---
title: Оптимизация стоимости и интеллекта
url: https://platform.claude.com/docs/ru/about-claude/models/optimizing-for-cost-and-intelligence
description: Баланс стоимости и интеллекта на Claude Platform с измеренными результатами для кэширования подсказок, уровня усилий, выбора модели, ограничений вывода и многомодельных стратегий.
---
Самая мощная модель может оказаться слишком дорогой при масштабировании, а самая недорогая может не дотягивать по качеству. Claude Platform даёт вам прямой контроль над этим компромиссом. Для каждого запроса вы выбираете модель, уровень усилий и архитектуру. Так рабочую нагрузку можно разместить практически в любой точке границы между стоимостью и интеллектом.
Стоимость и интеллект обычно представляют как границу, на которой одно покупается за счёт другого. Первая группа рычагов на этой странице приближает рабочую нагрузку к этой границе, снижая стоимость без ущерба для качества; только вторая группа перемещает её вдоль границы:
Рычаги бывают двух видов:
* **Бесплатные выигрыши** снижают расходы без ущерба для качества: «prompt caching» (кэширование подсказок), «token hygiene» (гигиена токенов), аудит подсказок под модель, которую вы используете, [пакетная обработка](https://platform.claude.com/docs/ru/build-with-claude/batch-processing) со скидкой 50% для работы, которая может подождать до 24 часов, и [лимиты расходов рабочих пространств](https://platform.claude.com/docs/ru/api/rate-limits#setting-lower-limits-for-workspaces) в качестве страховки.
* **Компромиссы** обменивают стоимость на интеллект. Это выбор модели, «effort» (уровень усилий), ограничения вывода и бюджеты сессий, часы прошедшего времени и многомодельные архитектуры.
Для каждого рычага приведены измеренные результаты и правило, когда он окупается. В измерениях Anthropic крупнейшим рычагом обычно было «prompt caching» (кэширование подсказок). Многомодельные рычаги применимы в более узком круге случаев. Вторую модель измеряли в двух формах: как советника и как оркестратора.
## С чего начать
Найдите строку, соответствующую вашей ситуации.
| Ваша ситуация | Что делать | Где |
| ---------------------------------------------------------- | ----------------------------------------------------------------------------------------------------------------------------------------------------------------------------------- | -------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------- |
| Любая рабочая нагрузка, любая модель | Включите кэширование подсказок и уберите ненужные токены; оба шага бесплатны | [Кэшируйте повторяющийся контекст](https://platform.claude.com/docs/ru/about-claude/models/optimizing-for-cost-and-intelligence#cache-repeated-context) · [Сократите токены](https://platform.claude.com/docs/ru/about-claude/models/optimizing-for-cost-and-intelligence#trim-input-and-context-tokens) |
| Человек ждёт между ходами | Подсчитайте паузы между запросами, затем выберите длительность кэша по таблице в этом разделе | [Выберите длительность кэша](https://platform.claude.com/docs/ru/about-claude/models/optimizing-for-cost-and-intelligence#pick-the-cache-duration) |
| Затраты слишком высоки; качество устраивает | Попробуйте более низкий уровень усилий на текущей модели | [Настройте уровень усилий](https://platform.claude.com/docs/ru/about-claude/models/optimizing-for-cost-and-intelligence#tune-effort) |
| Вы используете не последнюю модель | Обновитесь; по измерениям Anthropic, каждая более новая модель решала не меньше задач, чем предыдущая, обычно дешевле в расчёте на решённую задачу | [Обновите модель](https://platform.claude.com/docs/ru/about-claude/models/optimizing-for-cost-and-intelligence#upgrade-the-model) |
| Вы выбираете или меняете модель | Сравнивайте по стоимости выполненной задачи, а не токена | [Сравните модели](https://platform.claude.com/docs/ru/about-claude/models/optimizing-for-cost-and-intelligence#compare-models-on-cost-per-task) |
| Большой объём работы с проверяемыми результатами | Сначала попробуйте Claude Haiku 5.5 | [Сравните модели](https://platform.claude.com/docs/ru/about-claude/models/optimizing-for-cost-and-intelligence#compare-models-on-cost-per-task) |
| Качество недостаточное | Если вы снижали уровень усилий, верните его; иначе попробуйте следующий уровень моделей с уровнем усилий по умолчанию | [Настройте уровень усилий](https://platform.claude.com/docs/ru/about-claude/models/optimizing-for-cost-and-intelligence#tune-effort) · [Сравните модели](https://platform.claude.com/docs/ru/about-claude/models/optimizing-for-cost-and-intelligence#compare-models-on-cost-per-task) |
| Попытки завершаются с `stop_reason: max_tokens` | Увеличьте `max_tokens` до 64 000: в тестах Anthropic лишь 2 из примерно 14 000 ходов были длиннее, а стоимость решённой задачи осталась примерно прежней | [Задайте бюджеты](https://platform.claude.com/docs/ru/about-claude/models/optimizing-for-cost-and-intelligence#set-budgets-and-output-caps) |
| Вы можете проверять результаты (тесты, верификатор) | Запускайте с уровнем усилий `low` и перезапускайте неудачи с `high`: в тестах Anthropic это примерно на 40% дешевле, чем всё на `high`, при той же доле успешных решений | [Перезапускайте неудачи](https://platform.claude.com/docs/ru/about-claude/models/optimizing-for-cost-and-intelligence#re-run-failures-at-higher-effort) |
| Агентные циклы с несколькими очень дорогими запусками | Задайте бюджет сессии Claude Managed Agents и лимит расходов рабочего пространства | [Задайте бюджеты](https://platform.claude.com/docs/ru/about-claude/models/optimizing-for-cost-and-intelligence#set-budgets-and-output-caps) |
| Вы хотите, чтобы запуски агента завершались быстрее | Сообщите модели, что время важно, и показывайте ей прошедшее время: в тестах Anthropic на 7–47% меньше времени ценой нескольких пунктов оценки | [Показывайте модели прошедшее время](https://platform.claude.com/docs/ru/about-claude/models/optimizing-for-cost-and-intelligence#show-the-model-elapsed-time) |
| Более дешёвая модель застревает только на сложных решениях | Попробуйте советника. Он помогает, только когда ваша модель к нему обращается. Сначала оцените стоимость его модели в одиночку с низким уровнем усилий и измерьте частоту обращений | [Стратегия советника](https://platform.claude.com/docs/ru/about-claude/models/optimizing-for-cost-and-intelligence#advisor-strategy-escalate-hard-decisions) |
| Работа не помещается в одно контекстное окно | Разделите работу и передайте части более дешёвым моделям | [Стратегия оркестратора](https://platform.claude.com/docs/ru/about-claude/models/optimizing-for-cost-and-intelligence#orchestrator-strategy-delegate-bulk-work) |
Эти результаты получены внутри Anthropic ([Использованные бенчмарки](https://platform.claude.com/docs/ru/about-claude/models/optimizing-for-cost-and-intelligence#refs)) и носят ориентировочный характер, а не являются гарантиями, поэтому проводите измерения на своей рабочей нагрузке с помощью [метода из четырёх шагов](https://platform.claude.com/docs/ru/about-claude/models/optimizing-for-cost-and-intelligence#measure-on-your-own-workload).
## Сократите расходы без потери качества
Кэширование подсказок, гигиена токенов, пакетная обработка и аудит подсказок относительно вашей текущей модели — всё это снижает то, что вы платите, не снижая качества вывода. Действуют две оговорки: пакетная обработка обменивает задержку на свою скидку, а редактирование контекста, рычаг гигиены токенов, стоило больше, чем сэкономило, в запуске, измеренном в этом разделе.
### Кэшируйте повторяющийся контекст
#### Почему кэширование идёт первым
Включите [кэширование подсказок](https://platform.claude.com/docs/ru/build-with-claude/prompt-caching) раньше любого другого рычага. Каждый ход агентной задачи заново отправляет весь растущий разговор: системную подсказку, определения инструментов и все предыдущие ходы.
* Задача из 40 ходов отправляет свой первый ход 40 раз, поэтому стоимость задачи растёт примерно как квадрат числа ходов.
* Кэширование не прекращает повторную отправку, но каждая повторная отправка стоит примерно в десять раз меньше и обрабатывается быстрее. На Claude Opus 5.5 и Claude Sonnet 5.5 она дешевле в двадцать раз, а на Claude Fable 5.1 и Claude Mythos 5.1 — в сорок раз.
* Префикс оплачивается по [тарифу чтения из кэша](https://platform.claude.com/docs/ru/build-with-claude/prompt-caching#pricing), а не по цене ввода. Тариф записи в кэш (1,25x) каждый ход платит только за новое содержимое.
**Как выглядит хороший результат.**
* За полный день реального трафика циклы агентов читали из кэша в среднем (медиана) 84% своего ввода. Лучшие 10% из них, связанные с программированием или нет, читали 94% и более[17](https://platform.claude.com/docs/ru/about-claude/models/optimizing-for-cost-and-intelligence#refs).
* Глубоко внутри задачи хорошо построенный цикл платит полную цену менее чем за 1% своего ввода.
* Если доля ниже примерно 80%, ищите то, что ломает кэш (см. [Что ломает кэш](https://platform.claude.com/docs/ru/about-claude/models/optimizing-for-cost-and-intelligence#what-breaks-the-cache)).
Во всех измеренных Anthropic запусках чтение из кэша обычно является крупнейшей отдельной составляющей стоимости задачи, поэтому кэширование ценнее большинства решений о выборе модели. Anthropic рассчитала стоимость запусков DeepResearch Bench II[7](https://platform.claude.com/docs/ru/about-claude/models/optimizing-for-cost-and-intelligence#refs) с кэшированием и без него:
Время жизни кэша по умолчанию — 5 минут, а ходы цикла агента разделяют секунды. Поэтому скидка применяется к большинству токенов на каждом ходу. Запуски на графике кэширования читали из кэша от 84% до 90% своих входных токенов.
Ниже приведена средняя стоимость токенов на задачу без кэширования. Она рассчитана так же по записанным числам токенов других запусков, каждая модель — с уровнем усилий по умолчанию. Ни один из этих запусков не выполнялся с выключенным кэшированием:
| Бенчмарк | Модель | Без кэширования |
| ------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------- | ----------------- | ------------------------------------- |
| SWE-bench Pro[3](https://platform.claude.com/docs/ru/about-claude/models/optimizing-for-cost-and-intelligence#refs) | Claude Opus 5.5 | в 3,3 раза дороже, чем с кэшированием |
| SWE-bench Pro | Claude Sonnet 5.5 | в 3,1 раза дороже, чем с кэшированием |
| Набор задач Claude Managed Agents[25](https://platform.claude.com/docs/ru/about-claude/models/optimizing-for-cost-and-intelligence#refs) с короткими сессиями | Claude Haiku 5.5 | в 1,7 раза дороже, чем с кэшированием |
| Небольшой агент для сортировки отчётов об ошибках ([Сократите входные и контекстные токены](https://platform.claude.com/docs/ru/about-claude/models/optimizing-for-cost-and-intelligence#trim-input-and-context-tokens))[16](https://platform.claude.com/docs/ru/about-claude/models/optimizing-for-cost-and-intelligence#refs) | Claude Sonnet 5.5 | в 7,3 раза дороже, чем с кэшированием |
Экономия зависит от числа ходов в задаче, потому что более короткие циклы меньше перечитывают.
На Claude Haiku 5.5 [сжимайте длинную сессию](https://platform.claude.com/docs/ru/about-claude/models/optimizing-for-cost-and-intelligence#manage-the-context-lifecycle) на границе задачи, пока её запросы не превысили 100 000 токенов подсказки. Запрос с подсказкой длиннее 100 000 токенов платит в 5 раз больше за каждый свой токен, включая вывод. Чтение из кэша и запись в кэш учитываются в этих 100 000 токенах, поэтому запрос с большим кэшированным префиксом всё равно может превысить порог. См. [Цены на длинный контекст](https://platform.claude.com/docs/ru/about-claude/pricing#long-context-pricing).
#### Выберите длительность кэша
Если ваш цикл ждёт человека между ходами, используйте [1-часовую длительность кэша](https://platform.claude.com/docs/ru/build-with-claude/prompt-caching#1-hour-cache-duration). Она выгодна, когда примерно 1 ход из 20 следует за паузой от 5 минут до часа, а паузы длиннее часа редки. На Claude Fable 5.1, Claude Opus 5.5 и Claude Sonnet 5.5 поддержание 5-минутного кэша в тёплом состоянии может обойтись дешевле.
Запись с 1-часовой длительностью стоит дороже: 2x от цены ввода вместо 1,25x. Промах при любой длительности оплачивает весь префикс по цене записи, а не чтения.
Anthropic измерила небольшого агента для сортировки отчётов об ошибках ([Сократите входные и контекстные токены](https://platform.claude.com/docs/ru/about-claude/models/optimizing-for-cost-and-intelligence#trim-input-and-context-tokens)). Перед некоторыми ходами вставлялись паузы, имитирующие задержку человека[16](https://platform.claude.com/docs/ru/about-claude/models/optimizing-for-cost-and-intelligence#refs). Точность при всех измеренных настройках оставалась в пределах разброса между запусками. Anthropic также измерила дополнительные запросы, которые поддерживают 5-минутный кэш в тёплом состоянии (запросы keep-alive).
Чтобы принять решение, подсчитайте паузы между последовательными запросами в разговоре и найдите свою строку в следующей таблице:
| Ваши паузы между запросами | Модель | Что использовать |
| ------------------------------------------------------------------------------------------------- | ----------------------------------- | --------------------------------------------------------------- |
| Ходы идут с интервалом в секунды | Любая | 5 минут по умолчанию |
| Примерно 1 пауза из 20 или больше длится от 5 минут до часа, а паузы длиннее часа редки | Любая | 1-часовая длительность |
| Паузы длиннее часа обычны: примерно 60% или больше ваших пауз длиннее 5 минут также превышают час | Любая | 5 минут по умолчанию |
| Лишь 1 или 2 паузы из 20 длятся от 5 минут до часа, и ни одна не длится дольше примерно получаса | Claude Opus 5.5 и Claude Sonnet 5.5 | 5-минутный кэш в тёплом состоянии вместо 1-часовой длительности |
| Пауза предшествует каждому ходу | Claude Opus 5.5 и Claude Sonnet 5.5 | 1-часовая длительность |
| Паузы длятся минуты | Claude Fable 5.1 | 5-минутный кэш в тёплом состоянии вместо 1-часовой длительности |
| Паузы приближаются к часу | Claude Fable 5.1 | 1-часовая длительность |
На Claude Haiku 5.5 используйте строки «Любая». Запросы keep-alive на ней не измерялись. По прейскуранту, а не по измерениям, каждый такой запрос стоит относительно цены ввода вдвое больше, чем на Claude Opus 5.5 и Claude Sonnet 5.5. Claude Haiku 5.5 читает кэш по стандартному тарифу 0,1x, а эти две модели — по 0,05x.
**Почему так, строка за строкой.**
* **Любая модель.**
* **Ходы идут с интервалом в секунды.** Без пауз настройка по умолчанию стоила примерно на 19% меньше 1-часовой на Claude Sonnet 5.5 и примерно на 15–18% меньше на Claude Opus 5.5.
* **Примерно 1 пауза из 20 или больше.** Точка безубыточности, рассчитанная по числам токенов, — примерно 1 ход из 30 на Claude Sonnet 5.5 и Claude Opus 5.5.
* **Паузы длиннее часа обычны.** На любой модели пауза длиннее часа приводит к истечению обеих длительностей. Тогда 1-часовая настройка перезаписывает префикс по своей более высокой цене записи.
* **Claude Opus 5.5 и Claude Sonnet 5.5**, у которых чтение из кэша стоит 0,05x от цены ввода.
* **Лишь 1 или 2 паузы из 20.** При уровне усилий по умолчанию запросы keep-alive стоили на 8–13% меньше 1-часовой длительности на Claude Opus 5.5 и на 8–16% меньше на Claude Sonnet 5.5.
* **Пауза предшествует каждому ходу.** На Claude Opus 5.5 и Claude Sonnet 5.5 запросы keep-alive стоили на несколько процентов больше 1-часовой длительности при 6-минутных паузах и более чем на 50% больше при 45-минутных паузах.
* **Claude Fable 5.1**, у которых [чтение из кэша](https://platform.claude.com/docs/ru/about-claude/pricing#prompt-caching) стоит 0,025x от цены ввода.
