Como configurar o esforço (effort) no Claude Haiku 5.5 e escolher o nível certo pra cada tarefa?

Fala aí, beleza? A Anthropic lançou o Claude Haiku 5.5 em 7 de outubro de 2026, e ele é o primeiro Haiku em que você escolhe, tarefa por tarefa, se a prioridade é custo ou inteligência 😀

E isso muda bastante a forma de usar modelo pequeno

Porque o caminho mais cômodo é deixar tudo no padrão (medium) e seguir a vida, né?

Só que aí tu paga raciocínio que não precisava nas tarefas simples, e ao mesmo tempo pode estar economizando demais justo na etapa que pedia pensar mais…

Então neste post eu te mostro três coisas: o que o effort controla de verdade, um critério de decisão por tipo de tarefa e um roteiro de teste pra calibrar antes de subir pra produção

Bora? 🙂

O que o effort controla na prática no Haiku 5.5?

O effort define quantos tokens o Claude se dispõe a gastar na resposta

E não é só o texto final: isso vale pro texto da resposta, pras chamadas de ferramenta (tool calls) e pro pensamento estendido

Se liga nisso: no Haiku 5.5 o adaptive thinking vem ligado por padrão

Que adaptive thinking? É o modo em que o próprio modelo decide quando pensar e quanto pensar

O effort entra como o controle da profundidade desse raciocínio, tipo um botão de "quão fundo você pode ir"

Pensa assim: é como dar um orçamento pra um freelancer, ele continua decidindo como resolver, mas tu define até onde ele pode gastar

E o ganho de baixar o nível é direto: menos tokens gastos e menor tempo até o último token (o tal do TTLT, time to last token)

Quanto custa o Haiku 5.5 e por que o effort pesa na conta:

Os preços por milhão de tokens são estes:

Repara numa coisa: nas duas faixas, a saída custa cinco vezes a entrada

E é justamente na saída (resposta, tool calls e thinking) que o effort mexe

Ou seja, os tokens que tu poupa baixando o esforço são os mais caros da requisição haha

Pra completar o contexto, segundo a Anthropic, rodar o Haiku 5.5 custa em média cerca de 75% menos que o Haiku 4.5

O que você precisa antes de configurar o esforço?

Nada de PC da Nasa aqui, beleza? É tudo configuração de requisição 😛

• Acesso ao Haiku 5.5 por um canal de desenvolvedor: Claude Platform, AWS, Google Cloud ou Microsoft Foundry
• O model ID na Claude API: claude-haiku-5-5
• Se tu trabalha no Claude Code: o comando /effort

O Haiku 5.5 também está no Claude.ai (web, iOS e Android), nos planos Free, Pro, Max, Team e Enterprise

Aqui o foco é API e Claude Code, onde a configuração é documentada

Como definir o effort no Haiku 5.5 (API e Claude Code):

Bora ver na prática?

1. Monte a requisição na Messages API com o output_config

O effort vai num objeto próprio, o output_config, no nível superior da requisição (do lado do model e das messages)

{
  "model": "claude-haiku-5-5",
  "messages": [
    { "role": "user", "content": "Classifique este ticket de suporte em uma categoria: ..." }
  ],
  "output_config": {
    "effort": "low"
  }
}

Erro comum deste passo: colocar o effort dentro de thinking

Parece lógico, já que ele controla a profundidade do raciocínio, né? Mas não: isso dá erro 400

Caso este erro apareça, confere se o effort está assim, errado:

{
  "thinking": {
    "effort": "low"
  }
}

E move pro output_config, no nível de cima, como no primeiro exemplo

2. Troque o nível conforme a tarefa

Os valores aceitos são cinco: low, medium, high, xhigh e max

E se tu omitir o parâmetro, o Haiku 5.5 roda no padrão, que é medium

Erro comum deste passo: achar que, sem o parâmetro, o modelo roda no mínimo

Não roda! Sem output_config.effort, tu está no medium, e se a tua tarefa é classificação de alto volume, tá pagando acima do necessário

3. No Claude Code, use o /effort

O comando tem três formas de uso:

• /effort sozinho abre um slider interativo
• /effort <nível> define o nível na hora (ex: /effort low)
• /effort auto volta ao padrão do modelo

Erro comum deste passo: misturar o comando do Claude Code com o parâmetro da API

São produtos diferentes: o /effort vale pra tua sessão no Claude Code, e o output_config vale pra requisição que a tua aplicação manda pra API

Um não configura o outro, tome cuidado!

Critério de decisão: qual effort para classificação, resumo e etapa de agente?

A regra central é simples: não deixa tudo no mesmo ajuste

Cada tipo de tarefa merece o seu nível, e é aí que mora a economia (e a qualidade também)

Classificação simples e alto volume: low

Aqui a documentação é direta: low quando a prioridade é velocidade e custo

Entra classificação simples, consultas (lookup), casos de alto volume e subagentes onde eficiência importa

Faz sentido, né? Pra decidir se um ticket é "cobrança" ou "bug", o modelo não precisa filosofar haha

Etapa de agente com foco em velocidade: medium

Pra tarefas agênticas em que a velocidade conta e dá pra ter bom resultado sem gastar todos os tokens, a recomendação é medium

Que é, inclusive, o padrão do Haiku 5.5

E o resumo?

