מוצר חדש

Claude Haiku 5.5 זמין כעת ב-Amazon Bedrock וב-AWS

המודל המהיר ביותר במשפחת Claude 5.5 זמין כעת ב-Amazon Bedrock וב-Claude Platform on AWS

4 דקות קריאה
EN
Claude Haiku 5.5 זמין כעת ב-Amazon Bedrock וב-AWS
מבוסס על כתבה שלAWS Machine Learning ↗תרגום וסיכום באמצעות מערכת חדשות בליווי AIאיך אנחנו עובדים

תקציר מנהלים

5 דברים שחשוב לדעת

  1. לפי Anthropic, המודל Claude Haiku 5.5 עולה כ-75 אחוז פחות מ-Claude Haiku 4.5 עבור מרבית המשימות.

  2. המודל כולל בקרות מאמץ (effort controls) ראשונות מסוגן במשפחת Haiku לכוונון עלות מול רמת תבונה.

  3. המודל מיועד לפעול כשכבת תתי-סוכנים מהירה לצד Claude Opus 5.5 שמתכנן ומבצע את ההיגיון המורכב.

  4. השימוש ב-Bedrock שומר על תושבות נתונים אזורית ומשתלב עם מנגנוני הבקרה של IAM, CloudTrail ו-CloudWatch.

  5. הגישה למודל זמינה דרך קונסולת Bedrock, ממשקי Invoke ו-Converse וכן באמצעות ה-SDK של Anthropic.

לפי הודעה רשמית של AWS, המודל Claude Haiku 5.5 זמין כעת ב-Amazon Bedrock וב-Claude Platform on AWS. לפי חברת Anthropic, המודל Claude Haiku 5.5 הוא המהיר והיעיל ביותר במשפחת Claude 5.5, ונבנה במיוחד עבור תתי-סוכנים (subagents) ועבודה בנפח גבוה הרגישה לעלויות. בנוסף, המודל עולה כ-75 אחוז פחות בהשוואה ל-Claude Haiku 4.5 עבור מרבית המשימות.

שירות Amazon Bedrock מספק את היכולות של Claude Haiku 5.5 תוך שמירה על הנתונים בתוך תשתית AWS עם תושבות נתונים אזורית (Regional data residency). השירות פועל עם מנגנוני הבקרה של AWS, כולל שירות AWS Identity and Access Management (IAM) לניהול גישה, שירות AWS CloudTrail לצורכי ביקורת, שירות Amazon CloudWatch לניטור, ומנגנוני Amazon Bedrock Guardrails. השימוש במודל מופיע ישירות בחשבונית של AWS.

במקביל, Claude Platform on AWS מספקת גישה ישירה לחוויית הפלטפורמה המקורית וליכולות של Anthropic דרך קונסולת הניהול של AWS (AWS Management Console). הפתרון מאפשר לבנות, לבדוק ולפרוס יישומים באמצעות אותם ממשקי API, מאפיינים וממשק קונסולה הקיימים בעבודה ישירה מול Anthropic, כשהם מאוחדים עם מנגנוני החיוב והאימות של AWS.

מה מייחד את Claude Haiku 5.5

לפי הפירוט בפוסט של AWS, המודל Claude Haiku 5.5 הוא מודל ה-Haiku בעל היכולות הגבוהות ביותר של Anthropic בתחומי כתיבת קוד, שימוש בכלים (tool use), שימוש במחשב (computer use) ומשימות סוכניות (agentic tasks). זהו גם מודל ה-Haiku הראשון שכולל בקרות מאמץ (effort controls), המאפשרות למשתמשים לכוונן את יחס העלות מול רמת התבונה עבור כל משימה בנפרד, במקום להסתפק בהגדרה אחידה לכלל עומס העבודה.

