チャットAnthropic

Claude Haiku 4.5 AI チャットアシスタント

Claude Haiku 4.5 は、すばやい読解、軽いリライト、受信箱の仕分け、低コストの日常アシスタント作業に向いた Rivya の高速 Claude AI チャット選択肢です。

入力
プロンプトのみ
出力
AI チャットアシスタント
クレジット
従量課金 - 使用量に応じてクレジットを消費
最適
受信箱の仕分けとすばやい社内 Q&A
出力例

出力例

受信箱への返信、サポートのフォローアップ、落ち着いた運用コミュニケーションに最適です。

チャット

オンライン試用

Claude Haiku 4.5 を試す

入力設定

この実行を準備

見込みクレジット: 2+

チャット設定

Rivya がいつウェブ検索を使うか、どの程度の推論を行うか、選択したモデルが対応している場合にモデルの思考内容を含めるかを選択します。

思考内容

モデルのデフォルトに任せるか、提供元が対応している場合に思考トレースを含めるか非表示にするかを明示します。

会話を開始して、計画、プロンプト、クリエイティブ方針を再利用できる 1 つのスレッドにまとめましょう。

プロンプトスターター

実績あるプロンプトで Claude Haiku 4.5 を始める

空白のプロンプトより良い初回結果がほしい場合は、Claude Haiku 4.5 にすでに紐づけられたテンプレートを使えます。

モデル実例

Claude Haiku 4.5 の出力例を見る

上のオンライン試用を使い、その後これらの出力例と比較して、仕上がり、リズム、タスク適性を判断してから Studio でさらにクレジットを使ってください。

チャットスレッド

すばやい要約、軽い分析、高頻度で低コストな共同作業を Rivya に依頼してください。

Rivyaで簡潔な返信を下書きするチャットプレビュー。

出力

受信箱への返信、サポートのフォローアップ、落ち着いた運用コミュニケーションに最適です。

主なサンプル

受信箱への返信、サポートのフォローアップ、落ち着いた運用コミュニケーションに最適です。

Rivyaで簡潔な返信を下書きするチャットプレビュー。

入力

プロンプトのみ

注目ポイント

Rivyaで簡潔な返信を下書きするチャットプレビュー。

1 回あたりのクレジット

従量課金 - 使用量に応じてクレジットを消費

このモデルが合う理由

このモデルが合う理由

低レイテンシで高頻度の利用に向いている

Sonnet や Opus よりトークン単価が大幅に安い

Rivya の現在のフロントエンドではテキスト優先の Claude プロジェクトとして使える

最適なタスク

最適なタスク

受信箱の仕分けとすばやい社内 Q&Aメール、ドキュメント、サポート返信の初回リライト予算を抑えたい社内要約とリライトメモ、文字起こし、貼り付けたテキストからの高速抽出

