Claude Sonnet или Opus: что выбрать под задачу
Начните с Sonnet и поднимайтесь до Opus только на шагах, где ошибка дорого стоит или цепочка зависимых действий длинная. Массовую работу с проверяемым результатом отдавайте модели подешевле. Выбирать стоит по трём вопросам, а не по рейтингу: сколько стоит ошибка, сколько будет вызовов и как далеко модели придётся тянуть рассуждение.
Коротко
Цена ошибки решает больше, чем цена токена: дорогая ошибка оправдывает Opus, рутина нет.
В каталоге Relay на 18 октября 2026 есть Sonnet 4.6, Sonnet 5, Sonnet 5.5, Haiku 4.5, Haiku 5.5, Fable 5 и Fable 5.1, а также пять ревизий Opus.
Прежде чем заводить вторую модель, сдвиньте effort на первой: по оценке Anthropic это самый дешёвый эксперимент.
Проверяйте выбор на 20-30 своих задачах с одинаковым входом, а не по чужому рейтингу.
Какие три вопроса задать до выбора модели?
Первый вопрос: сколько стоит ошибка. Если неверный ответ ловит тест или человек за секунды, дешёвая модель с повтором обходится дешевле одного дорогого вызова. Если брак вылезет в проде через неделю, дорогой вызов окупается. Второй: сколько будет вызовов. На сотне запросов в день разница между уровнями на счёте почти не видна, а на ста тысячах от неё зависит, есть ли у функции экономика. Третий: насколько длинная цепочка. Один ответ по короткому входу и агент, который двадцать шагов подряд сам решает, что делать дальше, это разные нагрузки. Слабая модель ломается на второй.
Ниже рабочие умолчания по этим трём осям.
| Задача | Цена ошибки | Вызовов | Куда |
|---|---|---|---|
| Разметка обращений по пяти темам | низкая, поправит оператор | тысячи в день | недорогая модель |
| Поля из письма в JSON по схеме | низкая, схема отсекает брак | тысячи в день | недорогая модель или Sonnet |
| Правка в одном файле, есть тесты | средняя, тесты поймают | десятки в день | Sonnet |
| Ответ по длинному документу | средняя | сотни в день | Sonnet |
| Рефакторинг через десяток файлов без ясной гипотезы | высокая | единицы | Opus |
| Проверка миграции схемы базы перед выкладкой | высокая | единицы | Opus |
Таблица отражает наши критерии, а не замеры. У вас цена ошибки может стоять иначе, и тогда строка переезжает в другую колонку.
Что из Claude есть в каталоге Relay на 18 октября 2026?
В живом каталоге есть Opus 4.6, 4.7, 4.8, 5 и 5.5: claude-opus-4-6, claude-opus-4-7, claude-opus-4-8, claude-opus-5, claude-opus-5-5. Есть Sonnet 4.6, 5 и 5.5: claude-sonnet-4-6, claude-sonnet-5, claude-sonnet-5-5. Для быстрых проб доступны claude-haiku-4.5, claude-haiku-5.5, claude-fable-5 и claude-fable-5-1.
Снимок сообщает ID, тип chat и название. Он не содержит контекста, цен или протоколов. Ищите эти свойства в карточке на странице моделей, затем сделайте короткий вызов тем же клиентом, который пойдёт в работу.
Имена ревизий копируйте вместе с дефисами. Например, Claude Opus 5.5 использует claude-opus-5-5, а Claude Fable 5.1: claude-fable-5-1. Точечные варианты из старого снимка не подойдут.
Как проверить выбор на длинном входе?
Не выбирайте уровень по названию. Живой список не сообщает размер контекста и качество ответа. Возьмите свой документ, составьте вопросы, которые требуют связать факты из разных частей, и сравните кандидатов по числу верных ответов. Если Sonnet проходит этот набор, для такой задачи Opus не нужен.
Что поставить на быстрый уровень?
Для первого сравнения доступны claude-haiku-4.5, claude-haiku-5.5, claude-fable-5 и claude-fable-5-1. Их цена и доступный протокол не следуют из имени, поэтому перед выбором откройте карточку и проведите одинаковый короткий прогон на своих задачах.
Второй путь: не заводить третий уровень и отдать рутину Sonnet. Для небольшого трафика это часто проще: не появится второй набор промптов и проверок.
Claude Code использует роль Haiku для фоновых задач. ANTHROPIC_DEFAULT_HAIKU_MODEL должен содержать ID, который есть в каталоге и проходит проверочный вызов; остальные переменные описаны на странице подключения Claude Code.
Когда правило двух моделей окупается, а когда нет?
Схема известна: сильная модель планирует, средняя выполняет. Anthropic в руководстве по затратам разбирает два её варианта и приводит собственные замеры. В первом исполнитель зовёт консультанта на трудных решениях, во втором оркестратор раздаёт подзадачи исполнителям. Из этих замеров я бы вынес три вещи.
Если работа это одна цепочка зависимых шагов или она целиком помещается в контекст, оркестратор платит за план, передачу и слияние, которые одна модель получает даром.
Раздача выигрывает, когда объём не влезает в один контекст или в потоке много рутины.
Схема с консультантом работает, только если исполнитель к нему обращается. В одном замере Anthropic исполнители не позвали консультанта ни разу на 198 вопросах, и выигрыша не вышло.
Перед любой из схем проведите простой опыт: меняйте один параметр на одной модели, затем сравнивайте результат и расход. Поддержку output_config.effort и других настроек сверяйте по документации выбранной модели, а не по названию семейства.