השיפורים במודל באים לידי ביטוי בעבודה מהירה וחזרתית בהיקף רחב. עבור משימות תכנות, המודל פועל כתת-סוכן המנתב בקשות, בודק קוד ומסווג מסמכים ארוכים. במשימות ידע, המודל מחלץ מידע מרכזי ממסמכים קטנים עד בינוניים, מבצע סריקות ראשוניות ועונה על שאלות מהירות מתוך מאגרי ידע. עבור יישומים אינטראקטיביים, המודל מגיב במהירות המאפשרת לשיחות פשוטות לקבל מענה מהיר ומועיל. בנוסף, הוא מתמודד עם משימות עיבוד שפה טבעית (NLP) מסורתיות כגון סיווג, תמצות ויצירת טקסט בנפח ובעלות הנדרשים לתכונות בסביבת ייצור (production).

Claude Haiku 5.5 מטפל במשימות קידוד סוכניות ובשימוש רב-שלבי בכלים, ותומך בתמונות ברזולוציה גבוהה. המודל יכול לשמש כתת-סוכן לשימוש במחשב עבור משימות דפדפן ושולחן עבודה חזרתיות בעלות שמחזיקה מעמד בהיקפים גדולים. בתהליכי פיתוח, הוא מתאים לאיטרציות מהירות על שינויי ממשק משתמש וחוויית משתמש (UI/UX) ולביצוע שינויים קטנים וממוקדים בבסיס קוד על פני מספר קבצים.

שילוב Claude Haiku 5.5 לצד Claude Opus 5.5

לפי הפרסום, Claude Haiku 5.5 משתלב עם המודל Claude Opus 5.5 שהוכרז לאחרונה. השילוב ביניהם יוצר חלוקת תפקידים שבה Opus 5.5 מתכנן ומקבל את החלטות השיפוט, בעוד ש-Haiku 5.5 מבצע משימות מוגדרות היטב במהירות ובהיקף נרחב. מבנה זה מספק יכולת הסקת מסקנות קפדנית היכן שהיא נחוצה, לצד עלויות נמוכות יותר והשהיה מופחתת בשאר השלבים.

בחלוקת עבודה זו, Claude Opus 5.5 מתכנן את העבודה ומקבל את ההחלטות, מפרק בעיות מורכבות, קובע את הגישה ונוטל על עצמו את פעולות ההיגיון המורכבות ביותר, דוגמת ניפוי שגיאות של גרסאות שחרור (release debugging), בדיקות אבטחה של בקשות משיכה (pull requests) גדולות וניתוחים ארוכים המסתיימים בדוח מוכן.

מנגד, Claude Haiku 5.5 מקבל על עצמו את שכבת תתי-הסוכנים המהירה. הוא מטפל במשימות מהירות בנפח גבוה, כמו ניתוב בקשות, סיווג ותמצות, שכתוב מסמכים ארוכים והחלת שינויים קטנים וממוקדים על פני קבצים מרובים. כתת-סוכן לבדיקה, הוא יכול לוודא במהירות את סדר הפעולות ואת הכיוון הכללי, כך ש-Opus 5.5 יוכל לנצל את הטוקנים שלו להסקת המסקנות הקשה ביותר. בשל מהירותו ויעילות העלות שלו, ניתן להריץ מספר רב של תתי-סוכני Haiku במקביל.

תחילת עבודה ודרישות קדם ב-Amazon Bedrock

כדי להתנסות במודל דרך ממשק המשתמש, ניתן לפתוח את קונסולת Amazon Bedrock, לבחור באפשרות Test, לאחר מכן ב-Playground, ולבחור ב-Haiku 5.5 כמודל הפעיל לצורך הרצת פרומפט ישיר. ברמה התכנותית, ניתן לפנות למודל באמצעות Anthropic Messages API מול נקודת הקצה bedrock-runtime דרך ה-SDK של Anthropic, או להשתמש ב-Invoke API וב-Converse API מול bedrock-runtime דרך AWS CLI ו-AWS SDK.

