішенням, а не полем у settings.

Як перевірити на собі

Vendor-заява «зрівнявся з Sonnet 5» – сигнал, не вердикт. Свій замір робиться за годину: візьми 20 типових дрібних задач (rename, додати тест, поправити типи, узагальнити diff) і прожени через Haiku 5.5 та свій поточний default. Порівняй якість, час і вартість. Процедура та сама, що в повноцінних agent-evals, лише компактніша – а якщо обираєш між більшими моделями, framework вибору тут.

Типовий результат такого заміру (за моїми очікуваннями, перевір на своєму repo): на рутинних задачах різниці в якості не видно, різниця у швидкості й вартості – в рази.

Антипатерни вибору моделі

  1. Frontier на все. Найдорожча модель на форматування коментарів – це не перфекціонізм, це марнотратство.
  2. Легка модель на все. Зворотна крайність: економія на root-cause analysis обертається годинами людського дебагу.
  3. Tiering без вимірювання. Розподіл задач між рівнями – гіпотеза, яку треба перевірити, а не вгадати.
  4. Ігнорування токенів-кроків. «Менше tokens і steps» означає і швидше, і дешевше – у subagents це множиться на кількість викликів.
  5. Жодного fallback. Якщо легка модель не впоралась – ескалація на сильнішу має бути автоматичною, а не ручною.

Порахуй свій тиждень у токенах

Відкрий логи свого agent-стека (або історію Copilot-сесій) за тиждень і розклади виклики на дві купки: «потребувало глибокого reasoning» і «механічна робота». Порахуй співвідношення. Якщо механіки більше половини – порахуй, скільки коштував би той самий тиждень із tiering-ом. Це число зазвичай переконливіше за будь-яку статтю.

Найрозумніше інженерне рішення – не завжди найрозумніша модель.