Pra resumo, o caminho é partir do medium padrão e calibrar com o roteiro de teste que tá mais abaixo

Se o resumo em low sair bom nas tuas entradas reais, desce. Se perder informação importante, fica no medium ou sobe

Etapa de agente que pede raciocínio pesado: high, xhigh e max

Os níveis high, xhigh e max existem pra dar mais profundidade ao raciocínio

O caminho é testar: sobe de nível só na etapa que realmente travou nos níveis abaixo

E vale lembrar que tem tarefa que é outro campeonato, tipo montar um jogo jogável com prompt único, onde a escolha do modelo pesa tanto quanto o esforço

Na prática: o que acontece quando tarefa simples deixa de pagar preço de tarefa complexa?

Antes do roteiro, deixa eu te mostrar um caso real que ajuda a entender por que calibrar por tarefa vale tanto a pena

É um teste que fiz de roteamento de custo no Claude Code com o Manifest, uma camada que fica entre o Claude Code e vários modelos

Mas o princípio é exatamente o mesmo do effort por tarefa: separar o trabalho por complexidade e gastar menos no que é simples

Como montei o teste:

O Manifest classifica cada tarefa em tiers de dificuldade (simple, standard, complex e reasoning) e decide qual modelo usar

Conectei os providers Anthropic, OpenAI e DeepSeek e configurei os tiers na mão:

• Reasoning: Opus como principal, com Sonnet de fallback
• Complex: GPT
• Standard: GPT
• Simple: DeepSeek

Tarefas simples: o caro quase não foi chamado

Pedi coisas simples, tipo gerar a estrutura em árvore do projeto e criar um README

O Manifest tentou usar o DeepSeek, a chamada falhou com erro de API e a tarefa caiu no fallback (acontece, né? xD)

Mesmo assim, o Opus quase não foi acionado

Resultado da sessão: 16 mensagens, custo de menos de um centavo de dólar e uma economia estimada pelo próprio Manifest de 4 dólares

Muito massa pra tão pouco uso 😀

Tarefas complexas: a conta muda

Depois pedi coisas mais pesadas: um componente de header, iniciar o projeto, uma página "sobre" com FAQ usando o elemento de detalhes e resumo do HTML (linkada na navegação) e um pequeno sistema de lista de tarefas com formulário

Conferi na mão que o componente funcionava de verdade no projeto, não só que parecia certo no prompt, e a página de FAQ também funcionou

Essa sessão teve 36 mensagens

Aqui notei duas coisas: os modelos pediam mais confirmação de ferramenta do que o Opus pediria normalmente, e o uso ficou equilibrado entre reasoning e complex, com pouco uso do tier standard

Minha desconfiança é que esse viés pros modelos mais caros pode vir do próprio harness do Claude Code

E, opinião minha, ferramenta de IA pode ter interesse em empurrar o uso pros modelos de maior demanda, pra consumir mais crédito do usuário… será?

Por isso acho que vale testar o Manifest em outras ferramentas, tipo o Open Code, pra ter uma visão mais neutra

E dependendo do projeto, colocar o DeepSeek Pro no tier complex poderia gerar uma economia ainda maior do que a configuração que usei

No vídeo abaixo eu mostro na prática esse corte de custo separando as tarefas por complexidade:

A lição que levo pro effort do Haiku 5.5 é a mesma: a economia aparece quando tarefa simples para de pagar preço de tarefa complexa, mas só configurar não basta, tem que medir

Roteiro de teste para calibrar o effort antes de ir para produção:

Agora o passo a passo pra não subir nada no chute 🙂

1. Separe uma amostra de entradas reais por tipo de tarefa

Pega entradas de verdade do teu sistema e divide em grupos: classificação, resumo e etapa de agente

Erro comum deste passo: calibrar com exemplos fáceis e escolhidos a dedo

Isso esconde justamente os casos difíceis, que são os que quebram em produção. Já me ferrei com amostra bonitinha demais, inclua os casos chatos!

2. Rode a mesma amostra em low e medium (e acima, se a tarefa pedir)

Sempre com claude-haiku-5-5 e mudando só o output_config.effort

Pra etapa de agente que pede raciocínio pesado, inclui high, xhigh ou max na rodada

3. Compare qualidade, tokens e tempo até o último token

Olha as três coisas juntas: a saída está boa? Quantos tokens gastou? Quanto tempo levou até o último token?

Só olhar custo é armadilha, só olhar qualidade também

4. Escolha o menor nível que mantém a qualidade aceitável

E fixa esse nível por tipo de tarefa, não um nível pro sistema inteiro

Classificação pode ficar em low, o resumo em medium, uma etapa específica do agente em high, e por aí vai

5. Reavalie periodicamente com novas amostras

As entradas mudam com o tempo, e o nível que era suficiente pode deixar de ser

Roda o roteiro de novo de tempos em tempos com dados frescos

Conclusão: comece pelo low nas tarefas simples e suba só onde a qualidade pedir

Recapitulando o que vimos:

• O effort no Claude Haiku 5.5 controla quantos tokens o modelo gasta na resposta, nas tool calls e no thinking
• O padrão é medium, e são cinco níveis: low, medium, high, xhigh e max
• Na API, o effort vai em output_config, no nível superior (dentro de thinking dá erro 400)
• No Claude Code, é o /effort
• Low pra classificação, lookup, alto volume e subagentes; medium pra etapa de agente com prioridade de velocidade
• Resumo e etapas pesadas: calibra com dados reais

Próximo passo concreto: escolhe a tarefa de maior volume do teu projeto, roda o roteiro de teste com low e medium e só então sobe pra produção

É ali que a economia aparece primeiro =)

Até o próximo post!