* **Паузы длятся минуты.** На Claude Fable 5.1 запросы keep-alive[19](https://platform.claude.com/docs/ru/about-claude/models/optimizing-for-cost-and-intelligence#refs) стоили на 13–20% меньше 1-часового кэша. Так было и при паузах перед 10% ходов, и при 6-минутной паузе перед каждым ходом.
* **Паузы приближаются к часу.** На Claude Fable 5.1 1-часовой кэш выиграл только при 45-минутной паузе перед каждым ходом: примерно на $0,12 USD за сессию из 5 отчётов об ошибках.
Следующий график показывает стоимость сессии в зависимости от доли ходов после паузы на Claude Sonnet 5.5:
Следующий график добавляет 5-минутный кэш, поддерживаемый в тёплом состоянии запросами keep-alive, на Claude Fable 5.1, Claude Opus 5.5 и Claude Sonnet 5.5:
**Что нужно знать.**
* Правило «1 из 20» оставляет запас относительно точки безубыточности примерно в 1 ход из 30. При 1 ходе из 20 5-минутная и 1-часовая настройки на Claude Sonnet 5.5 стоили примерно одинаково, в пределах разброса между запусками. При 1 ходе из 10 5-минутная настройка стоила на 54% больше (ссылка 16).
* На моделях, кроме Claude Sonnet 5.5 и Claude Opus 5.5, цены дают точку безубыточности в том же диапазоне. Все текущие модели используют одинаковые множители записи в кэш. Цена чтения тоже одинакова у всех моделей, кроме Claude Fable 5.1, Claude Mythos 5.1, Claude Opus 5.5 и Claude Sonnet 5.5.
* Данные keep-alive для Claude Opus 5.5 и Claude Sonnet 5.5 получены на запросах с `max_tokens: 1`. Обновляет ли запрос с `max_tokens: 0` существующую запись кэша, на Claude Opus 5.5 не измерялось (ссылка 16).
Чтобы поддерживать кэш в тёплом состоянии:
1. Возьмите предыдущий запрос, установите `max_tokens` в 0 и уберите `stream`, если он был задан. Не меняйте ни байта префикса.
2. Отправьте заголовки запроса вместе с его телом. Без заголовка `anthropic-beta` исходного запроса бета-поля в повторно отправленном теле будут отклонены.
3. Отправьте его в течение 4 минут после начала предыдущего запроса и затем каждые 4 минуты. Отсчитывайте от начала запроса, потому что [5-минутное время жизни кэша](https://platform.claude.com/docs/ru/build-with-claude/prompt-caching#how-prompt-caching-works) отсчитывается оттуда.
Это и есть [запрос предварительного прогрева](https://platform.claude.com/docs/ru/build-with-claude/prompt-caching#pre-warming-the-cache). Он обновляет время жизни кэша, не возвращает вывода и стоит немногим больше чтения из кэша. Если кэш уже истёк, следующий запрос, keep-alive или нет, перезаписывает префикс по цене записи в кэш[16](https://platform.claude.com/docs/ru/about-claude/models/optimizing-for-cost-and-intelligence#refs).
Запрос с `max_tokens: 0` отклоняется в следующих случаях:
* Запрос задаёт `thinking.type: "enabled"` (адаптивные размышления по умолчанию на Claude Fable 5.1 допустимы), структурированные выходные данные или принудительный выбор инструмента ([его ограничения](https://platform.claude.com/docs/ru/build-with-claude/prompt-caching#limitations)). Для таких рабочих нагрузок вместо этого используйте 1-часовую длительность.
* Запрос содержит параметр верхнего уровня `compaction`. Поэтому не отправляйте повторно запрос сжатия из [сжатия по запросу](https://platform.claude.com/docs/ru/build-with-claude/compaction-on-demand) в качестве запроса keep-alive.
```bash cURL
# В течение 4 минут с начала последнего запроса (время генерации засчитывается
# в срок жизни кэша) повторно отправьте этот запрос с max_tokens, равным
# 0, убрав stream (запрос с max_tokens: 0 не поддерживает потоковую передачу). Отправьте те же
# заголовки, что и в исходном запросе, включая заголовок anthropic-beta, если он есть.
jq '.max_tokens = 0 | del(.stream)' last_request.json | \
curl https://api.anthropic.com/v1/messages \
-H "x-api-key: $ANTHROPIC_API_KEY" \
-H "anthropic-version: 2023-06-01" \
-H "content-type: application/json" \
--data-binary @-
```
#### Включите кэширование
Настройка требует немного работы. [Автоматическое кэширование](https://platform.claude.com/docs/ru/build-with-claude/prompt-caching#automatic-caching) расставляет точки останова за вас. Иначе [навык Claude API](https://platform.claude.com/docs/ru/agents-and-tools/agent-skills/claude-api-skill), поставляемый с Claude Code, может добавить кэширование в существующую интеграцию по одной подсказке: `/claude-api add prompt caching to this integration`. В коде, на котором получены эти измерения, он поставил одну точку останова на системный блок и по одной на каждый из двух последних ходов пользователя. Где их размещать, объясняет раздел [Явные точки останова кэша](https://platform.claude.com/docs/ru/build-with-claude/prompt-caching#explicit-cache-breakpoints).
#### Что ломает кэш
Держите текст, меняющийся от запроса к запросу, в самом новом ходе пользователя, после последней точки останова кэша. Любое изменение, делающее кэш недействительным, вносите в естественной точке разрыва, например в первом запросе после сжатия. Кэш — это побайтовое совпадение префикса запроса по порядку: инструменты, затем системная подсказка, затем сообщения. Поэтому изменение в любом месте делает недействительным всё, что идёт после него.
Больше всего на кону на Claude Fable 5.1 и Claude Mythos 5.1. Там разрыв перезаписывает префикс по 1,25x от цены ввода вместо чтения по 0,025x. В следующей таблице приведена стоимость одного сломанного хода на префиксе в 100 000 токенов. Она рассчитана по прейскуранту с 5-минутным кэшем, а не измерена:
| Модель | Один сломанный ход | Чтение вместо этого | По сравнению с чтением |
| ------------------------------------ | ------------------ | ------------------- | ---------------------- |
| Claude Fable 5.1 и Claude Mythos 5.1 | $1,25 USD | $0,025 USD | в 50 раз |
| Claude Opus 5.5 | $0,50 USD | $0,02 USD | в 25 раз |
| Claude Sonnet 5.5 | $0,25 USD | $0,01 USD | в 25 раз |
На остальных текущих моделях он стоит в 12,5 раза больше чтения.
**Что делать.**
* Не размещайте перед стабильным префиксом ничего, что меняется от запроса к запросу, например метку времени или позицию в очереди. Иначе каждый запрос превращается в полную запись в кэш. В измерении на более ранней модели строка статуса из 25 токенов в начале системной подсказки сделала запуск небольшого агента для сортировки отчётов об ошибках ([Сократите входные и контекстные токены](https://platform.claude.com/docs/ru/about-claude/models/optimizing-for-cost-and-intelligence#trim-input-and-context-tokens)) дороже, чем запуск с выключенным кэшированием[18](https://platform.claude.com/docs/ru/about-claude/models/optimizing-for-cost-and-intelligence#refs).
* На странице [кэширования подсказок](https://platform.claude.com/docs/ru/build-with-claude/prompt-caching#what-invalidates-the-cache) перечислены изменения, делающие кэш недействительным. Среди них изменение [`effort`](https://platform.claude.com/docs/ru/build-with-claude/effort), конфигурации размышлений, системной подсказки или определения инструмента. Изменение формата вывода делает кэш недействительным для этого разговора (см. [структурированные выходные данные](https://platform.claude.com/docs/ru/build-with-claude/structured-outputs#prompt-modification-and-token-costs)).
* На самых новых моделях меняйте инструкции с помощью [системного сообщения в середине разговора](https://platform.claude.com/docs/ru/build-with-claude/mid-conversation-system-messages), а не правкой поля верхнего уровня `system`. Это сообщение `{"role": "system"}`, добавленное в `messages`, и кэшированный префикс при этом остаётся нетронутым. Какие модели это поддерживают, смотрите на той странице. Изменение уровня усилий для отдельного сообщения тоже сохраняет кэшированный префикс, но на меньшем числе моделей. Их перечисляет раздел [Изменение уровня усилий в ходе разговора](https://platform.claude.com/docs/ru/build-with-claude/effort#changing-effort-mid-conversation).
* После изменения, делающего кэш недействительным, убедитесь, что чтение из кэша не упало. Если упало, [диагностика кэша](https://platform.claude.com/docs/ru/build-with-claude/cache-diagnostics) покажет, где разошёлся префикс.
Anthropic измерила влияние момента изменения на более ранней модели, на длинных сессиях агента сортировки[18](https://platform.claude.com/docs/ru/about-claude/models/optimizing-for-cost-and-intelligence#refs). Сравнивались два изменения: смена уровня усилий и добавление инструмента. Сессии стоили дороже, когда эти изменения вносились посреди сессии или в запросе, запустившем сжатие. Дешевле было внести те же изменения в первом запросе после сжатия. Точность во всех случаях была в пределах разброса между запусками.
Сессии без изменений стоили дороже сессий, изменённых после сжатия, но не из-за кэширования. Они всё время работали с уровнем усилий по умолчанию, и две из них сжимались повторно, тогда как остальные начинали с низким уровнем усилий (ссылка 18):
### Сократите входные и контекстные токены
Большинство запросов агентов содержат токены, которые никак не влияют на ответ. Их удаление редко снижает качество вывода, хотя при измерениях не каждый из этих рычагов сэкономил деньги. Обратите внимание на две области:
* **Сокращение входных данных.**
* [Динамическая фильтрация](https://platform.claude.com/docs/ru/agents-and-tools/tool-use/web-fetch-tool#dynamic-filtering) в инструменте «web fetch» (веб-загрузки) не пропускает шаблонный текст загруженных страниц.
* [Изменение размера изображений](https://platform.claude.com/docs/ru/build-with-claude/vision#evaluate-image-size) подбирает подходящий размер визуальных входных данных.
* [Поиск инструментов с отложенной загрузкой](https://platform.claude.com/docs/ru/agents-and-tools/tool-use/tool-search-tool) загружает определения инструментов только при необходимости (измерено далее в этом разделе).
* [Программный вызов инструментов](https://platform.claude.com/docs/ru/agents-and-tools/tool-use/programmatic-tool-calling) позволяет Claude выполнять несколько вызовов инструментов из кода, так что в контекст попадает только отфильтрованный результат. Его документация сообщает о сокращении входных токенов на 24% на бенчмарках агентного поиска при более высокой оценке.
* Раздел [Управление контекстом инструментов](https://platform.claude.com/docs/ru/agents-and-tools/tool-use/manage-tool-context) сравнивает поиск инструментов, программный вызов инструментов, кэширование подсказок и редактирование контекста.
* **Жизненный цикл контекста.** [Редактирование контекста](https://platform.claude.com/docs/ru/build-with-claude/context-editing) очищает устаревшие результаты инструментов. [Автоматическая компактизация](https://platform.claude.com/docs/ru/build-with-claude/compaction-threshold) с настраиваемым порогом не даёт длинным циклам переносить всю историю дальше.
Рычаги взаимодействуют с кэшем и друг с другом, поэтому оценивайте их по итоговому эффекту. С помощью [диагностики кэша](https://platform.claude.com/docs/ru/build-with-claude/cache-diagnostics) проверяйте, что ваш кэшированный префикс переживает каждое изменение.
В измерениях на более ранней модели[28](https://platform.claude.com/docs/ru/about-claude/models/optimizing-for-cost-and-intelligence#refs) Anthropic применила эти рычаги к агенту сортировки задач. Он обрабатывал 20 реальных отчётов об ошибках со скриншотами из публичного репозитория. Второй запуск был более длинным вариантом той же работы, в котором токенов было в 2,6 раза больше. При включённом кэшировании сокращение входных данных (изменение размера изображений и поиск инструментов) дополнительно снизило стоимость обоих запусков.
#### Откладывайте неиспользуемые определения инструментов
Каждое определение инструмента, прикреплённое к запросу, входит во ввод на каждом ходу, а несколько серверов MCP дают в сумме сотни таких определений.
В измерении на более ранней модели[27](https://platform.claude.com/docs/ru/about-claude/models/optimizing-for-cost-and-intelligence#refs) Anthropic запустила агента сортировки с двумя его собственными инструментами и каталогом реальных определений инструментов из публичных серверов MCP, всего до 502 инструментов. Сравнивались два варианта: загрузка всех инструментов или пометка лишних как `defer_loading` за [поиском инструментов](https://platform.claude.com/docs/ru/agents-and-tools/tool-use/tool-search-tool):
* При загрузке всех определений стоимость запуска росла вместе с каталогом, следуя за числом токенов схем в каждом запросе.
* С поиском инструментов стоимость запуска оставалась неизменной при любом размере каталога.
* Точность в обоих случаях была в одном диапазоне, и модель ни разу не вызвала не тот инструмент. Так что в таком масштабе каталог стоит денег, но не влияет на правильность.
* На той же более ранней модели к агенту подключили публичный сервер GitHub MCP через [коннектор MCP](https://platform.claude.com/docs/ru/agents-and-tools/mcp-connector). Откладывание его набора инструментов (`default_config: {defer_loading: true}`) снизило стоимость запуска при той же точности.
#### Не помещайте файлы данных в подсказку
Когда модели нужно выполнять вычисления над таблицей, загрузите её через [Files API](https://platform.claude.com/docs/ru/build-with-claude/files) и позвольте модели обращаться к ней с помощью [выполнения кода](https://platform.claude.com/docs/ru/agents-and-tools/tool-use/code-execution-tool), вместо того чтобы вставлять её в подсказку. Anthropic задала 25 агрегирующих вопросов[15](https://platform.claude.com/docs/ru/about-claude/models/optimizing-for-cost-and-intelligence#refs) (суммы, подсчёты с фильтрами, группировки и фильтр по дате) по публичному CSV-файлу из 1 862 строк, а ответы вычислялись с помощью pandas:
Вставленная в подсказку таблица занимает около 91 000 входных токенов в каждом запросе, и Claude Sonnet 5 правильно ответила на 7 из 25 вопросов. С загруженной таблицей и выполнением кода модель ответила на все 25, а запуск стоил примерно в двенадцать раз меньше. Claude Opus 5 показала ту же картину.
#### Управляйте жизненным циклом контекста
Рычаги контекста окупаются только в сессии, достаточно длинной, чтобы в них нуждаться:
Anthropic измерила эти рычаги на более ранней модели[28](https://platform.claude.com/docs/ru/about-claude/models/optimizing-for-cost-and-intelligence#refs):
* На запуске из 20 задач рычаги сэкономили мало или ничего, а редактирование контекста сделало запуск дороже.
* На длинном запуске и обрезка, и сжатие снизили стоимость, а редактирование контекста ничего не изменило.
* Обрезка — это несколько строк, которые вы пишете сами: на каждой границе задачи замените большие устаревшие результаты инструментов однострочной выдержкой.
* Обрезка хорошо кэшируется, потому что правки находятся в конце разговора, куда следующая задача всё равно добавляет новое содержимое.
* В масштабе всего запуска обрезка и редактирование контекста кэшируются примерно одинаково хорошо. Если вы используете редактирование контекста, [очищайте несколькими крупными пакетами](https://platform.claude.com/docs/ru/build-with-claude/context-editing#context-editing-and-prompt-caching).
На Claude Fable 5.1, Claude Opus 5.5, Claude Sonnet 5.5 и Claude Haiku 5.5 перезапись более раннего результата инструмента [делает недействительными все блоки размышлений после него](https://platform.claude.com/docs/ru/build-with-claude/preserved-thinking#prefix-check), поэтому используйте вместо неё сжатие. Обрезка измерялась на более ранней модели без [сохранённых размышлений](https://platform.claude.com/docs/ru/build-with-claude/preserved-thinking). На этих четырёх моделях [редактирование контекста](https://platform.claude.com/docs/ru/build-with-claude/context-editing) и [сжатие](https://platform.claude.com/docs/ru/build-with-claude/compaction) выполняются на сервере и не делают блоки размышлений недействительными.