Как строить эскалацию, не веря самооценке модели?
Популярный приём: просить дешёвую модель вернуть ответ вместе с числом confidence и звать дорогую, когда число низкое. Я бы так не делал. Число, которое пишет сама модель, проверить нечем. Проверка снаружи надёжнее: разбор по схеме, запуск тестов, сверка со списком допустимых значений. Не прошло, значит поднимаемся на следующую модель.
import json
import os
import urllib.request
LABELS = {"billing", "technical", "sales", "other"}
CHAIN = ["deepseek-v4-flash", "claude-sonnet-5"]
SYSTEM = 'Ответь JSON вида {"label": "...", "reason": "..."}. label из: ' + ", ".join(sorted(LABELS))
def complete(model, message):
body = json.dumps({
"model": model,
"max_tokens": 200,
"messages": [
{"role": "system", "content": SYSTEM},
{"role": "user", "content": message},
],
}).encode()
req = urllib.request.Request(
"https://relay-llm.ru/v1/chat/completions",
data=body,
headers={
"Authorization": "Bearer " + os.environ["RELAY_API_KEY"],
"Content-Type": "application/json",
},
)
with urllib.request.urlopen(req) as resp:
return json.load(resp)["choices"][0]["message"]["content"]
def accepted(text):
try:
data = json.loads(text)
except ValueError:
return None
if isinstance(data, dict) and isinstance(data.get("label"), str) and data["label"] in LABELS:
return data
return None
def classify(message):
for model in CHAIN:
data = accepted(complete(model, message))
if data:
return model, data
return None, NoneЕсли дешёвая модель обернула JSON в лишний текст или выдумала метку, accepted вернёт None, и запрос уйдёт Sonnet. Заодно по возвращаемому имени модели видно, какая доля задач закрылась на нижнем уровне. Это ещё не экономия: при эскалации оплачиваются оба вызова, поэтому деньги считайте по usage всех попыток, включая неудачные, и сравнивайте с вариантом «всё на Sonnet».
Как прогнать кандидатов через свои задачи?
Возьмите двадцать-тридцать задач из реальной работы, а не придуманных для проверки. Каждому кандидату подайте один и тот же вход и оценивайте результат одним способом: тест, схема или чтение человеком. Заодно сохраняйте токены и время. Скрипт ниже прогоняет одну задачу через список моделей, промпт лежит рядом в task.txt.
import json
import os
import time
import urllib.request
MODELS = ["claude-sonnet-5", "claude-opus-5", "deepseek-v4-flash"]
PROMPT = open("task.txt", encoding="utf-8").read()
def ask(model):
body = json.dumps({
"model": model,
"max_tokens": 1024,
"messages": [{"role": "user", "content": PROMPT}],
}).encode()
req = urllib.request.Request(
"https://relay-llm.ru/v1/chat/completions",
data=body,
headers={
"Authorization": "Bearer " + os.environ["RELAY_API_KEY"],
"Content-Type": "application/json",
},
)
started = time.perf_counter()
with urllib.request.urlopen(req) as resp:
request_id = resp.headers.get("x-request-id")
data = json.load(resp)
return data, request_id, time.perf_counter() - started
for model in MODELS:
data, request_id, seconds = ask(model)
print(model, request_id, round(seconds, 1), data["usage"])
print(data["choices"][0]["message"]["content"][:300])Ключ берётся из RELAY_API_KEY. x-request-id пригодится, если ответ придётся искать в журнале запросов: токены и стоимость каждого запроса видны там же, в разрезе ключа и модели. Под эксперимент заведите отдельный ключ с лимитом расходов. Запрос сверх лимита получит key_limit_exceeded, и деньги не спишутся.
Читая результаты, считайте стоимость принятой задачи, а не токена. Anthropic советует то же, и довод простой: дорогая модель, решившая с первого раза, может обойтись дешевле дешёвой с тремя повторами. Поднимайтесь на уровень выше только там, где модель проиграла ваши проверки, а не там, где ответ показался слабее на вид. Если выбираете модель именно для кода, начните со статьи как выбрать модель для задач по коду: там порядок измерения и пример политики маршрутизации.
Вопросы про выбор уровня
Можно ли начинать сразу с Opus?
Можно: Anthropic описывает оба входа, сверху и снизу. Мы выбираем по цене ошибки. Если брак дорогой, сначала убедитесь на сильной модели, что задача вообще решается, потом спускайтесь вниз и смотрите, что ломается. Для рутины с дешёвой ошибкой быстрее вход снизу.
Где смотреть цену моделей?
В карточке модели в каталоге и на странице цен. Числа в статьях быстро расходятся с каталогом. У моделей с резервным маршрутом каталог показывает и цену при нём, она может быть выше основной.
Что будет, если указать модель, которой нет в каталоге?
Запрос получит 404 с кодом model_not_found. Идентификатор копируйте из каталога один в один. Ревизии Claude пишутся через дефис: для Opus 5.5 используйте claude-opus-5-5. Подробнее в статье про действующий идентификатор модели.
Можно ли держать Sonnet и Opus на одном ключе?
Можно. Если в параметрах ключа не выбран список «Разрешённые модели», ключу доступны все модели каталога. Чтобы разделить расход по моделям, выпускайте отдельные ключи: журнал запросов покажет траты по каждому, а лимит в деньгах на день или месяц задаётся на каждый ключ отдельно.
Источники
Страницы Anthropic проверены 14 октября 2026.