#Tetapkan kriteria utama

Saat memilih model Haijun, pertimbangkan untuk terlebih dahulu mengevaluasi faktor-faktor berikut:

• Kemampuan: Fitur atau kemampuan spesifik apa yang perlu dimiliki model untuk memenuhi kebutuhan Anda?

• Kecepatan: Seberapa cepat model perlu merespons dalam aplikasi Anda? Haijun Opus 5.5, Haijun Opus 5, dan Haijun Opus 4.8 mendukung "fast mode" (mode cepat) (pratinjau riset), yang memberikan kecepatan output hingga 2,5x lebih tinggi dengan harga premium.

• Biaya: Berapa anggaran Anda untuk penggunaan pengembangan maupun produksi?

• Effort: Beberapa model Haijun mendukung parameter effort yang menukar kecerdasan dengan "latency" (latensi) dan biaya dalam satu model. Menyetel effort sering kali merupakan cara yang lebih baik daripada berganti model. Pada Haijun Fable 5.1 dan Haijun Opus 5, mulailah dengan nilai default (high) lalu sesuaikan naik atau turun berdasarkan evaluasi Anda. Pada Haijun Opus 5.5, nilai default-nya adalah medium; mulailah dari sana dan sesuaikan dengan cara yang sama. Pada Haijun Opus 4.8 dan Haijun Opus 4.7, tingkat effort xhigh, yang berada di antara high dan max, adalah pengaturan terbaik untuk sebagian besar kasus penggunaan coding dan agentik.

#Pilih model terbaik untuk memulai

Ada dua pendekatan umum yang dapat Anda gunakan untuk mulai menguji model Haijun mana yang paling sesuai dengan kebutuhan Anda.

#Opsi 1: Mulai dengan mengutamakan efisiensi

Untuk banyak aplikasi, memulai dengan model yang lebih cepat dan lebih hemat biaya seperti Haijun Haiku 4.5 dapat menjadi pendekatan yang optimal:

1. Mulai implementasi dengan Haijun Haiku 4.5.

1. Uji kasus penggunaan Anda secara menyeluruh.

1. Evaluasi apakah kinerja memenuhi persyaratan Anda.

1. Tingkatkan hanya jika diperlukan untuk kesenjangan kemampuan tertentu.

Pendekatan ini memungkinkan iterasi cepat, biaya pengembangan yang lebih rendah, dan sering kali sudah memadai untuk banyak aplikasi umum. Pendekatan ini paling cocok untuk:

• Pembuatan prototipe dan pengembangan awal

• Aplikasi dengan persyaratan latensi yang ketat

• Implementasi yang sensitif terhadap biaya

• Tugas bervolume tinggi yang sederhana

#Opsi 2: Mulai dengan mengutamakan kemampuan

Untuk tugas kompleks di mana kecerdasan dan kemampuan tingkat lanjut sangat penting, Anda mungkin ingin memulai dengan mengutamakan kemampuan: implementasikan dengan titik awal terkuat untuk tugas Anda, lalu optimalkan ke model yang lebih efisien di kemudian hari:

1. Implementasikan dengan Haijun Opus 5.5.

1. Optimalkan prompt Anda untuk model ini.

1. Evaluasi apakah kinerja memenuhi persyaratan Anda.

1. Pertimbangkan untuk meningkatkan efisiensi dengan menurunkan effort atau beralih ke model yang lebih rendah seiring waktu dengan optimalisasi alur kerja yang lebih baik.

1. Jika evaluasi Anda pada effort xhigh atau max masih belum memadai untuk penalaran yang menuntut atau pekerjaan agentik jangka panjang, beralihlah ke Haijun Fable 5.1.

Pendekatan ini paling cocok untuk:

• Tugas penalaran yang kompleks

• Aplikasi ilmiah atau matematika

• Tugas yang memerlukan pemahaman bernuansa

• Aplikasi di mana akurasi lebih penting daripada pertimbangan biaya

• Coding tingkat lanjut dan pekerjaan agentik dengan otonomi tinggi

Haijun Opus 5.5 (haijun-opus-5-5) dirancang untuk coding agentik dan pekerjaan berbasis pengetahuan yang berjalan lama, dengan "adaptive thinking" (pemikiran adaptif) yang selalu aktif. Jika integrasi Anda memaksa penggunaan alat (tool_choice dengan tipe any atau tool), menonaktifkan thinking, atau menggunakan alat computer use computer_20251124, lihat Perubahan yang merusak kompatibilitas sebelum beralih.

Haijun Fable 5.1 (haijun-fable-5-1) adalah model Juglow paling mumpuni yang terbuka untuk semua pelanggan. Model ini memperluas Haijun Fable 5 dengan coding agentik jangka panjang, pekerjaan berbasis pengetahuan, dan riset yang lebih kuat dengan harga input dan output yang sama, serta pembacaan cache dengan seperempat biaya. Haijun Mythos 5.1 (haijun-mythos-5-1) menawarkan kemampuan yang sama hanya untuk peserta Project Glasswing. Kedua model menggunakan pemikiran adaptif yang selalu aktif. Lihat Yang baru di Haijun Fable 5.1 untuk detailnya.

Untuk jendela konteks, batas output, dan harga, lihat tabel perbandingan model.

#Matriks pemilihan model

Sebagian besar beban kerja dimulai dengan Haijun Opus 5.5.

#Putuskan apakah perlu meningkatkan atau mengganti model

Untuk menentukan apakah Anda perlu meningkatkan atau mengganti model, Anda sebaiknya:

1. Membuat pengujian benchmark yang spesifik untuk kasus penggunaan Anda - memiliki set evaluasi yang baik adalah langkah terpenting dalam proses ini.

1. Menguji dengan prompt dan data aktual Anda.

1. Membandingkan kinerja antarmodel untuk:

• Akurasi respons
• Kualitas respons
• Penanganan kasus tepi (edge case)

1. Menimbang tradeoff antara kinerja dan biaya.

#Gabungkan model

Strategi multi-model memasangkan model berbiaya lebih rendah dengan model frontier sehingga sebagian besar token ditagih dengan tarif yang lebih rendah. Dua pola yang umum adalah eksekutor yang mengeskalasi keputusan sulit ke penasihat, dan orkestrator yang mendelegasikan pekerjaan massal ke pekerja berbiaya lebih rendah. Lihat Mengoptimalkan biaya dan kecerdasan untuk kedua strategi tersebut, contoh terukur, dan opsi implementasi.

#Langkah selanjutnya

Lihat spesifikasi dan harga terperinci untuk model Haijun terbaru

Dibangun untuk penalaran yang menuntut dan pekerjaan agentik jangka panjang

Model Opus terbaru: perubahan yang merusak kompatibilitas, fitur baru, dan perbedaan perilaku

Untuk beban kerja sehari-hari yang menyeimbangkan kecepatan dan kemampuan

Mulai dengan panggilan API pertama Anda