Обрезка, адаптированная из кода агента сортировки:
```python
import re
PRUNED = "[pruned at issue boundary]"
def prune_task_boundary(messages, tool_name_by_id, threshold=2000):
"""Call once per task boundary. Replaces large, stale search results with a one-line extract."""
for message in messages:
if message["role"] != "user" or not isinstance(message["content"], list):
continue
for block in message["content"]:
if not (isinstance(block, dict) and block.get("type") == "tool_result"):
continue
if tool_name_by_id.get(block.get("tool_use_id")) != "search_issues":
continue
result_text = block.get("content")
if not isinstance(result_text, str) or len(result_text) <= threshold:
continue
if result_text.startswith(PRUNED):
continue # already pruned on an earlier boundary
# ограничиваем однострочные результаты, чтобы выдержка оставалась короткой
first_line = result_text.split("\n", 1)[0].strip()[:200]
refs = re.findall(r"#(\d+)", result_text)[:5]
extract = f"{PRUNED} {first_line}"
if refs:
extract += " kept refs: " + " ".join("#" + r for r in refs)
block["content"] = extract
```
### Пакетируйте работу, которая может подождать
Направляйте каждый запрос, результата которого никто не ждёт, через [Batch API](https://platform.claude.com/docs/ru/build-with-claude/batch-processing), а интерактивный путь оставьте для остального. Batch API даёт скидку 50% на каждый токен запроса, включая кэшированные. Взамен результаты приходят в любой момент в течение 24 часов.
* Для автономной работы агентов пакетная обработка — второй по величине бесплатный рычаг после кэширования. Это запуски оценки, дозаполнение данных и задания по расписанию, например регулярный запуск агента сортировки задач из [измерения сокращения токенов](https://platform.claude.com/docs/ru/about-claude/models/optimizing-for-cost-and-intelligence#trim-input-and-context-tokens).
* Пакетная обработка сочетается со всем на этой странице, кроме интерактивности. Она недоступна для сессий Claude Managed Agents, которые интерактивны по своей природе (см. [цены Claude Managed Agents](https://platform.claude.com/docs/ru/about-claude/pricing#claude-managed-agents-pricing)).
### Проведите аудит подсказок относительно текущей модели
Проводите аудит подсказок под модель, которую используете сейчас, и повторяйте его при каждой смене модели: это бесплатный выигрыш.
* Каждое поколение моделей реагирует на подсказки по-разному, поэтому в подсказке накапливается текст, написанный для модели, которую вы больше не используете.
* Обычно это излишне конкретные инструкции, добавленные, чтобы компенсировать недостатки старой модели. Например, «проверь дважды», «будь максимально тщательным», обязательная пошаговая процедура или самодельный черновик для рассуждений.
* Более новая модель выполняет такие инструкции буквально. Это даёт лишние раунды инструментов и лишний текст, так что счёт растёт без выигрыша в точности.
Аудит — это одна команда. [Навык Claude API](https://platform.claude.com/docs/ru/agents-and-tools/agent-skills/claude-api-skill), поставляемый с Claude Code, содержит команду `prompt-audit`, которая читает подсказки и код запросов проекта и сообщает, что было написано для другой модели. В этом сокращённом фрагменте показан её запуск на подсказке службы поддержки и коде запросов, содержащих такие шаблоны:
```text wrap
$ claude
> /claude-api prompt-audit
10 findings. The three that matter most:
1. budget_tokens returns a 400 on Opus 5 (support_agent.py:10). This code
does not run against its own target model. Everything else here is
quality; this one is an outage.
2. The prompt contains two live contradictions. Line 15 says confirm before
every refund, line 17 says process every eligible refund immediately.
Line 19 asks for a complete recap *and* a three-sentence maximum.
3. The reasoning scaffold and the 6-step script fight the model rather than
steer it. + "reason step by step" is now a request
parameter, not prose; the mandatory 6-step procedure plus "investigate
fully even when the ticket looks simple" forces four tool calls on a
"where's my package" ticket.
...
-After any refund or escalation, verify twice before submitting: re-fetch
-the order, re-check every figure in your reply against the fresh lookup,
-and review the reply a second time for errors.
+Before submitting a refund or an escalation, re-fetch the order and confirm
+every figure in your reply matches the fresh lookup.
```
Затем команда предлагает свои правки в виде diff (показан один фрагмент) и перечисляет то, что она намеренно оставила без изменений: срок возврата, требование к тону и планку качества. Вы проверяете патч, а не переписанный текст.
Anthropic измерила эффект на оценке службы поддержки[14](https://platform.claude.com/docs/ru/about-claude/models/optimizing-for-cost-and-intelligence#refs) при двух переходах между более ранними моделями:
* При переходе с Claude Opus 4.8 на Claude Opus 5 подсказки, написанные для старой модели, стоили на новой модели дороже в расчёте на обращение, без изменения точности.
* Аудит тех же подсказок сделал Claude Opus 5 и дешевле версии без аудита, и точнее, причём выигрыш превысил уровень шума.
* При переходе с Claude Sonnet 4.6 на Claude Sonnet 5 аудит снизил стоимость обращения при той же точности.
Два вида устаревшего текста обходятся по-разному:
* Инструкции, которые новая модель выполняет слишком буквально, стоят денег. Удаление «проверь дважды» снизило стоимость обращения для Claude Opus 5, а удаление «будь максимально тщательным» снизило её почти так же.
* Текст, который больше не подходит модели, стоит точности. Таковы устаревшая настройка размышлений, противоречивые правила и самодельный черновик, конфликтующий с собственными размышлениями модели. Удаление каждого из них восстановило точность на Claude Opus 5.
Те же шаблоны часто встречаются в описаниях инструментов и навыках, которые тоже стоит проверить.
## Обменивайте стоимость на интеллект
Эти рычаги определяют, где отдельная модель находится между стоимостью и интеллектом: выбор модели, уровень усилий, перезапуск неудач с более высокой настройкой, бюджеты и ограничения, в рамках которых она работает, и то, видит ли она, сколько прошло времени. Начните с перебора уровней усилий на текущей модели ([Настройте уровень усилий](https://platform.claude.com/docs/ru/about-claude/models/optimizing-for-cost-and-intelligence#tune-effort)). В порядке возрастания стоимости и возможностей текущие модели — это Claude Haiku 5.5, Claude Sonnet 5.5, Claude Opus 5.5 и Claude Fable 5.1 (передовая модель); полный список моделей и цены приведены в [обзоре моделей](https://platform.claude.com/docs/ru/models/overview).
### Сравнивайте модели по стоимости задачи
Сравнивайте модели по «cost per completed task» (стоимость выполненной задачи), а не по стоимости токена, потому что вы платите за выполненные задачи. Для большинства агентных нагрузок начните с Claude Opus 5.5 с уровнем усилий по умолчанию (`medium`).
Более способная модель может выполнить задачу с меньшим объёмом работы, что может компенсировать значительную часть надбавки за токен. Anthropic измерила это на подмножестве SWE-bench Pro[3](https://platform.claude.com/docs/ru/about-claude/models/optimizing-for-cost-and-intelligence#refs), результаты на котором несопоставимы с публичным рейтингом, с ценами, по которым выставляется счёт клиенту:
В следующей таблице приведены результаты:
| Бенчмарк | Модель | Уровень усилий | Результат | Стоимость |
| ----------------------------------------------------------------------------------------------------------------------------------------------------- | ----------------- | ----------------------- | ------------------------------------------------------------------------------- | --------------------------------------------------------------------------------------------------------------------- |
| Подмножество SWE-bench Pro[3](https://platform.claude.com/docs/ru/about-claude/models/optimizing-for-cost-and-intelligence#refs) | Claude Sonnet 5.5 | `high` (по умолчанию) | Решено 87,6% задач | $0,11 USD за решённую задачу |
| Подмножество SWE-bench Pro | Claude Opus 5.5 | `low` | Решено 87,4% задач | $0,12 USD за решённую задачу |
| Подмножество SWE-bench Pro | Claude Opus 5.5 | `medium` (по умолчанию) | Решено 92,8% задач | $0,22 USD за решённую задачу |
| Подмножество SWE-bench Pro | Claude Fable 5.1 | `high` (по умолчанию) | Решено 92,3% задач (один запуск) | $1,19 USD за решённую задачу |
| Внутренний бенчмарк агентного программирования[11](https://platform.claude.com/docs/ru/about-claude/models/optimizing-for-cost-and-intelligence#refs) | Claude Opus 5.5 | `medium` (по умолчанию) | 86,6% | $0,84 USD за попытку |
| Внутренний бенчмарк агентного программирования | Claude Fable 5.1 | `medium` | 84,2% (один запуск) | $2,68 USD за попытку |
| GPQA Diamond[9](https://platform.claude.com/docs/ru/about-claude/models/optimizing-for-cost-and-intelligence#refs) | Claude Haiku 5.5 | `medium` (по умолчанию) | Точность 85% против 91% у каждой из моделей Claude Opus 5.5 и Claude Sonnet 5.5 | Около одной двадцатой стоимости Claude Opus 5.5 за правильный ответ и около одной десятой стоимости Claude Sonnet 5.5 |
| Набор задач Claude Managed Agents[25](https://platform.claude.com/docs/ru/about-claude/models/optimizing-for-cost-and-intelligence#refs), 79 задач | Claude Haiku 5.5 | `medium` | Успешны 93% попыток (один запуск) | Около $0,011 USD за успешную попытку |
**Что делать.**
* Начните с Claude Opus 5.5 с уровнем усилий по умолчанию: на подмножестве SWE-bench Pro она сравнялась с Claude Fable 5.1 с уровнем по умолчанию в пределах разброса между запусками примерно за пятую часть стоимости решённой задачи. И Opus 5.5, и Fable 5.1 в значительной степени насыщают подмножество SWE-bench Pro. Используйте Claude Fable 5.1 для требовательных рассуждений и длительной агентной работы или когда ваши оценки на Claude Opus 5.5 с более высоким уровнем усилий всё ещё не дотягивают.
* На другом конце спектра Claude Haiku 5.5 подходит для высоконагруженной и чувствительной к задержкам работы с проверяемыми результатами.
* Оценивайте каждого кандидата по стоимости выполненной задачи на вашем собственном трафике, включая Claude Opus 5.5 с уровнем усилий по умолчанию и передовую модель с пониженным уровнем усилий. Каждая из цен токенов Claude Opus 5.5, включая чтение из кэша, вдвое выше, чем у Claude Sonnet 5.5, но на подмножестве SWE-bench Pro Opus 5.5 при `low` решила примерно ту же долю задач, что и Sonnet 5.5 с уровнем по умолчанию, в пределах разброса между запусками, примерно на 7% дороже за решённую задачу.
* Рейтинг меняется в зависимости от нагрузки, и никакой прайс-лист не скажет, в какую сторону, поэтому измеряйте на своей собственной нагрузке. В длительных исследовательских циклах Claude Fable 5.1 может выполнять больше работы, а не меньше, и поэтому стоить дороже за задачу (DeepResearch Bench II[7](https://platform.claude.com/docs/ru/about-claude/models/optimizing-for-cost-and-intelligence#refs)).
* Оценивайте «хвост» своей нагрузки, а не медиану: сравнивайте модели на самой сложной десятой части ваших задач, а не на типичной.
Счёт определяется задачами, которые проваливает более дешёвая модель, потому что за проваленную задачу всё равно выставляется счёт за её токены, затем за повторную попытку, а затем за все последствия сбоя. Хвост — это также то, куда уходят деньги, даже когда ничего не проваливается. В запуске WideSearch[1](https://platform.claude.com/docs/ru/about-claude/models/optimizing-for-cost-and-intelligence#refs) на 20 задачах на две задачи пришлось 43% расходов:
[Многомодельные стратегии](https://platform.claude.com/docs/ru/about-claude/models/optimizing-for-cost-and-intelligence#combine-models) существуют для того, чтобы тратить передовой интеллект на этот хвост, не платя передовые тарифы за всё остальное.
### Обновите модель
Если вы отстаёте на одну-две модели, самый дешёвый рычаг — строка модели. В измерениях Anthropic каждая более новая модель решала не меньше задач, чем предыдущая, обычно дешевле в расчёте на решённую задачу. На диаграмме показаны недавние модели Claude на подмножестве SWE-bench Pro[3](https://platform.claude.com/docs/ru/about-claude/models/optimizing-for-cost-and-intelligence#refs), где каждая модель прошла через одну и ту же тестовую конфигурацию, и на Terminal-Bench 3[20](https://platform.claude.com/docs/ru/about-claude/models/optimizing-for-cost-and-intelligence#refs); в таблице перечислено, что изменило каждое обновление:
| Бенчмарк | Обновление | Уровень усилий | Результат | Стоимость |
| ---------------------------------------------------------------------------------------------------------------------------------------- | -------------------------------------- | -------------------------------------------------- | ----------------------------------------------------------------------- | ------------------------------------------------------------------------------------------------------------- |
| Подмножество SWE-bench Pro[3](https://platform.claude.com/docs/ru/about-claude/models/optimizing-for-cost-and-intelligence#refs) | С Claude Sonnet 4.6 на Claude Sonnet 5 | По умолчанию | На 5 пунктов больше | На 16% дешевле за решённую задачу |
| Подмножество SWE-bench Pro | С Claude Sonnet 5 на Claude Sonnet 5.5 | По умолчанию | Примерно на 10 пунктов больше | На 87% дешевле за решённую задачу; на 85% дешевле по ценам Claude Sonnet 5 |
| Подмножество SWE-bench Pro | С Claude Opus 5 на Claude Opus 5.5 | По умолчанию: с `high` на `medium` | Примерно так же: с 91,9% до 92,8% решённых задач | На 78% дешевле за решённую задачу; примерно на 69% дешевле по ценам Claude Opus 5 |
| Подмножество SWE-bench Pro | С Claude Fable 5 на Claude Fable 5.1 | По умолчанию | Примерно тот же результат | На 43% дешевле за решённую задачу |
| DeepResearch Bench II[7](https://platform.claude.com/docs/ru/about-claude/models/optimizing-for-cost-and-intelligence#refs) | С Claude Fable 5 на Claude Fable 5.1 | `high` | На 2–3 пункта больше на 21 задаче, где ни одна попытка не была прервана | На 46% дороже за задачу на всех 50 задачах |
| DeepResearch Bench II | С Claude Fable 5 на Claude Fable 5.1 | `low` | На 2–3 пункта больше на 21 задаче, где ни одна попытка не была прервана | На 94% дороже за задачу на всех 50 задачах |
| Terminal-Bench 3[20](https://platform.claude.com/docs/ru/about-claude/models/optimizing-for-cost-and-intelligence#refs) | С Claude Opus 4.7 на Claude Opus 4.8 | `high` | С 7% до 15% решённых задач | С $183 USD до $63 USD за решённую задачу |
| Terminal-Bench 3 | С Claude Opus 4.8 на Claude Opus 5 | `high` | С 15% до 41% решённых задач | С $63 USD до $28 USD за решённую задачу, экономия 56% |
| Набор задач Claude Managed Agents[25](https://platform.claude.com/docs/ru/about-claude/models/optimizing-for-cost-and-intelligence#refs) | С Claude Haiku 4.5 на Claude Haiku 5.5 | Как предоставляется; `medium` для Claude Haiku 5.5 | С 62% до 93% успешных попыток, один запуск на модель | С $0,041 USD до примерно $0,010 USD стоимости токенов за попытку; примерно на 84% дешевле за успешную попытку |
**Когда это окупается.**
* Там, где старые модели уже решают большинство задач, экономию определяет стоимость каждой попытки: на подмножестве SWE-bench Pro Claude Opus 5.5 показывает примерно тот же результат, что и Claude Opus 5, на 78% дешевле за решённую задачу.
* Там, где старые модели в основном проваливаются, экономию определяет доля успешных решений: на Terminal-Bench 3[20](https://platform.claude.com/docs/ru/about-claude/models/optimizing-for-cost-and-intelligence#refs) обновление с Claude Opus 4.8 на Claude Opus 5 повышает долю решённых задач с 15% до 41% и обходится на 56% дешевле за решённую задачу.
* Измерьте обновление на своей собственной нагрузке, прежде чем предполагать, что оно даст экономию. Экономия не гарантирована: на DeepResearch Bench II[7](https://platform.claude.com/docs/ru/about-claude/models/optimizing-for-cost-and-intelligence#refs) Claude Fable 5.1 стоит дороже за задачу, чем Claude Fable 5, потому что новая модель выполняет там больше работы на задачу, хотя цены на ввод и вывод одинаковы, а чтение из кэша в 4 раза дешевле.