דרישות הקדם לשימוש במודל כוללות:

  • חשבון AWS פעיל עם גישה ל-Amazon Bedrock.
  • ממשק שורת הפקודה AWS CLI מותקן ומוגדר.
  • סביבת Python בגרסה 3.10 ומעלה.
  • התקנת ספריית Boto3 (באמצעות הפקודה pip install boto3).
  • התקנת ה-SDK של Anthropic (באמצעות הפקודה pip install anthropic).
  • התקנת מחולל הטוקנים לאימות Amazon Bedrock (באמצעות הפקודה pip install aws_bedrock_token_generator).
  • הרשאות ב-AWS Identity and Access Management (IAM): ההרשאות bedrock:InvokeModel ו-bedrock:InvokeModelWithResponseStream.

דוגמאות אינטגרציה וזמינות אזורית

בפוסט מוצגות דוגמאות קוד לשימוש ב-Python: קריאה באמצעות InvokeModel מעבירה את מזהה המודל global.anthropic.claude-haiku-5-5 עם גוף בקשה המוגדר בפורמט JSON, ומחלצת את בלוק הטקסט מתוך התשובה (תוך התחשבות בכך ש-Haiku 5.5 עשוי להחזיר בלוק חשיבה לפני בלוק הטקסט). בשימוש ב-Converse API מתקבל מבנה אחיד מרובה מודלים עם תצורת הסקה (inferenceConfig). בשימוש ב-Anthropic SDK, מופק טוקן באמצעות מחולל הטוקנים והפנייה מבוצעת אל כתובת הבסיס של bedrock-runtime באזור us-east-1.

למעקב אחר פעילות המערכת, ניתן לנטר את השימוש, הביצועים והעלויות באמצעות Amazon CloudWatch ו-AWS Cost Explorer במטרה להרחיב את היישומים בהתאם לגידול בביקוש.

המודל Claude Haiku 5.5 זמין החל מהיום ב-Amazon Bedrock באמצעות פרופילי ההסקה של US Geo CRIS (us.), EU Geo CRIS (eu.), AU Geo CRIS (au.), JP Geo CRIS (jp.) ו-Global CRIS (global.) ב-bedrock-runtime. בסביבת AWS GovCloud (US), המודל זמין הן בנקודת הקצה bedrock-runtime והן ב-bedrock-mantle. בנוסף, המודל זמין דרך Claude Platform on AWS באזור צפון אמריקה. רשימת האזורים המלאה ופרטי התמחור מופיעים בתיעוד הרשמי של Amazon Bedrock.

האם זה היה שימושי לעסק שלכם?

שאלות ותשובות

שאלות נפוצות

הכתבה הוכנה באמצעות מערכת בליווי בינה מלאכותית לתרגום, סיכום ובקרות איכות אוטומטיות מתוך פרסום מקורי של AWS Machine Learning. קראו על תהליך העריכה שלנו. קישור למקור המקורי.

קבלו עדכוני AI שימושיים למייל

תקציר ממוקד ממערכת החדשות שלנו.

עוד מ־AWS Machine Learning

כל הכתבות מ־AWS Machine Learning
שכפול קול ב-Amazon Polly: זמינות במתכונת שחרור מבוקר
מוצר חדש
4 דקות
מ־AWS Machine Learning

שכפול קול ב-Amazon Polly: זמינות במתכונת שחרור מבוקר

שירות Amazon Polly השיק יכולת שכפול קול (voice cloning) הזמינה כעת במסגרת שחרור מבוקר (gated release). היכולת מאפשרת להפיק קול מותאם אישית מתוך מספר דקות של הקלטות של דובר שהסכים לכך, על גבי המנוע היוצר (generative engine) של השירות. השירות תומך בשבע שפות: אנגלית, ספרדית, גרמנית, צרפתית, איטלקית, פורטוגזית והינדי, כאשר כל קול פועל בשפה שבה הוקלט. ההקלטות אינן נשמרות לאחר יצירת הקול ואינן משמשות לאימון מודלים, והגישה לקול מוגבלת לחשבון שיצר אותו עם תמיכה בהצפנת AWS KMS וניהול הרשאות ב-IAM. יצירת הקול ניתנת ללא עלות, והשימוש בסינתזה מחויב לפי צריכה.

