Модели Claude
Тема дорожной карты · Claude от Anthropic
Anthropic выпускает модели Claude в четырёх уровнях возможностей: Fable — новый верхний уровень с максимальным интеллектом (выше Opus), Opus — самая способная модель классической линейки, Sonnet — баланс скорости и интеллекта для большинства приложений, и Haiku — самый быстрый и дешёвый вариант для простых задач. Идентификаторы актуальных моделей — это алиасы без датированных суффиксов (например, claude-opus-4-8). Старый совет «всегда пиньте датированную версию» больше не актуален: пиньте алиас и отслеживайте изменения через официальный гайд по депрекациям и миграции.
Как это работает
Текущая линейка выглядит так. Claude Fable 5 (claude-fable-5) — самая интеллектуальная модель: $10/$50 за 1M токенов ввода/вывода, контекстное окно 1M токенов, до 128K токенов вывода. Claude Opus 4.8 (claude-opus-4-8) — самая способная модель уровня Opus: $5/$25. Claude Sonnet 4.6 (claude-sonnet-4-6) — рабочая лошадка с лучшим соотношением скорости и интеллекта: $3/$15, до 64K токенов вывода. Claude Haiku 4.5 (claude-haiku-4-5) — самый быстрый и дешёвый вариант: $1/$5, контекст 200K токенов. Все модели принимают текст и изображения, поддерживают структурированный вывод и tool use. Возможности конкретной модели не нужно запоминать по таблицам: Models API отдаёт их программно — GET /v1/models/{id} возвращает окно контекста (max_input_tokens), лимит вывода (max_tokens) и дерево capabilities с флагами поддержки функций.
Когда применять
Haiku — для высоконагруженной рутины, где решают скорость и цена: классификация, извлечение данных, роутинг запросов. Sonnet — разумный дефолт для чата, генерации кода и многошагового рассуждения в production-объёмах. Opus — для сложных агентных сценариев, глубокого анализа и длинных автономных задач. Fable — когда нужен предельный интеллект и бюджет это позволяет: самые трудные исследовательские и инженерные задачи. Цены растут вместе с уровнем, поэтому выбирайте самую дешёвую модель, которая стабильно проходит вашу планку качества, и повышайте уровень только по результатам измерений.
Типичные ошибки
Частые ошибки: попытка дописать датированный суффикс к алиасу (идентификаторы вроде claude-sonnet-4-6 полны сами по себе — «сконструированный» ID вернёт 404); слепое следование старой рекомендации пинить датированные версии вместо алиаса и работы по гайду миграции; использование Fable или Opus для тривиальных задач, где Haiku справится в разы дешевле; отсутствие учёта стоимости на запрос (счета за LLM удивляют на масштабе); выбор модели «по памяти» вместо проверки актуальных возможностей через Models API или страницу обзора моделей.
Связанные понятия
Полезные ресурсы
Проверить знания (2)
Загрузка вопросов…