* Сравнивайте по стоимости решённой задачи, а не токена: один и тот же текст занимает примерно на 30% больше токенов в Claude 4.7 и более поздних моделях, поэтому сравнение по токенам по определению делает новые модели более дорогими на вид.
### Настройте уровень усилий
Переберите уровни усилий на своей собственной нагрузке, прежде чем добавлять вторую модель. Более низкий уровень усилий стоит дешевле и часто работает быстрее, а то, сколько точности он теряет, зависит от задачи: в длительном программировании уровень усилий покупал точность, а в исследовательских задачах в одном измерении он покупал много, а в другом — ничего. Параметр [`effort`](https://platform.claude.com/docs/ru/build-with-claude/effort) определяет, сколько размышлений, вызовов инструментов и самопроверки выполняет модель; `high` — значение по умолчанию для большинства моделей, а `medium` — для Claude Opus 5.5 и Claude Haiku 5.5.
В следующей таблице приведены измерения Anthropic на двух бенчмарках с текущими моделями; результаты и стоимости несопоставимы между двумя бенчмарками. Стоимость указана за задачу, а не за решённую задачу, как в разделе [Сравнивайте модели по стоимости задачи](https://platform.claude.com/docs/ru/about-claude/models/optimizing-for-cost-and-intelligence#compare-models-on-cost-per-task). Каждый результат объединяет два запуска на SWE-bench Pro и три на DeepResearch Bench II, если в ячейке не указано иное:
| Бенчмарк | Модель | Уровень усилий | Результат | Стоимость задачи |
| -------------------------------------------------------------------------------------------------------------------------------- | ---------------- | ----------------------- | -------------------------------- | ---------------- |
| Подмножество SWE-bench Pro[3](https://platform.claude.com/docs/ru/about-claude/models/optimizing-for-cost-and-intelligence#refs) | Claude Opus 5.5 | `low` | Решено 87,4% задач | $0,11 USD |
| Подмножество SWE-bench Pro | Claude Opus 5.5 | `medium` (по умолчанию) | Решено 92,8% задач | $0,21 USD |
| Подмножество SWE-bench Pro | Claude Opus 5.5 | `high` | Решено 95,3% задач | $0,29 USD |
| Подмножество SWE-bench Pro | Claude Opus 5.5 | `xhigh` | Решено 96,7% задач (один запуск) | $0,74 USD |
| DeepResearch Bench II[7](https://platform.claude.com/docs/ru/about-claude/models/optimizing-for-cost-and-intelligence#refs) | Claude Fable 5.1 | `low` | Оценка по рубрике 66% | $4,48 USD |
| DeepResearch Bench II | Claude Fable 5.1 | `high` (по умолчанию) | Оценка по рубрике 65% | $6,89 USD |
На следующей диаграмме показана зависимость точности от стоимости задачи для Claude Opus 5.5 на подмножестве SWE-bench Pro[3](https://platform.claude.com/docs/ru/about-claude/models/optimizing-for-cost-and-intelligence#refs):
На следующей диаграмме показана зависимость оценки по рубрике от стоимости задачи для Claude Fable 5.1 на DeepResearch Bench II[7](https://platform.claude.com/docs/ru/about-claude/models/optimizing-for-cost-and-intelligence#refs):
**Что делать.**
* Переберите два-три уровня усилий на выборке своего собственного трафика, каждый в отдельной сессии: изменение уровня усилий верхнего уровня посреди сессии [делает кэш недействительным](https://platform.claude.com/docs/ru/about-claude/models/optimizing-for-cost-and-intelligence#cache-repeated-context) и искажает сравнение. Эта кривая — базовый уровень, который должна превзойти любая многомодельная стратегия ([шаг 2 измерения на собственной нагрузке](https://platform.claude.com/docs/ru/about-claude/models/optimizing-for-cost-and-intelligence#measure-on-your-own-workload)).
* В длительном программировании уровень усилий — это реальный компромисс, который [повторный запуск неудач с более высоким уровнем усилий](https://platform.claude.com/docs/ru/about-claude/models/optimizing-for-cost-and-intelligence#re-run-failures-at-higher-effort) снова превращает в экономию. При `medium` Claude Sonnet 5.5 набрала примерно на 7 пунктов меньше, чем при уровне по умолчанию, `high`, на подмножестве SWE-bench Pro[3](https://platform.claude.com/docs/ru/about-claude/models/optimizing-for-cost-and-intelligence#refs) примерно за 59% стоимости задачи (по 2 запуска), и набрала 62,7% против 77,8% на внутреннем бенчмарке агентного программирования[11](https://platform.claude.com/docs/ru/about-claude/models/optimizing-for-cost-and-intelligence#refs) (1 попытка на задачу).
* В исследовательских задачах измеряйте ту модель, которую вы выпускаете. Claude Fable 5.1 показала почти одинаковый результат от `low` до `high` на DeepResearch Bench II; Claude Opus 5.5 набрала на 13,3 пункта меньше при `low`, чем при `medium`, на DRACO[21](https://platform.claude.com/docs/ru/about-claude/models/optimizing-for-cost-and-intelligence#refs). Эти два результата получены на разных моделях и разных бенчмарках, поэтому они показывают, что ответ различается, но не объясняют почему.
* При `low` типичная задача Claude Opus 5.5 заняла на 84% меньше времени, чем при `medium`, на DRACO[21](https://platform.claude.com/docs/ru/about-claude/models/optimizing-for-cost-and-intelligence#refs), на 30% меньше на HLE[22](https://platform.claude.com/docs/ru/about-claude/models/optimizing-for-cost-and-intelligence#refs) и на 47% меньше на внутреннем наборе задач по физике[23](https://platform.claude.com/docs/ru/about-claude/models/optimizing-for-cost-and-intelligence#refs), а результат оказался ниже на 13,3, 3,4 и 14,0 пункта (3, 3 и 4 попытки на задачу).
* На внутреннем бенчмарке поиска дефектов для работы, превышающей одно контекстное окно[8](https://platform.claude.com/docs/ru/about-claude/models/optimizing-for-cost-and-intelligence#refs), Claude Fable 5.1 тратила 15,2, 17,5 и 19,9 часа на запуск при `low`, `medium` и `high` (по 3 запуска). Чтобы сэкономить время, также сравните более низкий уровень усилий с двумя изменениями из раздела [Показывайте модели прошедшее время](https://platform.claude.com/docs/ru/about-claude/models/optimizing-for-cost-and-intelligence#show-the-model-elapsed-time): уровень `low` сэкономил больше времени, а изменения лучше сохранили результат.
### Повторно запускайте неудачные задачи с более высоким уровнем усилий
Когда результат задачи можно проверить, самая дешёвая политика на кривой уровня усилий — не фиксированная настройка: запускайте каждую задачу с низкой настройкой и повторно запускайте только неудачи с более высокой.
Anthropic рассчитала эту политику для каждой задачи на основе запусков Claude Opus 5.5 с разными уровнями усилий на подмножестве SWE-bench Pro[3](https://platform.claude.com/docs/ru/about-claude/models/optimizing-for-cost-and-intelligence#refs) из раздела [Настройте уровень усилий](https://platform.claude.com/docs/ru/about-claude/models/optimizing-for-cost-and-intelligence#tune-effort):
В следующей таблице стоимость повторных запусков учитывает проваленные дешёвые попытки:
| Политика | Решено задач | Стоимость задачи |
| ------------------------------------------------- | ------------ | ---------------- |
| `low`, неудачи повторно запускаются при `high` | Около 97% | Около $0,17 USD |
| `medium`, неудачи повторно запускаются при `high` | Около 97% | Около $0,24 USD |
| Всё при `high` | 95,3% | $0,29 USD |
* При `low` провалились 13% задач. При их повторном запуске с `high` доля успешных решений оказалась немного выше, чем при запуске всего с `high`, чуть более чем за половину стоимости.
* Используйте эту политику ради экономии, а не ради прироста. Большая часть небольшого прироста — это вторая попытка: повторный запуск неудач одного запуска `high` при `high` даёт примерно тот же результат за большие деньги.
Действуют два условия. Во-первых, вам нужен сигнал о неудаче (здесь — собственные тесты бенчмарка); проверка, пропускающая плохую работу, пропустит и эти неудачи. Во-вторых, каждая неудача первого прохода занимает время двух запусков, поэтому за экономию приходится платить задержкой на неудачах.
### Задайте бюджеты и ограничения вывода
Два механизма управления выполняют две разные задачи: бюджет сессии ограничивает, сколько может потратить одна сессия Claude Managed Agents, а `max_tokens` ограничивает длину одного ответа. Задавайте каждый там, где он применим, а [лимит расходов рабочего пространства](https://platform.claude.com/docs/ru/api/rate-limits#setting-lower-limits-for-workspaces) используйте как последнюю страховку.
* **Бюджеты сессий в Claude Managed Agents** — это жёсткая остановка расходов. [Бюджет сессии](https://platform.claude.com/docs/ru/managed-agents/budgets) — это ограничение в долларах на [прейскурантную стоимость](https://platform.claude.com/docs/ru/managed-agents/budgets#how-list-cost-is-measured) одной сессии, которую платформа учитывает по токенам, веб-поискам и времени работы сессии.
* При достижении лимита или при небольшом его превышении сессия приостанавливается с `stop_reason: budget_reached`; увеличение бюджета возобновляет её. Это ограничение применяется платформой и работает с любой моделью, у которой есть прейскурантная цена. Развёртывания применяют один и тот же бюджет к каждой запускаемой ими сессии.
* **`max_tokens`** ограничивает один ответ незаметно для модели, поэтому его снижение не заставляет модель экономить. Ходы, которым требовалось больше места, отбрасываются, но всё равно оплачиваются. Повторные попытки для обрезанных ответов редко помогают: при том же лимите большинство из них снова проваливаются, а при более высоком вы также платите за потраченную впустую попытку.
* Устанавливайте `max_tokens` равным 64 000 для агентной работы или 128 000, максимуму, когда одна обрезанная попытка обходится дорого. Используйте [потоковую передачу ответов](https://platform.claude.com/docs/ru/build-with-claude/streaming) такого размера, считайте [`stop_reason: max_tokens`](https://platform.claude.com/docs/ru/build-with-claude/handling-stop-reasons#max-tokens) неудачей и экономьте с помощью уровня усилий, который модель видит.
В следующей таблице показано, сколько задач решила каждая модель и сколько стоила решённая задача при каждом лимите на внутреннем бенчмарке задач в репозиториях[12](https://platform.claude.com/docs/ru/about-claude/models/optimizing-for-cost-and-intelligence#refs), одна попытка на задачу, каждая модель с уровнем усилий по умолчанию. Строки с 16 384 усредняют два запуска, остальные строки — по одному запуску:
| Модель | `max_tokens` | Попытки, прерванные лимитом | Решено задач | Стоимость решённой задачи |
| ---------------- | ------------ | --------------------------- | ------------ | --------------------------------- |
| Claude Opus 5.5 | 16 384 | 25% | 57,6% | $5,38 USD по прейскурантным ценам |
| Claude Opus 5.5 | 64 000 | 0% | 75,6% | $5,38 USD по прейскурантным ценам |
| Claude Opus 5.5 | 128 000 | 0% | 68,9% | $5,94 USD по прейскурантным ценам |
| Claude Fable 5.1 | 16 384 | 43% | 36,3% | $21,37 USD по фактическому счёту |
| Claude Fable 5.1 | 64 000 | 0% | 58,5% | $21,53 USD по фактическому счёту |
| Claude Fable 5.1 | 128 000 | 1% | 60,0% | $21,74 USD по фактическому счёту |
**Claude Opus 5.5 при 64 000 и 128 000:** ни одна попытка не была прервана ни при одном из этих лимитов, поэтому лимит не объясняет, почему эти две строки различаются по числу решённых задач или по стоимости решённой задачи. Каждая строка — один запуск.
Сравнивайте лимиты в пределах каждой модели. Две модели запускались с разницей в месяц, и их стоимость рассчитана на разных основаниях.
Просите более короткие ответы. Выходные токены стоят в пять раз дороже входных в Claude Haiku 5.5, Claude Sonnet 5.5, Claude Opus 5.5 и Claude Fable 5.1, а в агентном цикле каждый токен, который пишет модель, возвращается в качестве входных данных на каждом последующем ходе, поэтому за длинный ответ вы платите снова и снова.
В измерении на более ранней модели[26](https://platform.claude.com/docs/ru/about-claude/models/optimizing-for-cost-and-intelligence#refs) Anthropic запустила небольшого агента, сортирующего отчёты об ошибках ([Сократите входные и контекстные токены](https://platform.claude.com/docs/ru/about-claude/models/optimizing-for-cost-and-intelligence#trim-input-and-context-tokens)), с тремя инструкциями для итогового ответа, по три запуска каждая, с одной и той же моделью и инструментами:
* Исходная инструкция требовала две строки.
* Более короткий вариант требовал одну.
* Более длинный вариант требовал служебную записку с шестью разделами с заголовками.
На следующей диаграмме показана стоимость запуска для каждого формата:
Все три варианта показали результаты в пределах разброса между запусками относительно правильных меток, поэтому форматы различаются тем, сколько вы платите, гораздо сильнее, чем тем, насколько они правы. Просите тот ответ, который вы будете читать, а не тот, который выглядит основательным.
На внутренних задачах в репозиториях[12](https://platform.claude.com/docs/ru/about-claude/models/optimizing-for-cost-and-intelligence#refs) почти каждый ход завершается намного ниже лимита в 16 384 токена. Более высокий лимит нужен именно для редкого длинного хода:
### Показывайте модели прошедшее время
Чтобы агент завершал работу быстрее и стоил дешевле, сообщите ему, что время имеет значение, и показывайте ему прошедшее время в каждом запросе. В измерении Anthropic эти два изменения сократили время работы одного агента Claude Opus 5.5 с уровнем усилий `medium` на 47%, а его стоимость — на 60% на типичной (медианной) исследовательской задаче DRACO[21](https://platform.claude.com/docs/ru/about-claude/models/optimizing-for-cost-and-intelligence#refs), а его средний результат оказался на 4,1 пункта ниже.
На HLE[22](https://platform.claude.com/docs/ru/about-claude/models/optimizing-for-cost-and-intelligence#refs) и внутреннем наборе задач по физике[23](https://platform.claude.com/docs/ru/about-claude/models/optimizing-for-cost-and-intelligence#refs) типичная задача заняла на 14% и 7% меньше времени, а результат по физике оказался на 3,0 пункта ниже. Снижение уровня усилий до `low` сэкономило больше времени и денег, чем эти изменения, и потеряло больше в результате (ссылка 21). Проверьте результат на своих собственных задачах, прежде чем применять эти изменения.
Рабочий код см. в рецепте Claude Cookbook [Multi-agent teams under latency pressure and budgets](https://github.com/anthropics/claude-cookbooks/blob/main/patterns/agents/latency_multi_agent.ipynb), который применяет оба изменения к команде агентов. Чтобы вместо этого сообщить о важности времени в системной подсказке, см. [Сигналы времени для многоагентных обвязок](https://platform.claude.com/docs/ru/build-with-claude/prompt-engineering/prompting-claude-opus-5-5#time-signals-for-multi-agent-harnesses).
На следующей диаграмме также показаны команда, ведущий агент которой редко запускал помощников, и один агент с уровнем усилий `low`:
## Комбинирование моделей
Настройте одну модель, прежде чем добавлять вторую: сначала переберите уровни усилий на текущей модели, потому что большинство нагрузок на этом и заканчиваются, а если перебор выявит разрыв, оцените более сильную модель в одиночку с низким уровнем усилий. Стройте пару, только если она превосходит всю кривую зависимости результата от расходов для одной модели. Многомодельные результаты на этой странице оценивались в сравнении с той же моделью при более низком уровне усилий и со следующей по уровню моделью, работающей в одиночку, — именно такое сравнение стоит провести на своей собственной нагрузке.