קרא עוד
תמיכה ב-Private CA ב-Amazon Bedrock AgentCore Identity
מדריך
5 דקות
מ־AWS Machine Learning

תמיכה ב-Private CA ב-Amazon Bedrock AgentCore Identity

בפוסט שפורסם בבלוג של AWS, הוכרזה תמיכה בתעודות רשות אישורים פרטית (Private CA) במסגרת AgentCore Identity, יכולת של Amazon Bedrock AgentCore. יכולת זו מאפשרת לסוכני בינה מלאכותית להתחבר לספקי זהות פרטיים כמו Keycloak המאוחסנים ברשת פנימית, תוך מתן אמון ב-CA הארגוני. התעודה בפורמט PEM נשמרת ב-Secrets Manager או ב-S3 ומאומתת מול נקודות הקצה של ה-IdP דרך Amazon VPC Lattice. הפוסט מפרט את אופן ההגדרה, שלבי הניטור ב-CloudWatch ותהליך ביצוע רוטציה ללא השבתה.

קרא עוד
ניהול עלויות מקצה לקצה ב-Amazon Bedrock: מדריך לצוותי FinOps
מדריך
5 דקות
מ־AWS Machine Learning

ניהול עלויות מקצה לקצה ב-Amazon Bedrock: מדריך לצוותי FinOps

בפוסט של מומחי AWS מוצג מודל תפעולי בן חמישה שלבים לניהול עלויות ב-Amazon Bedrock, המיועד לצוותי FinOps והנדסת פלטפורמה. המודל מתמקד בעומסי עבודה של סוכני בינה מלאכותית (agentic workloads), שבהם צריכת הטוקנים מושפעת מרמת האוטונומיה וגודל ההקשר. חמשת השלבים כוללים: שיוך עלויות לכל ישות וצוות באמצעות תגי IAM ודוחות CUR 2.0; יצירת יכולת תצפית ובקרה באמצעות רישום יומני הסקה ב-CloudWatch וב-S3 לצד מטא-דאטה מובנית; אכיפת תקציבים בשלוש רמות (התראות, שלילת הרשאות ב-IAM או חסימה סינכרונית בשער); מיטוב ברירות מחדל באמצעות שמירה במטמון (prompt caching) וניתוב מודלים חכם; והפעלת סקירת ביצועים משותפת מבוססת מדדים ברורים.

קרא עוד
אימון סוכנים ב-Multi-Turn Reinforcement Learning ב-SageMaker AI
מדריך
5 דקות
מ־AWS Machine Learning

אימון סוכנים ב-Multi-Turn Reinforcement Learning ב-SageMaker AI

מדריך טכני של מהנדסי AWS מציג את השימוש ב-Multi-Turn Reinforcement Learning (MTRL) על גבי Amazon SageMaker AI לאימון סוכני בינה מלאכותית על רצפי פעולות מרובי שלבים. באמצעות הדגמה על משחק Wordle, המאמר מפרט כיצד אימון מודל GPT-OSS-20B בעזרת סביבת Amazon Bedrock AgentCore ואלגוריתם GRPO העלה את שיעור הפתרון מ-61% ל-84% בהגדרות הגשה, בעלות של כ-339 דולר בטוקנים. המדריך כולל פירוט על ארכיטקטורת המערכת, הכנת מערך הנתונים ללא תוויות, נוסחת פונקציית התגמול המפרידה בין תוצאה לעיצוב התנהגות, והתמודדות עם תקלות תשתית ואימות במהלך האימון.