モデル実例

チャットスレッド

すばやい要約、軽い分析、高頻度で低コストな共同作業を Rivya に依頼してください。

短い返信のトーン修正チャットの会話プレビュー。

返信が技術的には正しいものの、顧客に対してぶっきらぼうすぎる場合に役立ちます。

短い返信のトーン修正チャットの会話プレビュー。

チャットスレッド

すばやい要約、軽い分析、高頻度で低コストな共同作業を Rivya に依頼してください。

サポートマクロ圧縮チャットの会話プレビュー。

繰り返し使うサポート返信を、ポリシー上の主張を広げずに有用に保ちます。

サポートマクロ圧縮チャットの会話プレビュー。

チャットスレッド

すばやい要約、軽い分析、高頻度で低コストな共同作業を Rivya に依頼してください。

軽量リーガルレッドラインのチャットプレビューカバー。

軽量リーガルレッドラインのプレビュー。入力文脈、構造化返信、実行可能な次のステップに焦点を当てています。

軽量リーガルレッドラインのチャットプレビューカバー。

チャットスレッド

すばやい要約、軽い分析、高頻度で低コストな共同作業を Rivya に依頼してください。

顧客異議クラスタリングのチャットプレビューカバー。

顧客異議クラスタリングのプレビュー。入力文脈、構造化された返信、実行可能な次のステップに焦点を当てます。

顧客異議クラスタリングのチャットプレビューカバー。

チャットスレッド

すばやい要約、軽い分析、高頻度で低コストな共同作業を Rivya に依頼してください。

週次エグゼクティブ状況統合のチャットプレビューカバー。

週次エグゼクティブ状況統合のプレビュー。入力コンテキスト、構造化された返信、実行可能な次のステップに焦点を当てています。

週次エグゼクティブ状況統合のチャットプレビューカバー。

チャットスレッド

すばやい要約、軽い分析、高頻度で低コストな共同作業を Rivya に依頼してください。

短い返信のトーン修正チャットの会話プレビュー。

返信が技術的には正しいものの、顧客に対してぶっきらぼうすぎる場合に役立ちます。

短い返信のトーン修正チャットの会話プレビュー。

チャットスレッド

すばやい要約、軽い分析、高頻度で低コストな共同作業を Rivya に依頼してください。

サポートマクロ圧縮チャットの会話プレビュー。

繰り返し使うサポート返信を、ポリシー上の主張を広げずに有用に保ちます。

サポートマクロ圧縮チャットの会話プレビュー。

チャットスレッド

すばやい要約、軽い分析、高頻度で低コストな共同作業を Rivya に依頼してください。

軽量リーガルレッドラインのチャットプレビューカバー。

軽量リーガルレッドラインのプレビュー。入力文脈、構造化返信、実行可能な次のステップに焦点を当てています。

軽量リーガルレッドラインのチャットプレビューカバー。

チャットスレッド

すばやい要約、軽い分析、高頻度で低コストな共同作業を Rivya に依頼してください。

顧客異議クラスタリングのチャットプレビューカバー。

顧客異議クラスタリングのプレビュー。入力文脈、構造化された返信、実行可能な次のステップに焦点を当てます。

顧客異議クラスタリングのチャットプレビューカバー。

チャットスレッド

すばやい要約、軽い分析、高頻度で低コストな共同作業を Rivya に依頼してください。

週次エグゼクティブ状況統合のチャットプレビューカバー。

週次エグゼクティブ状況統合のプレビュー。入力コンテキスト、構造化された返信、実行可能な次のステップに焦点を当てています。

週次エグゼクティブ状況統合のチャットプレビューカバー。

判断材料

このモデルが適している場面

判断材料

適性の手がかり

低レイテンシで高頻度の利用に向いている
Sonnet や Opus よりトークン単価が大幅に安い
Rivya の現在のフロントエンドではテキスト優先の Claude プロジェクトとして使える
軽い分析やリライトに役立つ
コストを重視する日常的な共同作業に合う

最適なタスク

タスクがこのような場合に使えます

受信箱の仕分けとすばやい社内 Q&Aメール、ドキュメント、サポート返信の初回リライト予算を抑えたい社内要約とリライトメモ、文字起こし、貼り付けたテキストからの高速抽出応答速度が重要な大量のアシスタント作業

確認データ

確認すべき入力、出力、クレジット

プロバイダー

Anthropic

カテゴリ

チャット

機能

チャット

クレジットモデル

従量課金 - 使用量に応じてクレジットを消費

入力経路

プロンプトのみ

プロンプト設定

最大 20,000 文字

開発者アクセス

API から利用可能

モデルフィールド、参照メディアルール、クレジット挙動を確認した後、Public API v1 から Claude Haiku 4.5 を呼び出せます。

FAQ

Claude Haiku 4.5 FAQ

代替モデルを比較

次に検討したい他のモデル

チャット

GPT-5.5

Rivya で使える OpenAI の高度な GPT チャットモデルです。ブリーフにより多くの余地が必要なときの複雑な推論、画像対応分析、リサーチ統合、構造化された文章作成に向いています。

検討する理由

次のタスクに プロンプト + 任意の画像 が必要な場合に検討できます。

入力プロンプト + 任意の画像
クレジット従量課金 - 使用量に応じてクレジットを消費
最適長い、または整理しにくい資料パケットをまたぐリサーチ統合
チャット

GPT-5.4

Rivya で使える OpenAI の上位 AI チャットモデルです。より複雑な分析や文章作成タスクに向けて、構造化入力の扱い、推論制御、ツール志向の会話プロジェクトが強化されています。

検討する理由

次のタスクに プロンプト + 任意の画像 が必要な場合に検討できます。

入力プロンプト + 任意の画像
クレジット従量課金 - 使用量に応じてクレジットを消費
最適長い戦略ブリーフと意思決定メモ
チャット

GPT-5.4 Codex

Rivya で使える OpenAI の上位 Codex モデルです。要求の高いリポジトリ規模の開発プロジェクトに向けて、より強いコーディング、構造化推論、ツール志向の協業を備えています。

検討する理由

次のタスクに プロンプト + 任意の画像 が必要な場合に検討できます。

入力プロンプト + 任意の画像
クレジット従量課金 - 使用量に応じてクレジットを消費
最適リポジトリ規模のデバッグとアーキテクチャレビュー