В следующей таблице сравниваются две стратегии:
| Стратегия | Поток управления | Роль передовой модели | Подходит для | Стоимость передовой модели масштабируется с |
| --------------- | ------------------------------------------------------------- | -------------------------------------- | ------------------------------------------------------------------------------------------------------------------------------------------ | ------------------------------------------- |
| **Советник** | Меньшая модель ведёт цикл, эскалирует по требованию | Консультирует по планам и исправлениям | Последовательная работа, сложная местами, например множество ходов агента программирования между несколькими реальными решениями | Тем, как часто исполнитель застревает |
| **Оркестратор** | Передовая модель ведёт цикл, делегирует основной объём работы | Планирует, распределяет и синтезирует | Работа, которая разветвляется по действительно независимым файлам, документам или случаям, особенно объёмом более одного контекстного окна | Тем, насколько сложно координировать части |
### Стратегия советника: передавайте сложные решения наверх
Советник может помочь, только когда «executor» (исполнитель) к нему обращается.
В измерениях Anthropic на текущих моделях единственная пара, исполнитель которой часто обращался за консультацией, на бенчмарке программирования набрала на 1,7 пункта больше, чем исполнитель в одиночку при том же уровне усилий, на границе разброса между запусками, примерно в 2,1 раза дороже. Там, где исполнитель обращался редко или не обращался вовсе, пара показала результат в пределах разброса между запусками относительно исполнителя в одиночку или ниже.
Чтобы включить эту стратегию, добавьте в запрос [инструмент советника](https://platform.claude.com/docs/ru/agents-and-tools/tool-use/advisor-tool) — бета-функцию. В Claude Managed Agents [назначьте сессии советника](https://platform.claude.com/docs/ru/managed-agents/multiagent-orchestration#give-the-session-an-advisor). Для Claude Code см. [передачу сложных решений с помощью инструмента советника](https://code.claude.com/docs/en/advisor).
В следующей таблице каждая пара сравнивается с её исполнителем в одиночку при том же уровне усилий:
| Бенчмарк | Результат | Стоимость | Обращения к советнику |
| ----------------------------------------------------------------------------------------------------------------------------------------------------- | -------------------------------------------------------------------------------------- | --------------------------------------------------------------------------------- | --------------------------------------------------------------------------------------------------------- |
| Внутренний бенчмарк агентного программирования[11](https://platform.claude.com/docs/ru/about-claude/models/optimizing-for-cost-and-intelligence#refs) | 90,1%, на 1,7 пункта выше исполнителя в одиночку, на границе разброса между запусками | $2,92 USD за попытку, примерно в 2,1 раза больше, чем исполнитель в одиночку | Около 1,4 раза за попытку; 4% попыток не получили совета |
| GPQA Diamond[9](https://platform.claude.com/docs/ru/about-claude/models/optimizing-for-cost-and-intelligence#refs) | В пределах разброса между запусками относительно исполнителя в одиночку | На 12% дороже за вопрос для Claude Haiku 5.5, на 25% дороже для Claude Sonnet 5.5 | Ни на одном из 198 вопросов, по два запуска каждый; ни одна системная подсказка не требовала консультаций |
| Chartography[13](https://platform.claude.com/docs/ru/about-claude/models/optimizing-for-cost-and-intelligence#refs) | 61,7, на 7 пунктов ниже исполнителя в одиночку и за пределами разброса между запусками | Примерно столько же, сколько исполнитель в одиночку | На 1 из 300 задач |
* **Внутренний бенчмарк агентного программирования.** Claude Opus 5.5 при `high` с советником Claude Fable 5.1.
* **GPQA Diamond.** Claude Haiku 5.5 или Claude Sonnet 5.5 с уровнем по умолчанию для каждой модели (`medium` и `high`) с советником Claude Opus 5.5.
* **Chartography.** Claude Opus 5.5 при `low` с советником Claude Fable 5.1.
Советник может передать только те возможности, которых не хватает исполнителю: на GPQA Diamond Claude Sonnet 5.5 в одиночку сравнялась с Claude Opus 5.5 в одиночку на уровне 91% при учёте отказов как неправильных ответов, но только потому, что Opus 5.5 отказывалась отвечать на шесть вопросов по биологии за запуск против одного у Sonnet 5.5. На вопросах, на которые ответила каждая из моделей, Opus 5.5 лидировала примерно на 2 пункта.
На бенчмарке программирования прирост пары находится на границе разброса между запусками и ложится примерно на собственную кривую уровня усилий Claude Opus 5.5, поэтому советник дал примерно то же, что и повышение уровня усилий. На следующей диаграмме пара показана относительно этой кривой и кривой Claude Fable 5.1 за август:
**Что делать.**
* Измерьте частоту обращений на своих собственных задачах. Определение инструмента советника, около 1 000 токенов подсказки на запрос, добавляет стоимость, даже когда исполнитель ни разу не обращается. При [кэшировании подсказок](https://platform.claude.com/docs/ru/about-claude/models/optimizing-for-cost-and-intelligence#cache-repeated-context) многоходовый агентный цикл после первого запроса платит за определение по цене чтения из кэша, поэтому эти накладные расходы важнее всего для коротких задач из одного запроса.
* Если исполнитель редко обращается за консультацией, см. [Подсказки для задач программирования и агентных задач](https://platform.claude.com/docs/ru/agents-and-tools/tool-use/advisor-tool#prompting-for-coding-and-agent-tasks), где приведены системные подсказки, требующие консультаций, и проведите измерение снова после добавления одной из них. На 20 задачах SWE-bench Pro[3](https://platform.claude.com/docs/ru/about-claude/models/optimizing-for-cost-and-intelligence#refs) предложенная подсказка не дала явной разницы для Claude Sonnet 5.5.
* Восстановите уровень усилий исполнителя, если частота обращений резко падает. В измерениях на более ранних моделях одна пара, которая обращалась за консультацией на большинстве задач при уровне усилий по умолчанию, обращалась лишь на немногих при пониженном уровне усилий и затем показала результат ниже, чем исполнитель в одиночку (SWE-bench Pro[3](https://platform.claude.com/docs/ru/about-claude/models/optimizing-for-cost-and-intelligence#refs)).
* Перепроверяйте при каждом выпуске модели, потому что выпуски меняют как разрыв в возможностях, так и соотношение цен.
### Стратегия оркестратора: делегируйте объёмную работу
Делегирование сэкономило деньги только в двух ситуациях в измерениях с рабочими агентами на Claude Sonnet 5, более ранней модели:
* Рутинная работа с длинным хвостом стоимости (простая часть BrowseComp[4](https://platform.claude.com/docs/ru/about-claude/models/optimizing-for-cost-and-intelligence#refs))
* Работа, превышающая одно контекстное окно (внутренний бенчмарк поиска дефектов[8](https://platform.claude.com/docs/ru/about-claude/models/optimizing-for-cost-and-intelligence#refs))
Когда работа представляет собой одну цепочку зависимостей или помещается в один контекст без длинного хвоста стоимости, модель оркестратора в одиночку с более низким уровнем усилий оказывалась впереди во всех измеренных случаях, также на более ранних моделях (более сложный набор BrowseComp и DeepWideSearch[6](https://platform.claude.com/docs/ru/about-claude/models/optimizing-for-cost-and-intelligence#refs)); независимые внешние работы сообщают о той же закономерности[5](https://platform.claude.com/docs/ru/about-claude/models/optimizing-for-cost-and-intelligence#refs).
Чтобы построить оркестратор, используйте [мультиагентную оркестрацию](https://platform.claude.com/docs/ru/managed-agents/multiagent-orchestration) в Claude Managed Agents: настройте агента-оркестратора и рабочих агентов, которых он может вызывать, каждого со своей моделью.
В [матрице выбора модели](https://platform.claude.com/docs/ru/about-claude/models/choosing-a-model#model-selection-matrix) Claude Haiku 5.5 указана для задач субагентов; прежде чем использовать её в качестве рабочей модели, [измерьте её на своей собственной нагрузке](https://platform.claude.com/docs/ru/about-claude/models/optimizing-for-cost-and-intelligence#measure-on-your-own-workload).
На следующей диаграмме показаны конфигурации бенчмарка поиска дефектов по стоимости и результату:
**Что делать.**
* **Рутинная работа с длинным хвостом стоимости:** измерьте этот случай в первую очередь — как по точности, так и по стоимости. Лежащее в его основе измерение охватывает только задачи, на которые делегирующая конфигурация правильно ответила в каждом запуске (ссылка 4).
* **Работа, превышающая одно контекстное окно:** делегируйте части рабочим агентам. Снижение уровня усилий не поможет, потому что счёт определяется самим чтением: на бенчмарке поиска дефектов[8](https://platform.claude.com/docs/ru/about-claude/models/optimizing-for-cost-and-intelligence#refs) Claude Fable 5.1 в одиночку стоила от $468 USD до $552 USD за запуск при трёх уровнях усилий и работала от 15 до 20 часов. С рабочими агентами на более ранних моделях делегирование стоило дешевле и завершалось быстрее, но с более низким результатом.
## Измерение на вашей собственной рабочей нагрузке
Измеряйте на собственной рабочей нагрузке: цифры на этой странице отражают прейскурантные цены на момент измерения и будут меняться вместе с моделями и ценами, а также зависят от вашей доли эскалаций, от того, насколько чисто разделяются задачи, и от длины транскриптов. Метод остаётся прежним:
1. Возьмите несколько задач из производственных логов, взвешенных так же, как реальный трафик, и [напишите проверки результата](https://platform.claude.com/docs/ru/test-and-evaluate/develop-tests) для каждой: тесты проходят, тикет закрыт, количество строк верное. Записывайте стоимость задачи рядом с оценкой.
2. Установите базовый уровень для классов моделей при разных уровнях усилий, а не только при уровне по умолчанию, и постройте график зависимости оценки от затрат. Многомодельная конфигурация должна превзойти всю кривую одиночной модели.
3. Если кривая показывает разрыв, который не удаётся закрыть уровнем усилий, добавьте подходящую многомодельную стратегию и повторно запустите набор тестов.
4. Перед переключением запустите победившую конфигурацию в теневом режиме на части трафика, а затем продолжайте регулярно запускать набор тестов.
**Как рассчитать стоимость задачи.** Поле `usage` каждого ответа содержит пять тарифицируемых счётчиков токенов. Рассчитайте каждый по его собственной ставке: некэшированный ввод, записи в кэш на 5 минут и на 1 час по 1,25x и 2x от цены ввода, чтения из кэша и вывод. Просуммируйте их по всем запросам задачи ([Usage and Cost API](https://platform.claude.com/docs/ru/manage-claude/usage-cost-api) сообщает агрегированное значение). Для Claude Haiku 5.5 рассчитывайте каждый запрос по ставкам для длины его подсказки, учитывая чтения и записи кэша (см. [Цены на длинный контекст](https://platform.claude.com/docs/ru/about-claude/pricing#long-context-pricing)).
Следующий пример вычисляет стоимость одного запроса по прейскурантным ценам Claude Opus 5.5. Для другой модели измените три цены:
```bash cURL
INPUT_PER_MTOK=4.00 # Claude Opus 5.5
CACHE_READ_PER_MTOK=0.20 # 0.05x the input price on Claude Opus 5.5; the multiplier differs by model
OUTPUT_PER_MTOK=20.00
response=$(curl --fail-with-body -sS https://api.anthropic.com/v1/messages \
-H "x-api-key: $ANTHROPIC_API_KEY" \
-H "anthropic-version: 2023-06-01" \
-H "content-type: application/json" \
-d '{
"model": "claude-opus-5-5",
"max_tokens": 1024,
"messages": [{"role": "user", "content": "Hello, Claude"}]
}')
cost=$(jq -r --argjson in_price "$INPUT_PER_MTOK" --argjson read_price "$CACHE_READ_PER_MTOK" --argjson out_price "$OUTPUT_PER_MTOK" '
.usage
| (.input_tokens * $in_price
+ (.cache_creation.ephemeral_1h_input_tokens // 0) * $in_price * 2.00 # 1-hour cache write
+ (.cache_creation.ephemeral_5m_input_tokens // 0) * $in_price * 1.25 # 5-minute cache write
+ (.cache_read_input_tokens // 0) * $read_price # cache read
+ .output_tokens * $out_price) / 1e6
' <<<"$response")
printf 'Request cost: $%.6f\n' "$cost"
```
```bash CLI
INPUT_PER_MTOK=4.00 # Claude Opus 5.5
CACHE_READ_PER_MTOK=0.20 # 0.05x the input price on Claude Opus 5.5; the multiplier differs by model
OUTPUT_PER_MTOK=20.00
USAGE=$(ant messages create \
--model claude-opus-5-5 \
--max-tokens 1024 \
--message '{role: user, content: "Hello, Claude"}' \
--transform usage)
COST=$(jq -r --argjson in_price "$INPUT_PER_MTOK" --argjson read_price "$CACHE_READ_PER_MTOK" --argjson out_price "$OUTPUT_PER_MTOK" '
(.input_tokens * $in_price
+ (.cache_creation.ephemeral_1h_input_tokens // 0) * $in_price * 2.00 # 1-hour cache write
+ (.cache_creation.ephemeral_5m_input_tokens // 0) * $in_price * 1.25 # 5-minute cache write
+ (.cache_read_input_tokens // 0) * $read_price # cache read
+ .output_tokens * $out_price) / 1e6
' <<<"$USAGE")
printf 'Request cost: $%.6f\n' "$COST"
```
```python Python
INPUT_PER_MTOK = 4.00 # Claude Opus 5.5
# 0,05x от цены ввода для Claude Opus 5.5; множитель зависит от модели
CACHE_READ_PER_MTOK = 0.20
OUTPUT_PER_MTOK = 20.00
client = anthropic.Anthropic()
response = client.messages.create(
model="claude-opus-5-5",
max_tokens=1024,
messages=[{"role": "user", "content": "Hello, Claude"}],
)
usage = response.usage
cache_writes = usage.cache_creation
writes_1h = cache_writes.ephemeral_1h_input_tokens if cache_writes else 0
writes_5m = cache_writes.ephemeral_5m_input_tokens if cache_writes else 0
cost = (
usage.input_tokens * INPUT_PER_MTOK
# Запись в кэш на 1 час — 2x цены ввода, на 5 минут — 1,25x; чтение — по цене чтения из кэша.
+ writes_1h * INPUT_PER_MTOK * 2.0
+ writes_5m * INPUT_PER_MTOK * 1.25
+ (usage.cache_read_input_tokens or 0) * CACHE_READ_PER_MTOK
+ usage.output_tokens * OUTPUT_PER_MTOK
) / 1_000_000
print(f"Request cost: ${cost:.6f}")
```
```typescript TypeScript
const INPUT_PER_MTOK = 4.0; // Claude Opus 5.5
const CACHE_READ_PER_MTOK = 0.2; // 0.05x the input price on Claude Opus 5.5; the multiplier differs by model
const OUTPUT_PER_MTOK = 20.0;
const client = new Anthropic();
const response = await client.messages.create({
model: "claude-opus-5-5",
max_tokens: 1024,
messages: [{ role: "user", content: "Hello, Claude" }]
});
const usage = response.usage;
const cost =
(usage.input_tokens * INPUT_PER_MTOK +
(usage.cache_creation?.ephemeral_1h_input_tokens ?? 0) * INPUT_PER_MTOK * 2 + // 1-hour cache write
(usage.cache_creation?.ephemeral_5m_input_tokens ?? 0) * INPUT_PER_MTOK * 1.25 + // 5-minute cache write
(usage.cache_read_input_tokens ?? 0) * CACHE_READ_PER_MTOK + // cache read
usage.output_tokens * OUTPUT_PER_MTOK) /
1_000_000;
console.log(`Request cost: $${cost.toFixed(6)}`);
```
```csharp C#
const double InputPerMtok = 4.00; // Claude Opus 5.5
const double CacheReadPerMtok = 0.20; // 0.05x the input price on Claude Opus 5.5; the multiplier differs by model
const double OutputPerMtok = 20.00;
AnthropicClient client = new();
var response = await client.Messages.Create(
new MessageCreateParams
{
Model = Model.ClaudeOpus5_5,
MaxTokens = 1024,
Messages = [new() { Role = Role.User, Content = "Hello, Claude" }],
}
);
var usage = response.Usage;
double cost =
(
usage.InputTokens * InputPerMtok
+ (usage.CacheCreation?.Ephemeral1hInputTokens ?? 0) * InputPerMtok * 2.00 // 1-hour cache write
+ (usage.CacheCreation?.Ephemeral5mInputTokens ?? 0) * InputPerMtok * 1.25 // 5-minute cache write
+ (usage.CacheReadInputTokens ?? 0) * CacheReadPerMtok // cache read
+ usage.OutputTokens * OutputPerMtok
) / 1_000_000;
Console.WriteLine($"Request cost: ${cost:F6}");
```
```go Go
const (
inputPerMTok = 4.00 // Claude Opus 5.5
cacheReadPerMTok = 0.20 // 0.05x the input price on Claude Opus 5.5; the multiplier differs by model
outputPerMTok = 20.00
)
// ...