קרא עוד

עוד כתבות שיעניינו אותך

לכל הכתבות
שכפול קול ב-Amazon Polly: זמינות במתכונת שחרור מבוקר
מוצר חדש
4 דקות
מ־AWS Machine Learning

שכפול קול ב-Amazon Polly: זמינות במתכונת שחרור מבוקר

שירות Amazon Polly השיק יכולת שכפול קול (voice cloning) הזמינה כעת במסגרת שחרור מבוקר (gated release). היכולת מאפשרת להפיק קול מותאם אישית מתוך מספר דקות של הקלטות של דובר שהסכים לכך, על גבי המנוע היוצר (generative engine) של השירות. השירות תומך בשבע שפות: אנגלית, ספרדית, גרמנית, צרפתית, איטלקית, פורטוגזית והינדי, כאשר כל קול פועל בשפה שבה הוקלט. ההקלטות אינן נשמרות לאחר יצירת הקול ואינן משמשות לאימון מודלים, והגישה לקול מוגבלת לחשבון שיצר אותו עם תמיכה בהצפנת AWS KMS וניהול הרשאות ב-IAM. יצירת הקול ניתנת ללא עלות, והשימוש בסינתזה מחויב לפי צריכה.

קרא עוד
חברת NiCE השיקה את הדור הבא של פלטפורמת Cognigy
מוצר חדש
4 דקות
מ־SiliconANGLE AI

חברת NiCE השיקה את הדור הבא של פלטפורמת Cognigy

לפי טור של האנליסט זאוס קרוואלה ב-SiliconANGLE, חברת .NiCE Ltd השיקה את הדור הבא של פלטפורמת NiCE Cognigy. העדכון כולל סביבת פיתוח מחודשת, כלי ליווי בשם AI Assist, מעקב מפורט אחר שלבי שיחה, ובדיקות מרובות משתנים מבוססות סימולציה. הפלטפורמה משלבת תמיכה במודלי קול-אל-קול, לצד חיבור לפרוטוקול MCP ושיתוף פעולה לפיתוח Personal Agent Protocol יחד עם Meta ו-Sierra. הגרסה מתמקדת במודל עבודה היברידי, המאפשר לארגונים לשלב תהליכים דטרמיניסטיים קיימים יחד עם סוכנים אוטונומיים תוך שמירה על ניטור ובקרה.

קרא עוד
גוגל הכריזה על Gemini 4 Hydrogen לקידוד ותהליכי סוכנים
מוצר חדש
4 דקות
מ־DeepMind

גוגל הכריזה על Gemini 4 Hydrogen לקידוד ותהליכי סוכנים

Google DeepMind הכריזה על השקת Gemini 4 Hydrogen, מודל המיועד לביצועים מהירים ויעילים בתהליכי קידוד ועבודת סוכנים יומיומית. המודל מתומחר ב-1.50 דולר למיליון טוקני קלט ו-7.50 דולר למיליון טוקני פלט לחלון הקשר של מיליון טוקנים. לצד פעילותו כמודל עצמאי, הוא משתלב עם מודלי החזית Carbon ו-Argon באמצעות Orchestrator ב-Google Antigravity, המאפשר חיסכון ממוצע של 24% במכסה והשלמת משימות מהירה ב-19% במבחן Terminal-Bench 4.0. בנוסף, המודל מציע ארבע רמות חשיבה, מציג שיפורי מהירות ובטיחות, וזמין למפתחים, ארגונים ומשתמשי קצה.

קרא עוד
סיילספורס השיקה את AI Skills ב-Agentforce Coworker
מוצר חדש
4 דקות
מ־Salesforce Blog

סיילספורס השיקה את AI Skills ב-Agentforce Coworker

סיילספורס הודיעה על זמינות כללית של AI Skills בתוך Agentforce Coworker. מיומנויות אלו מאפשרות למשתמשים להגדיר בשפה פשוטה סט הוראות לשימוש חוזר עבור משימות שחוזרות על עצמן, כך שהסוכן יוכל לבצע אותן בעקביות. Coworker, המתאם בין סוכני Agentforce ב-Salesforce, ב-Microsoft Teams ובמובייל, הוא הסוכן הראשון שכולל יכולת זו. בניגוד לתבניות הנחיה המפיקות פלטי טקסט בלבד, מיומנות מתארת משימה שלמה ומאפשרת לסוכן לנקוט פעולות על פי הרשאות המשתמש ולאחר קבלת אישור לעדכון רשומות.

קרא עוד