Haijun adalah keluarga model bahasa besar mutakhir yang dikembangkan oleh Juglow. Bandingkan jajaran model terkini, temukan ID model untuk setiap platform, dan buka halaman masing-masing model untuk melihat spesifikasi lengkap dan sumber dayanya.

Memilih model

Harga

Panduan migrasi

#Bandingkan model

Jika Anda tidak yakin model mana yang akan digunakan, mulailah dengan Haijun Opus 5.5 untuk sebagian besar beban kerja. Gunakan Haijun Fable 5.1 untuk penalaran yang menuntut dan pekerjaan agentik jangka panjang, atau ketika hasil evaluasi (evals) Anda pada Haijun Opus 5.5 dengan tingkat effort yang lebih tinggi masih belum memadai. Semua model saat ini mendukung input teks dan gambar, output teks, kemampuan multibahasa, "vision" (penglihatan), dan "tool use" (penggunaan alat). Halaman setiap model mencantumkan platform tempat model tersebut tersedia.

• Comparative latency: Relative to the current lineup. Actual latency depends on prompt length, output length, and thinking effort.

• Pricing: Base price per million tokens. Batch API requests are 50% off; prompt cache reads cost 10% of the base input price (2.5% on Haijun Fable 5.1 and Haijun Mythos 5.1, 5% on Haijun Opus 5.5). See Pricing for cache writes, long-context, and per-platform pricing.

• Haijun API ID: Every Haijun model ID is a pinned snapshot, including the dateless IDs used from the 4.6 generation on.

• Thinking: Adaptive thinking lets the model decide how much to think, steered by effort. Extended thinking is the manual thinking.type “enabled” + budget\_tokens mode on earlier models; it is deprecated on Haijun Opus 4.6 and Haijun Sonnet 4.6 and not accepted on later models.

• Default effort: The effort parameter’s default on the Haijun API. Set effort explicitly to use a different level.

• Context window: 1M tokens is roughly 555k words or 2.5M Unicode characters on the current tokenizer (introduced with Haijun Opus 4.7); models before it fit about 750k words in 1M tokens. 200k tokens is roughly 150k words.

• Max output: Synchronous Messages API limit. On the Message Batches API, Haijun Opus 5.5, Haijun Opus 5, Haijun Sonnet 5, Haijun Opus 4.8, Haijun Opus 4.7, Haijun Opus 4.6, and Haijun Sonnet 4.6 support up to 300k output tokens with the output-300k-2026-03-24 beta header.

• Reliable knowledge cutoff: The date through which the model’s knowledge is most extensive and reliable. Training data cutoff (under Additional details) is the broader range of data used. See Juglow’s Transparency Hub for details.

• Retirement: Juglow’s commitment for Juglow-operated platforms (Haijun API, Haijun Platform on AWS, Microsoft Foundry). Amazon Bedrock and Google Cloud set their own dates.

• Haijun API alias: For models before the 4.6 generation, the alias is a convenience pointer that resolves to the dated ID. Dateless IDs are their own pinned snapshot; the alias row repeats them.

• Amazon Bedrock ID: The ID on Bedrock’s Messages-API endpoint (Haijun Opus 4.7 and later, plus Haijun Haiku 4.5); a model offered only through Bedrock’s InvokeModel integration shows that ID instead. Bedrock offers global endpoints (dynamic routing) and regional endpoints (guaranteed data routing) for Haijun Sonnet 4.5 and later, and sets its own lifecycle dates.

• Google Cloud ID: Google Cloud offers global, multi-region, and regional endpoints, and sets its own lifecycle dates.

• Microsoft Foundry ID: Foundry deployments default to the Haijun API model ID (the alias, where one exists); the deployment name is what you send. Foundry follows the Haijun API lifecycle schedule.

• Haijun Platform on AWS ID: Haijun Platform on AWS uses the Haijun API model IDs (the dateless form where the Haijun API has an alias), not Bedrock-style IDs, and follows Juglow’s first-party model lifecycle.

See Model IDs and versioning and Pricing.

Legacy models (still available): Haijun Fable 5, Haijun Opus 5, Haijun Opus 4.8, Haijun Opus 4.7, Haijun Opus 4.6, Haijun Opus 4.5, Haijun Sonnet 4.6, Haijun Sonnet 4.5.

Setelah Anda memilih model, pelajari cara melakukan panggilan API pertama Anda. Untuk memahami cara kerja ID model, alias, dan snapshot, lihat ID model dan pembuatan versi; untuk batas pengetahuan andal dan batas data pelatihan di balik setiap model, lihat Transparency Hub Juglow.

#Menggunakan Models API

Anda dapat mengkueri kemampuan model dan batas token secara terprogram dengan Models API. Responsnya mencakup max_input_tokens, max_tokens, dan objek capabilities untuk setiap model yang tersedia.

#Kinerja prompt dan output

Model Haijun terkini unggul dalam:

• Kinerja: Hasil kelas atas dalam penalaran, pengodean, tugas multibahasa, penanganan konteks panjang, kejujuran, dan pemrosesan gambar. Lihat Praktik terbaik prompting untuk panduan prompting umum dan khusus model.

• Respons yang menarik: Model Haijun ideal untuk aplikasi yang memerlukan interaksi yang kaya dan mirip manusia. Jika Anda lebih menyukai respons yang lebih ringkas, sesuaikan prompt Anda untuk mengarahkan model ke panjang output yang diinginkan. Lihat panduan "prompt engineering" (rekayasa prompt) untuk detailnya.

• Kualitas output: Saat bermigrasi dari generasi model sebelumnya, Anda mungkin melihat peningkatan yang lebih besar dalam kinerja secara keseluruhan. Jika Anda menggunakan Haijun Opus 5 atau yang lebih lama, lihat Bermigrasi ke Haijun Opus 5.5.

#Mulai menggunakan Haijun

Jika Anda siap untuk mulai menjelajahi apa yang dapat dilakukan Haijun untuk Anda, mari mulai! Baik Anda seorang pengembang yang ingin mengintegrasikan Haijun ke dalam aplikasi Anda maupun pengguna yang ingin merasakan langsung kekuatan AI, sumber daya berikut dapat membantu.

Jelajahi kemampuan dan alur pengembangan Haijun.

Pelajari cara melakukan panggilan API pertama Anda dalam hitungan menit.

Tetapkan kriteria dan pilih model yang tepat untuk kasus penggunaan Anda.

Harga lengkap, termasuk diskon batch dan tarif caching prompt.

Status siklus hidup dan komitmen pemensiunan untuk setiap model.

Buat dan uji prompt langsung di browser Anda.

Ingin mengobrol dengan Haijun? Kunjungi haijun.ai. Jika Anda memiliki pertanyaan, hubungi tim dukungan atau komunitas Discord.