client := anthropic.NewClient()
response, err := client.Messages.New(context.TODO(), anthropic.MessageNewParams{
Model: anthropic.ModelClaudeOpus5_5,
MaxTokens: 1024,
Messages: []anthropic.MessageParam{
anthropic.NewUserMessage(anthropic.NewTextBlock("Hello, Claude")),
},
})
if err != nil {
log.Fatal(err)
}
usage := response.Usage
cost := (float64(usage.InputTokens)*inputPerMTok +
float64(usage.CacheCreation.Ephemeral1hInputTokens)*inputPerMTok*2.00 + // 1-hour cache write
float64(usage.CacheCreation.Ephemeral5mInputTokens)*inputPerMTok*1.25 + // 5-minute cache write
float64(usage.CacheReadInputTokens)*cacheReadPerMTok + // cache read
float64(usage.OutputTokens)*outputPerMTok) / 1_000_000
fmt.Printf("Request cost: $%.6f\n", cost)
```
```java Java
static final double INPUT_PER_MTOK = 4.00; // Claude Opus 5.5
static final double CACHE_READ_PER_MTOK = 0.20; // 0.05x the input price on Claude Opus 5.5; the multiplier differs by model
static final double OUTPUT_PER_MTOK = 20.00;
void main() {
AnthropicClient client = AnthropicOkHttpClient.fromEnv();
Message response = client.messages().create(MessageCreateParams.builder()
.model(Model.CLAUDE_OPUS_5_5)
.maxTokens(1024)
.addUserMessage("Hello, Claude")
.build());
Usage usage = response.usage();
long writes1h = usage.cacheCreation().map(CacheCreation::ephemeral1hInputTokens).orElse(0L);
long writes5m = usage.cacheCreation().map(CacheCreation::ephemeral5mInputTokens).orElse(0L);
double cost = (usage.inputTokens() * INPUT_PER_MTOK
+ writes1h * INPUT_PER_MTOK * 2.00 // 1-hour cache write
+ writes5m * INPUT_PER_MTOK * 1.25 // 5-minute cache write
+ usage.cacheReadInputTokens().orElse(0L) * CACHE_READ_PER_MTOK // cache read
+ usage.outputTokens() * OUTPUT_PER_MTOK) / 1_000_000;
IO.println("Request cost: $%.6f".formatted(cost));
}
```
```php PHP
const INPUT_PER_MTOK = 4.00; // Claude Opus 5.5
const CACHE_READ_PER_MTOK = 0.20; // 0.05x the input price on Claude Opus 5.5; the multiplier differs by model
const OUTPUT_PER_MTOK = 20.00;
$client = new Client();
$response = $client->messages->create(
model: 'claude-opus-5-5',
maxTokens: 1024,
messages: [['role' => 'user', 'content' => 'Hello, Claude']],
);
$usage = $response->usage;
$cost = (
$usage->inputTokens * INPUT_PER_MTOK
+ ($usage->cacheCreation?->ephemeral1hInputTokens ?? 0) * INPUT_PER_MTOK * 2.00 // 1-hour cache write
+ ($usage->cacheCreation?->ephemeral5mInputTokens ?? 0) * INPUT_PER_MTOK * 1.25 // 5-minute cache write
+ ($usage->cacheReadInputTokens ?? 0) * CACHE_READ_PER_MTOK // cache read
+ $usage->outputTokens * OUTPUT_PER_MTOK
) / 1_000_000;
printf("Request cost: \$%.6f\n", $cost);
```
```ruby Ruby
INPUT_PER_MTOK = 4.00 # Claude Opus 5.5
CACHE_READ_PER_MTOK = 0.20 # 0.05x the input price on Claude Opus 5.5; the multiplier differs by model
OUTPUT_PER_MTOK = 20.00
client = Anthropic::Client.new
response = client.messages.create(
model: "claude-opus-5-5",
max_tokens: 1024,
messages: [{ role: "user", content: "Hello, Claude" }]
)
usage = response.usage
cost = (
usage.input_tokens * INPUT_PER_MTOK +
usage.cache_creation&.ephemeral_1h_input_tokens.to_i * INPUT_PER_MTOK * 2.00 + # 1-hour cache write
usage.cache_creation&.ephemeral_5m_input_tokens.to_i * INPUT_PER_MTOK * 1.25 + # 5-minute cache write
usage.cache_read_input_tokens.to_i * CACHE_READ_PER_MTOK + # cache read
usage.output_tokens * OUTPUT_PER_MTOK
) / 1_000_000
puts format("Request cost: $%.6f", cost)
```
**Что проверить.**
* **Доля чтений из кэша.** В агентных циклах большинство входных токенов должны быть чтениями из кэша. Если `cache_read_input_tokens` мало по сравнению с суммой `input_tokens` и `cache_creation_input_tokens`, проверьте, что кэширование включено и что префикс остаётся одинаковым между запросами.
* **Инструмент советника и сжатие.** Когда включены [инструмент советника](https://platform.claude.com/docs/ru/agents-and-tools/tool-use/advisor-tool#usage-and-billing) или [сжатие](https://platform.claude.com/docs/ru/build-with-claude/compaction-threshold#understanding-usage), часть токенов отражается только в `usage.iterations`, а не в итоговых значениях верхнего уровня. Вместо этого суммируйте по `usage.iterations` и рассчитывайте записи `advisor_message` по ставкам модели-советника.
В следующей таблице перечислены рычаги в том порядке, в котором их стоит пробовать. Цифры получены в собственных тестах Anthropic; каждый связанный раздел и его ссылки указывают модель и метод:
| Рычаг | Экономия в тестах Anthropic | Влияние на качество | Задержка | Где |
| -------------------------------------------------------------- | --------------------------------------------------------------------------------------------------------------------------------------- | ------------------------------------------------------------------------------------------------------------ | --------------------------------------------------------------------------------------------------------------------------------------- | ---------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------- |
| «Prompt caching» (кэширование подсказок) | Снижение стоимости в 2,7–5,5 раза на исследовательском агенте и на 83–86% на небольшом агенте сортировки | Нет | Быстрее | [Кэшируйте повторяющийся контекст](https://platform.claude.com/docs/ru/about-claude/models/optimizing-for-cost-and-intelligence#cache-repeated-context) |
| Длительность кэша 1 час | Когда 1 ход из 10 следовал после паузы, 5-минутный вариант по умолчанию стоил на 54% больше; при 1 из 20 — примерно столько же | Нет | Кэш оставался тёплым после паузы[16](https://platform.claude.com/docs/ru/about-claude/models/optimizing-for-cost-and-intelligence#refs) | [Выберите длительность кэша](https://platform.claude.com/docs/ru/about-claude/models/optimizing-for-cost-and-intelligence#pick-the-cache-duration) |
| Сокращение входных данных | Ещё 21–26% экономии в счёте небольшого агента сортировки | Нет | Без изменений | [Сократите входные и контекстные токены](https://platform.claude.com/docs/ru/about-claude/models/optimizing-for-cost-and-intelligence#trim-input-and-context-tokens) |
| Удаление устаревших результатов инструментов на границах задач | 39% на длинной агентной задаче; ничего на коротких. На моделях, названных в том разделе, используйте вместо этого сжатие | Не выявлено | Без изменений | [Управляйте жизненным циклом контекста](https://platform.claude.com/docs/ru/about-claude/models/optimizing-for-cost-and-intelligence#manage-the-context-lifecycle) |
| Поиск инструментов | 45% при 500 подключённых определениях инструментов; 20% за счёт отложенной загрузки набора инструментов MCP-сервера GitHub | Нет | Без изменений | [Сократите входные и контекстные токены](https://platform.claude.com/docs/ru/about-claude/models/optimizing-for-cost-and-intelligence#trim-input-and-context-tokens) |
| Файлы данных через выполнение кода | 92% на задаче с данными из 25 вопросов | Выигрыш: 25 из 25 верных вместо 7 | Быстрее | [Сократите входные и контекстные токены](https://platform.claude.com/docs/ru/about-claude/models/optimizing-for-cost-and-intelligence#trim-input-and-context-tokens) |
| Batch API | 50% | Нет | Результаты в течение 24 часов | [Пакетируйте работу, которая может подождать](https://platform.claude.com/docs/ru/about-claude/models/optimizing-for-cost-and-intelligence#batch-work-that-can-wait) |
| Аудит подсказок относительно текущей модели | 14% при обоих протестированных обновлениях модели | Нет; улучшение в одной из них | Быстрее (меньше раундов вызова инструментов) | [Проведите аудит подсказок относительно текущей модели](https://platform.claude.com/docs/ru/about-claude/models/optimizing-for-cost-and-intelligence#audit-prompts-against-the-current-model) |
| Обновление модели | Обычно меньше на решённую задачу: до 87% меньше на бенчмарке по программированию | Нет; выигрыш в большинстве случаев | Без изменений | [Обновите модель](https://platform.claude.com/docs/ru/about-claude/models/optimizing-for-cost-and-intelligence#upgrade-the-model) |
| Снижение уровня усилий | На длинных задачах программирования `medium` стоил примерно на 30–52% меньше, чем `high`, а `low` — примерно на две трети меньше | До 15 пунктов ниже в зависимости от задачи; без потерь на одном исследовательском агенте | Быстрее | [Настройте уровень усилий](https://platform.claude.com/docs/ru/about-claude/models/optimizing-for-cost-and-intelligence#tune-effort) |
| Повторный запуск неудачных задач | Примерно на 40% меньше, чем запуск всего на `high`, при той же или чуть лучшей доле успешных решений | Нет | Вторая попытка для задач, которые не прошли | [Повторно запускайте неудачные задачи с более высоким уровнем усилий](https://platform.claude.com/docs/ru/about-claude/models/optimizing-for-cost-and-intelligence#re-run-failures-at-higher-effort) |
| Запрос более коротких ответов | Примерно на 13% меньше за счёт сокращения выходных токенов на 39% | Нет | Быстрее | [Задайте бюджеты и ограничения вывода](https://platform.claude.com/docs/ru/about-claude/models/optimizing-for-cost-and-intelligence#set-budgets-and-output-caps) |
| Увеличение `max_tokens` | Нет: стоимость решённой задачи осталась примерно такой же | Выигрыш: до 22 пунктов больше решённых задач на одном бенчмарке по программированию; без изменений на другом | Без изменений | [Задайте бюджеты и ограничения вывода](https://platform.claude.com/docs/ru/about-claude/models/optimizing-for-cost-and-intelligence#set-budgets-and-output-caps) |
| Советник | Нет: примерно в 2,1 раза дороже одной модели на бенчмарке по программированию | В программировании — небольшой выигрыш, который может быть случайным; при чтении графиков — потеря | Примерно 1,4 дополнительных вызова на попытку в программировании | [Стратегия советника](https://platform.claude.com/docs/ru/about-claude/models/optimizing-for-cost-and-intelligence#advisor-strategy-escalate-hard-decisions) |
| Оркестратор | Примерно половина стоимости одной модели оркестратора на работе, превышающей одно контекстное окно; на рутинной работе сначала измерьте | На 10–12 пунктов ниже на такой работе | Намного быстрее на такой работе | [Стратегия оркестратора](https://platform.claude.com/docs/ru/about-claude/models/optimizing-for-cost-and-intelligence#orchestrator-strategy-delegate-bulk-work) |
### Автоматизируйте поиск с помощью навыка Claude API
Запустите команду `cost-optimize` [навыка Claude API](https://platform.claude.com/docs/ru/agents-and-tools/agent-skills/claude-api-skill), прежде чем искать способы экономии. Она профилирует, куда уходят ваши токены, и применяет рычаги по порядку, начиная с кэширования. Затем запустите `/claude-api hillclimb` в каталоге, где находится ваша оценка.
Anthropic измерила первый рычаг `cost-optimize` и два поиска на tau2-bench retail[24](https://platform.claude.com/docs/ru/about-claude/models/optimizing-for-cost-and-intelligence#refs), все на более ранних моделях. Точки останова кэша, созданные `cost-optimize`, снизили стоимость задачи, а доля успешных решений упала меньше, чем разброс между идентичными запусками.
Один поиск нашёл более дешёвую конфигурацию за счёт снижения уровня усилий и перехода на уровень модели ниже. Её доля успешных решений осталась внутри диапазона, заданного до поиска, с запасом в долю задачи, но оказалась ниже более строгого порога, который поиск использовал для собственных решений. Второй поиск, начатый с более дешёвой модели с её уровнем усилий по умолчанию, ничего не сохранил. В ссылке 24 приведены цифры и стоимость выполнения каждого поиска.
На следующем графике показан каждый шаг первого поиска:
Две настройки определяют, можно ли доверять ответу поиска:
* **Отложите выборку, которую поиск никогда не читает.** Поиск принимает решение о внедрении на ней, поэтому подтверждение выявляет изменение, которое подходит только к задачам, увиденным поиском, как это произошло с правками подсказок (ссылка 24).
* **Повторите базовый запуск перед первым изменением.** В этих измерениях идентичные запуски одной исходной конфигурации различались на несколько задач (ссылка 24). Повторы дают порогу внедрения в поиске планку шума.
## Использованные бенчмарки
Если в ссылке не указано иное, измерения представляют собой внутренние прогоны этих бенчмарков в Anthropic. Если не оговорено иное, стоимость указана в долларах США по прейскурантным ценам, действовавшим на момент прогона каждого бенчмарка; для Claude Sonnet 5 используются $2 USD и $10 USD за миллион входных и выходных токенов соответственно. Для показателей Claude Sonnet 5.5 из прогонов 24 сентября 2026 г. используются те же цены на вход и выход и текущая цена чтения из кэша — $0,10 USD за миллион токенов, а не цена на момент запуска $0,20 USD. Эти цены применены к записанному количеству токенов каждого прогона. В этих прогонах использовалась предрелизная сборка Claude Sonnet 5.5, и ни на одну попытку в них не ответила «fallback model» (резервная модель). Графики с подписью «notional USD» (условные доллары США) оценивают количество токенов каждого запроса по этим ставкам, а не отражают выставленные счета.
1. **WideSearch:** Wong et al., «WideSearch: Benchmarking Agentic Broad Info-Seeking», arXiv:2508.07999, 2025. Задачи широкого веб-исследования, оцениваемые по полноте и точности таблицы из множества строк; 200 задач, 3 прогона на конфигурацию, прогоны 1–2 августа 2026 г. С Claude Fable 5 на этом бенчмарке, а также на DeepWideSearch (ссылка 6), BrowseComp (ссылка 4) и GDPval (ссылка 2) уровень усилий `low` терял от 1 до 3 пунктов при снижении стоимости задачи на треть–половину, `medium` соответствовал точности уровня по умолчанию примерно при 70–87% его стоимости, а уровень по умолчанию не давал измеримого выигрыша по сравнению с `medium` ни на одном из четырёх. График концентрации затрат — это отдельный прогон на 20 задачах, 3 прогона на задачу, 3–4 августа 2026 г., стоимость рассчитана по записям биллинга для каждого запроса. Он охватывает 59 из 60 прогонов. Для шестидесятого, за который было выставлено $10,91 USD из общей суммы $432,31 USD, стоимость не записана вместе с результатом, и он не включён.
2. **GDPval:** OpenAI, «GDPval: Evaluating AI Model Performance on Real-World Economically Valuable Tasks», 2025. Результаты интеллектуального труда, оцениваемые по рубрикам задач; прогон 210 задач из опубликованного эталонного набора, одна попытка на задачу, 2 августа 2026 г. Оценку выставляет модель Claude, поэтому абсолютные баллы могут отличаться от опубликованных результатов.
3. **SWE-bench Pro:** Scale AI, «SWE-Bench Pro: Can AI Agents Solve Long-Horizon Software Engineering Tasks?», 2025.
* **Что измерялось:** Подмножество из 482 задач, отобранных на совместимость с тестовой средой оценки Anthropic; баллы несопоставимы с публичной таблицей лидеров. Они также несопоставимы с результатами SWE-bench Pro в системной карте Claude Opus 5.5, полученными в прогонах с уровнем усилий `max` на другом наборе задач.
* **Как рассчитана стоимость:** Стоимость на этом подмножестве рассчитана так, как тарифицируется организация клиента: предыдущая подсказка каждого запроса — как чтение из кэша, а её новые токены — как запись в кэш на 5 минут, по собственным записям использования прогонов, сверенным с журналом клиента.
* **Прогоны Claude Opus 5.5:** Показатели Claude Opus 5.5 усредняют два прогона на `low`, `medium` (его уровень по умолчанию) и `high` и используют один прогон на `xhigh`; все прогоны выполнены 19–20 сентября 2026 г. с тем же лимитом 16 384 токена на ход, что и в августовских прогонах Claude Opus 5; лимит оборвал 2 попытки на `xhigh` и ни одной на других настройках. По сравнению с `high` Claude Opus 5.5 набрал примерно на 2,5 пункта меньше на своём уровне по умолчанию, `medium`, примерно за 70% стоимости задачи, и примерно на 8 пунктов меньше на `low` примерно за треть стоимости; `xhigh` набрал примерно на 1,4 пункта больше при стоимости в 2,5 раза выше, чем у `high`. Соотношения рассчитаны по неокруглённым стоимостям.
* **478 задач:** В прогонах Opus 5.5 использовалась версия бенчмарка, контейнеры оценки которой имеют доступ только к внутренним зеркалам пакетов. В этой версии исключена одна задача, тест которой требует работающего веб-сайта, а ещё на трёх эталонное решение там не проходит, поэтому сравнения Opus 5.5 и приведённые рядом показатели Claude Fable 5.1 используют оставшиеся 478 задач.
* **Прогоны Claude Sonnet 5.5:** Claude Sonnet 5.5 прогонялся на той же версии бенчмарка: два прогона на его уровне по умолчанию, `high`, и два на `medium`, все 24 сентября 2026 г., с тем же лимитом 16 384 токена на ход, который не оборвал ни одной его попытки. Его показатели используют 478 задач, как и приведённые рядом показатели Claude Sonnet 5, подсчитанные по этим задачам из его августовских прогонов.
* **Прогоны Claude Opus 5:** Показатели Claude Opus 5 на SWE-bench Pro в разделе [Обновите модель](https://platform.claude.com/docs/ru/about-claude/models/optimizing-for-cost-and-intelligence#upgrade-the-model) и в этой ссылке усредняют два прогона на его уровне усилий по умолчанию и используют один прогон на `low`; все выполнены 4 августа 2026 г.
* **Советник, пары с Claude Sonnet 5:** Пары с исполнителем Claude Sonnet 5 и советником Claude Opus 5, лежащие в основе примеров частоты консультаций в разделе [Стратегия советника](https://platform.claude.com/docs/ru/about-claude/models/optimizing-for-cost-and-intelligence#advisor-strategy-escalate-hard-decisions), взяты из той же серии измерений на этом подмножестве: пара на уровне усилий по умолчанию прогонялась дважды (7 и 8 августа 2026 г., прогон и точное повторение), пара с низким уровнем усилий — один раз (8 августа 2026 г.), а Claude Sonnet 5 в одиночку — дважды (77,4%, базовый уровень для обеих пар).
* **Советник, проверка консультаций Claude Sonnet 5.5:** Проверка консультаций Claude Sonnet 5.5, упомянутая в разделе [Стратегия советника](https://platform.claude.com/docs/ru/about-claude/models/optimizing-for-cost-and-intelligence#advisor-strategy-escalate-hard-decisions), выполнила по одной попытке на каждой из 20 из 478 задач 24 сентября 2026 г. с советником Claude Opus 5.5 через инструмент советника. Было прогнано четыре конфигурации: `high` и `xhigh`, каждая с предложенной в документации инструмента советника системной подсказкой для задач программирования и без неё. На своём уровне по умолчанию, `high`, Claude Sonnet 5.5 не консультировался с советником ни на одной из 20 задач, с подсказкой или без. На `xhigh` он консультировался на 3 из 20 задач без подсказки и на 4 с ней, каждый раз в своих попытках с наибольшим числом ходов.
* **Показатели эскалации:** Показатели эскалации получены по каждой задаче из прогонов Opus 5.5: сначала `low`, затем `high` на его неудачах — решено 96,4–97,5% по парам прогонов примерно за $0,17 USD; сначала `medium` — 96,0–97,1% примерно за $0,24 USD; повторный прогон `high` на собственных неудачах — 96,9% за $0,31 USD; всё на `high` — 94,8–95,8% за $0,29 USD.
* **Сравнение моделей:** Показатель Claude Fable 5.1 в разделе [Сравните модели](https://platform.claude.com/docs/ru/about-claude/models/optimizing-for-cost-and-intelligence#compare-models-on-cost-per-task) получен из одного прогона на том же подмножестве на уровне усилий по умолчанию, 26 августа 2026 г.: при подсчёте по 478 задачам он решил 92,3% за $1,19 USD на решённую задачу. График этого раздела и его показатели Claude Opus 5.5 и Claude Sonnet 5.5 объединяют два прогона на каждой отображённой настройке, все подсчитаны по 478 задачам: Claude Opus 5.5 на `low`, `medium` и `high` и Claude Sonnet 5.5 на `medium` и `high`.
* **Сравнение моделей, объём работы на задачу:** В этих показателях Claude Opus 5.5 на `low` выполнял меньше работы на каждой задаче, чем Claude Sonnet 5.5 на его уровне по умолчанию: чуть больше половины выходных токенов Sonnet 5.5 и чуть больше трети его чтений из кэша. На уровнях по умолчанию Opus 5.5 на `medium` решил примерно на 5 процентных пунктов больше, чем Sonnet 5.5, примерно за вдвое большую стоимость. На этой настройке он выполнял на задачу немного больше работы, чем Sonnet 5.5.
* **Обновление модели, прогоны:** Точка Claude Fable 5 в разделе «Обновите модель» объединяет три прогона на уровне усилий по умолчанию, 26 августа 2026 г., со стоимостью, рассчитанной так, как тарифицируется организация клиента. Лестница обновлений подсчитывает каждую модель по 478 задачам, каждую с её поставляемыми настройками по умолчанию. Она использует один прогон на модель, кроме Opus 5, Opus 5.5, Sonnet 5 и Sonnet 5.5 (по два прогона) и Fable 5 (три прогона, описанные выше). Прогоны Opus 4.7, Opus 4.8, Sonnet 4.6 и Sonnet 5 выполнены 17–19 августа 2026 г., а прогоны Opus 5 — 4 августа, все в одной тестовой среде и организации; прогоны Opus 5.5 и Sonnet 5.5 — те, что описаны ранее в этой ссылке.
* **Обновление модели, стоимость решённой задачи:** Claude Opus 5 стоит на 21% больше за решённую задачу, чем Claude Opus 4.8, если сравнивать эти прогоны Claude Opus 5 с одним прогоном Claude Opus 4.8 с поставляемыми настройками по умолчанию из серии 17–19 августа, подсчитанным по тем же 478 задачам; панель SWE-bench Pro на графике не показывает ни Claude Opus 4.7, ни Claude Opus 4.8. В тех же измерениях, при расчёте стоимости так, как выставляется счёт клиенту, Claude Opus 5 решает на 12 пунктов больше задач, чем Claude Opus 4.8, при тех же 21% дороже за решённую задачу, Claude Opus 4.8 решает ту же долю задач, что и Claude Opus 4.7, на 14% дешевле за решённую задачу, а Claude Opus 5 на уровне усилий `low` превосходит уровень по умолчанию Claude Opus 4.8 на этом бенчмарке примерно за 30% его стоимости решённой задачи.
* **Обновление модели, цены:** Экономия Claude Sonnet 5 по сравнению с Claude Sonnet 4.6 в разделе «Обновите модель» обусловлена его более низкой ценой за токен, которая с лихвой компенсирует дополнительные токены, используемые им на задачу. Claude Sonnet 5.5 стоит столько же, сколько Claude Sonnet 5, за всё, кроме чтений из кэша, которые стоят вдвое дешевле. Цены на токены Claude Opus 5.5 ниже, чем у Claude Opus 5, особенно на чтения из кэша. Как и Claude Sonnet 5, передовой уровень выиграл за счёт цены: большая часть экономии Claude Fable 5.1 — это более низкая цена чтения из кэша.
* **Стоимость без кэширования, рассчитанная по записанному количеству токенов:** Anthropic также пересчитала стоимость записанного количества токенов прогонов Claude Opus 5.5 и Claude Sonnet 5.5, описанных ранее в этой ссылке, по 478 задачам для коэффициентов кэширования в разделе [Почему кэширование идёт первым](https://platform.claude.com/docs/ru/about-claude/models/optimizing-for-cost-and-intelligence#why-caching-comes-first); прогонов с отключённым кэшированием не проводилось.
* **Коэффициенты по моделям:** Каждый коэффициент — это стоимость токенов, когда каждый входной токен оплачивается по цене входа, а выходные токены не меняются, делённая на стоимость, рассчитанную так, как тарифицируется организация клиента: для Claude Opus 5.5 — 3,3 на `medium`, 2,4 на `low`, 3,8 на `high` и 5,4 на `xhigh` (один прогон); для Claude Sonnet 5.5 при чтении из кэша по $0,10 USD за миллион токенов — 3,1 на `high` и 2,4 на `medium`, или 2,8 на `high` по цене на момент запуска $0,20 USD. В отличие от прогонов графика кэширования, здесь не было платы за веб-поиск, а первый запрос задачи оплачивается как запись в кэш.
4. **BrowseComp:** Wei et al., «BrowseComp: A Simple Yet Challenging Benchmark for Browsing Agents», OpenAI, 2025. Показатели уровня усилий используют срез из 500 задач, от одного до трёх прогонов на настройку, 3 августа 2026 г., причём точка по умолчанию объединяет два прогона 26–27 июля 2026 г. Измерение рутинной работы с длинным хвостом затрат в разделе [Стратегия оркестратора](https://platform.claude.com/docs/ru/about-claude/models/optimizing-for-cost-and-intelligence#orchestrator-strategy-delegate-bulk-work) использует 10 задач, которые модель надёжно решала самостоятельно на момент фиксации протокола, из среза в 26 задач, 50 делегированных прогонов (по 5 на задачу; 1–2 августа 2026 г.) и 70 прогонов модели в одиночку (50 — 2–3 августа 2026 г.; 20 архивных — 12–13 июля и 1 августа 2026 г.), $6,45 USD против $11,99 USD за прогон в среднем (математическое ожидание); делегированные показатели имеют погрешность измерения около 20%. Эти 10 задач — те, на которых делегированная конфигурация, оркестратор Claude Fable 5 с одним рабочим агентом Claude Sonnet 5, была права во всех 5 прогонах, а Claude Fable 5 в одиночку — в обоих архивных прогонах; делегированные прогоны — это те же самые прогоны, и на этих десяти повторно прогонялся только Claude Fable 5 в одиночку. Из своих 70 прогонов, архивных и новых, Claude Fable 5 в одиночку был прав в 68. На этих задачах делегированная конфигурация стоила в среднем примерно вдвое дешевле, чем Claude Fable 5 в одиночку (приведённые ранее $6,45 USD и $11,99 USD), и примерно втрое дешевле на 90-м процентиле ($12 USD против $33 USD за прогон), а её самый дорогой прогон стоил $42 USD против $84 USD; тот прогон за $84 USD к тому же дал неверный ответ. На полном, более сложном наборе BrowseComp Claude Fable 5 в одиночку достиг точности конфигурации с оркестратором, измеренной на этом наборе, при стоимости на 22–30% ниже.
5. **Масштабирование архитектуры агентов:** Kim et al., «Towards a Science of Scaling Agent Systems», arXiv:2512.08296, 2025. Независимое внешнее исследование, цитируемое только в отношении направления вывода о том, когда делегирование не окупается, а не ради каких-либо цифр.
6. **DeepWideSearch:** «DeepWideSearch: Benchmarking Depth and Width in Agentic Information Seeking», arXiv:2510.20168, 2025. 220 вопросов охватывают 15 областей, каждый сочетает сбор множества строк с многошаговым поиском; измерено на постоянном наборе строк бенчмарка, 3 прогона на конфигурацию, 2 августа 2026 г. (точка команды с одним рабочим агентом — 26–27 июля 2026 г.). С Claude Fable 5 уровень усилий `low` сравнялся с оркестратором с рабочим агентом Claude Sonnet 5 при стоимости на 29% ниже и занимал 4,5 минуты на задачу против 7,9 минуты на уровне по умолчанию.
7. **DeepResearch Bench II:** Li et al., «DeepResearch Bench II: Diagnosing Deep Research Agents via Rubrics from Expert Report», arXiv:2601.08536, 2026.
* **Что измерялось:** Его 132 исследовательские задачи в 22 областях оцениваются по бинарным рубрикам, составленным на основе экспертных отчётов. Измерено на подмножестве из 50 задач, стратифицированном по всем темам, одна попытка на задачу, 3 прогона на настройку, на [Claude Managed Agents](https://platform.claude.com/docs/ru/managed-agents/overview) с собственными инструментами веб-поиска и загрузки страниц платформы (26–27 августа 2026 г.).
* **Как оценивалось:** Оценка по 33 задачам, от которых не отказалась ни одна конфигурация, с исключением попыток, прерванных производственными классификаторами безопасности. Судьёй выступает Claude Opus 4.6 по протоколу рубрик бенчмарка; в оригинале используется другой судья, а судья Anthropic может отдавать предпочтение «домашнему» стилю.
* **Баллы:** Баллы — это среднее каждой модели на базе из 33 задач с исключением её собственных прерванных задач; на 21 из 33 задач, где ни у одной конфигурации не было прерванных попыток, Claude Fable 5.1 опережает Claude Fable 5 на 2–3 пункта на каждом уровне усилий, и результаты обеих моделей не меняются в зависимости от уровня усилий.
* **Как рассчитана стоимость:** Стоимость рассчитана так, как тарифицируется организация клиента: предыдущая подсказка каждого запроса — как чтение из кэша, а её новые токены — как запись в кэш на 5 минут, причём первый запрос сессии сохраняет полученное им чтение из кэша, по собственным записям использования прогонов, плюс плата платформы за веб-поиск. Каждая стоимость задачи — это стоимость прогона на 50 задачах, делённая на 50, с учётом прерванных попыток, усреднённая по трём прогонам.
* **Результаты, Claude Fable 5:** Claude Fable 5 стоил $2,30 USD за задачу на `low` и $4,71 USD на `high` при том же способе расчёта; проценты в разделе [Обновите модель](https://platform.claude.com/docs/ru/about-claude/models/optimizing-for-cost-and-intelligence#upgrade-the-model) рассчитаны по неокруглённым стоимостям.
* **Результаты, Claude Opus 5:** Claude Opus 5 на уровне усилий по умолчанию прогонялся на той же платформе и подмножестве, три прогона, 28 августа 2026 г.: 68,8% на исходных 50 задачах, 70,8% на базе из 33 задач и 71,1% на наборе из 21 задачи, при $6,28 USD за задачу ($23,72 USD без кэширования); ни одна из его попыток не была прервана классификаторами безопасности — при развёртывании защитных механизмов более новом, чем то, под которым работали другие модели.
* **Сравнение моделей:** Сравнение исследовательских задач в разделе [Сравните модели](https://platform.claude.com/docs/ru/about-claude/models/optimizing-for-cost-and-intelligence#compare-models-on-cost-per-task) основано на этих показателях: Claude Fable 5.1 на `low` набрал на 10 пунктов больше, чем Claude Sonnet 5, на базе из 33 задач (66% против 56%) примерно при вчетверо большей стоимости задачи по всем 50 задачам ($4,48 USD против $1,18 USD); Claude Opus 5 на уровне по умолчанию, баллы и стоимость которого приведены ранее в этой ссылке, набрал больше, чем Claude Fable 5.1 на уровне по умолчанию, который набрал 65% на базе из 33 задач и стоил $6,89 USD за задачу по всем 50 задачам, поэтому в исследовательских задачах Claude Fable 5.1 оправдывает свою цену только на `low`.
* **График кэширования:** График кэширования пересчитывает стоимость тех же запросов, оплачивая каждый входной токен по некэшированной ставке.
* **Не измерялось:** Claude Sonnet 5.5 на этом бенчмарке не измерялся.
8. **Поиск дефектов в корпусе:** Внутренний бенчмарк Anthropic для работы, превышающей одно контекстное окно: корпус из 21,6 млн токенов из исходного кода 14 публичных пакетов Python со 130 внедрёнными дефектами и детерминированной оценкой; протокол зафиксирован до прогонов и прошёл внутреннюю проверку; три прогона на конфигурацию. Все конфигурации работали на Claude Managed Agents. Отображённая на графике командная конфигурация — та, в которой оркестратор Claude Fable 5.1 выполнял весь поиск внутри платформы на её документированном пределе в 25 параллельных рабочих агентов Claude Sonnet 5, 30 августа 2026 г.; её три прогона набрали F1 0,764, 0,825 и 0,791 после аудита лишних находок (исходно 0,751, 0,821 и 0,781) за $225 USD, $234 USD и $283 USD. Командная конфигурация стоила примерно вдвое дешевле, чем Claude Fable 5.1 в одиночку на `low`, `medium` или `high` (на 47–55% меньше), набрала на 10–12 пунктов меньше и занимала около 2,3 часа на прогон против 15–20 часов. Командная конфигурация читала около 560 млн кэшированных токенов за прогон, почти все по ставке чтения из кэша Claude Sonnet 5. Это примерно в полтора раза больше, чем примерно 365 млн, которые Claude Fable 5.1 читал в одиночку. Claude Fable 5.1 в одиночку на уровне усилий `high` по-прежнему обеспечивает пиковую точность примерно при 2,2-кратной стоимости командной конфигурации, так что делегирование здесь даёт большую часть точности, но не всю. Конфигурация с Claude Sonnet 5 в одиночку прогонялась 3–4 августа 2026 г.; конфигурации с Claude Fable 5.1 в одиночку — 24–25 августа 2026 г. при стартовых настройках обслуживания платформы, по три сида на настройку уровня усилий, на той же сборке корпуса. Образ песочницы содержал установленные копии части корпуса, и финальный шаг сборки результатов Claude Fable 5.1 сверялся с ними в 7 из 9 прогонов; повторная оценка без этих дополнений изменила результаты затронутых сидов не более чем на 3 пункта. Абсолютное значение F1 специфично для этой сборки корпуса и несопоставимо между бенчмарками; сравнения конфигураций проводятся в равных условиях.
9. **GPQA Diamond:** Rein et al., «GPQA: A Graduate-Level Google-Proof Q\&A Benchmark», 2023. Подмножество Diamond из 198 вопросов, оценка моделью по эталонным ответам, токены советника учитываются для каждого запроса. Claude Haiku 5.5 и Claude Sonnet 5.5, каждая в одиночку и с советником Claude Opus 5.5, а также Claude Opus 5.5 в одиночку прогонялись по два раза на конфигурацию 7 октября 2026 г., все с отключённой [серверной резервной обработкой](https://platform.claude.com/docs/ru/build-with-claude/refusals-and-fallback#server-side-fallback), на уровне усилий по умолчанию каждой модели, с подсчётом отказов как неверных ответов. Проверка безопасности платформы отклоняла один вопрос по биологии за прогон у Claude Haiku 5.5 и Claude Sonnet 5.5 в одиночку, один за два прогона у Haiku 5.5 с советником, ни одного у Sonnet 5.5 с советником и шесть за прогон у Opus 5.5, который набрал 91% с учётом их как неверных и 93,5% на вопросах, на которые он ответил. Claude Haiku 5.5 в одиночку набрал 85%, на 6 пунктов меньше, чем Opus 5.5. Конфигурации с советником добавляли инструмент без подсказки, требующей консультаций, и ни один исполнитель не вызвал советника ни на одном вопросе. Пары набрали на 0,5 пункта (Claude Haiku 5.5) и на 1,0 пункта (Claude Sonnet 5.5) больше, чем исполнитель в одиночку, — оба в пределах разброса между прогонами.
10. **DeepSWE:** Datacurve, «DeepSWE: Measuring Frontier Coding Agents on Original, Long-Horizon Engineering Tasks», arXiv:2607.07946, 2026. Набор содержит 113 оригинальных задач на пяти языках с программными верификаторами. Пары — по два прогона каждая, 7 августа 2026 г., с учётом токенов советника для каждого запроса; они использовали клиентский цикл советника вместо инструмента советника, с идентичным учётом. Развёртки уровня усилий для одной модели — одиночные прогоны со стоимостью, рассчитанной по количеству токенов, — приближение с учётом кэша. Стоимость задачи — итог прогона, делённый на 113. На этом бенчмарке исполнитель Claude Sonnet 5 с низким уровнем усилий и советником набрал на 23 пункта больше, чем тот же исполнитель в одиночку.
11. **Внутренний бенчмарк агентного программирования:**
* **Что измерялось:** Внутренний бенчмарк Anthropic: 370 задач в репозиториях, оцениваемых собственными тестами репозиториев. Показатели API измерены с простым агентом API и лимитом вывода 128 000 токенов, один прогон на конфигурацию: Opus 5 в одиночку на уровне по умолчанию 9–10 августа 2026 г., а на `low` и `medium` — 10 августа 2026 г.; Claude Fable 5.1 в одиночку на пяти явно заданных значениях уровня усилий 20 августа 2026 г. (на графике показаны три из них); и пара — 24–25 августа 2026 г.
* **Августовские прогоны:** В августовских прогонах было пять попыток на задачу для пары и контрольной конфигурации Claude Opus 5 и одна для остальных точек.
* **Как рассчитана стоимость:** Стоимость указана за попытку. Стоимость рассчитана так, как тарифицируется организация клиента: предыдущая подсказка каждого запроса цикла агента — как чтение из кэша, а её новые токены — как запись в кэш на 5 минут, по собственным записям использования прогонов, а каждый вызов советника, не использующий кэш, — по записанным токенам, всё по прейскурантным ценам.
* **Claude Opus 5.5 в одиночку:** Claude Opus 5.5 в одиночку прогонялся на всех 370 задачах 19–20 сентября 2026 г.: на уровне по умолчанию (`medium`) и на `high` с пятью попытками на задачу, а на `low` и `xhigh` — с одной (на каждом оценено 369 из 370 после сбоя проверки настройки). Claude Opus 5.5 в одиночку решил 74,8% попыток на `low` за $0,35 USD за попытку, 86,6% на `medium` за $0,84 USD, 88,4% на `high` за $1,38 USD и 91,1% на `xhigh` за $4,11 USD.
* **Claude Opus 5.5 с советником Claude Fable 5.1, прогоны:** Исполнитель Claude Opus 5.5 на `high` с выпущенным Claude Fable 5.1 в качестве советника (в августовских прогонах использовался предрелизный снимок) выполнил пять попыток на задачу в те же даты; одна задача не прошла проверку настройки, поэтому оценено 1 845 попыток. 279 попыток, в которых советник был недоступен из-за нагрузки, были прогнаны повторно, а попытки, консультации в которых завершились по тайм-ауту, были сохранены, как и в августе.
* **Claude Fable 5.1 в одиночку:** Для сравнения, выпущенный Claude Fable 5.1 в одиночку на `high`, его уровне по умолчанию, набрал 85,7% (317 из 370 задач), одна попытка на задачу, 7 октября 2026 г.
* **Консультации:** Августовская пара в среднем обращалась к советнику примерно дважды за попытку; пара с Claude Opus 5.5 запросила 1,39 и получила 1,35.
* **Claude Opus 5.5 с советником Claude Fable 5.1, результаты:** Пара с Claude Opus 5.5 набрала 90,1% при $2,92 USD за попытку: по сравнению с Claude Opus 5.5 на его уровне по умолчанию, `medium`, это 3,5 пункта примерно за 3,5-кратную стоимость. Издержки по задержке — это сами консультации: примерно один-два дополнительных вызова передовой модели на задачу, каждый на критическом пути задачи. С исполнителем Claude Opus 5.5 советы почти не сэкономили затрат исполнителя: $1,36 USD за попытку против $1,38 USD у Claude Opus 5.5 в одиночку на `high`, тогда как консультации стоили $1,55 USD.
* **Августовская пара:** В августе, с исполнителем Claude Opus 5 и советником Claude Fable 5.1, исполнитель тратил на $1,26 USD меньше за попытку, чем Claude Opus 5 в одиночку на уровне по умолчанию, а консультации стоили $2,47 USD, так что эта экономия окупала примерно половину советов. Та августовская пара была самой точной конфигурацией, измеренной на тот момент, при $6,21 USD за попытку.
* **Claude Sonnet 5.5 в одиночку, прогоны:** Claude Sonnet 5.5 в одиночку прогонялся на всех 370 задачах 24 сентября 2026 г. на уровне по умолчанию (`high`) и на `medium`, одна попытка на задачу, с тем же лимитом вывода 128 000 токенов, который не оборвал ни одной его попытки. На `medium` оценены все 370, а на `high` — 369 из 370 после сбоя проверки настройки. Его стоимость рассчитана так, как тарифицируется организация клиента.
* **Claude Sonnet 5.5 в одиночку, результаты:** Без советника Claude Sonnet 5.5 набрал 77,8% на уровне по умолчанию, `high`, за $0,33 USD за попытку — примерно на 9 пунктов меньше, чем Claude Opus 5.5 на его уровне по умолчанию, примерно за две пятых стоимости; на `medium` он набрал 62,7% за $0,16 USD. На `medium` Claude Sonnet 5.5 набрал примерно на 15 пунктов меньше, чем на уровне по умолчанию, `high`, примерно за 48% стоимости попытки.
* **Сравнение моделей:** В разделе [Сравните модели](https://platform.claude.com/docs/ru/about-claude/models/optimizing-for-cost-and-intelligence#compare-models-on-cost-per-task) Claude Opus 5.5 на уровне по умолчанию стоил меньше трети стоимости попытки Claude Fable 5.1 на `medium`, что представляет собой один прогон.
12. **Внутренний бенчмарк задач в репозиториях (измерение лимита):**
* **Что измерялось:** Отдельный внутренний набор Anthropic примерно из 130 задач в репозиториях, прогоны 20 августа 2026 г. (Claude Fable 5.1) и 19 сентября 2026 г. (Claude Opus 5.5, на уровне по умолчанию, `medium`), с простым циклом агента API, одна попытка на задачу.
* **Как рассчитана стоимость:** Стоимость решённой задачи для Claude Fable 5.1 рассчитана так, как выставляется счёт клиенту, с 5-минутным кэшем подсказок, а для Claude Opus 5.5 — по прейскурантным ценам на основе количества токенов, записанного в его прогонах.
* **Прогоны Claude Fable 5.1:** Прогоны Claude Fable 5.1 — это 135 задач на лимит при явно заданном уровне усилий по умолчанию: показатель для 16 384 токенов усредняет два прогона (36,3% в обоих); показатели для 64 000 и 128 000 — одиночные прогоны (58,5% и 60,0%). Пять задач вызвали отказ по соображениям безопасности во всех четырёх прогонах и считаются неудачами.
* **Прогоны Claude Opus 5.5:** Показатель Claude Opus 5.5 для 16 384 токенов усредняет два прогона (оценено 134 и 135 задач), а его показатели для 64 000 и 128 000 — одиночные прогоны (по 135 задач); две попытки в каждом прогоне с 16 384 токенами и по одной в каждом из прогонов с 64 000 и 128 000 токенами завершились отказом по соображениям безопасности и считаются неудачами. Claude Opus 5.5 решил 57,6% на 16 384 (58,2% и 57,0%), 75,6% на 64 000 и 68,9% на 128 000. Ни одна из его попыток не была оборвана на 64 000 или 128 000, поэтому лимит не объясняет разницу между этими двумя прогонами.
* **Попытки, оборванные лимитом:** Лишь 1 из 66 попыток Claude Opus 5.5, оборванных лимитом в 16 384 токена, и 9 из 117 таких попыток Claude Fable 5.1 всё же прошли.
* **Стоимость попытки:** Стоимость попытки составила $3 USD на 16 384 и $4 USD на 64 000 для Claude Opus 5.5 по прейскурантным ценам и $8 USD и $13 USD для Claude Fable 5.1 так, как выставляется счёт клиенту.
* **Показатели лимита на SWE-bench Pro:** Показатели лимита на SWE-bench Pro — это один прогон Claude Fable 5.1 на лимит на уровне усилий по умолчанию, 26 августа 2026 г., на подмножестве из 100 задач, стратифицированном из набора из 482 задач ссылки 3, несопоставимом с его баллами; на уровне по умолчанию прогоны на 16 384 и на 64 000 решили по 94 из 100 задач.
* **Длина хода:** Распределения по ходам на точечной диаграмме раздела взяты из прогонов Claude Opus 5.5 и Claude Fable 5.1 на 128 000: ни один ход Opus 5.5 не достиг лимита (самый длинный составил около 61 000 токенов, и 0,56% его ходов превысили 16 384), а один ход Fable 5.1 достиг 128 000 (0,46% его ходов превысили 16 384). При лимите 128 000 2 из 14 331 хода Claude Fable 5.1 были длиннее 64 000 токенов, а у Claude Opus 5.5 — ни одного.
13. **Chartography:** Surge AI, «Chartography», 2026.
* **Что измерялось:** Полный выпущенный набор из 100 вопросов, измерено 6 и 9 августа 2026 г. (Claude Opus 5 в одиночку) и 20 сентября 2026 г. (Claude Opus 5.5), с реализацией Anthropic на Claude Managed Agents (стандартная облачная песочница; конфигурации с советником используют советника Managed Agents).
* **Как оценивалось:** Оценивает Claude Sonnet 4.6 вместо эталонного судьи, и бенчмарк выполняется с инструментами, поэтому баллы сопоставимы между конфигурациями здесь, но не с опубликованной таблицей лидеров. Они также несопоставимы с результатами Chartography в системной карте Claude Opus 5.5, где используется другой оценщик и уровень усилий `max`. Два прогона на конфигурацию (три для Claude Opus 5.5), объединённые; разброс между прогонами достигал 10 пунктов.
* **Как рассчитана стоимость:** Стоимость — это то, что выставляется клиенту, регулярно запускающему агента: первый запрос каждого графика читает общую системную подсказку и инструменты агента из кэша, как это происходит, когда другая сессия того же агента выполнялась в предыдущие 5 минут. Отдельно запущенный график стоит примерно на $0,03 USD больше с Claude Opus 5 или Claude Opus 5.5 и примерно на $0,12 USD больше с Claude Fable 5.1. Августовские показатели пересчитаны таким образом по записям использования прогонов. Стоимость не включает время песочницы, которое добавило менее 1% к августовским прогонам.
* **Claude Fable 5.1 в одиночку, августовские прогоны:** Прогоны Claude Fable 5.1 в одиночку выполнены 24 августа 2026 г. при стартовых настройках обслуживания платформы, два прогона на настройку; шесть попыток упёрлись в 15-минутный лимит сессии и получили 0, а на два графика за прогон ответил Claude Opus 5 после отказа по соображениям безопасности.
* **Claude Opus 5 с советником Claude Fable 5.1:** Исполнитель Claude Opus 5 с низким уровнем усилий и советником Claude Fable 5.1 прогонялся дважды 30 августа 2026 г. при тех же настройках (63,0 и 67,0, среднее 65,0, при $0,47 USD за график; к советнику обращались на 88% задач в каждом прогоне, и 4 из 219 его ответов вместо него дал Claude Opus 5, каждый раз после того, как производственный фильтр безопасности остановил собственный ответ советника). Эта пара сравнялась с Claude Fable 5.1 в одиночку на `medium` в пределах разброса между прогонами (65,0 против 67,5) примерно при 1,8-кратной стоимости задачи: консультация, срабатывающая на большинстве задач, стоит дороже, чем запуск самой более сильной модели.
* **Прогоны Claude Opus 5.5:** Claude Opus 5.5 прогонялся на `low` с отключённой серверной резервной обработкой и классификатором безопасности, проверяющим каждый вызов инструмента: три прогона в одиночку (70, 68 и 68) и три с настроенным советником Claude Fable 5.1 (59, 63 и 63), в которых он обратился к советнику на 1 из 300 задач.
* **Результаты на уровне усилий `low`:** На этом бенчмарке чтения графиков Claude Opus 5.5 на `low` набрал 68,7 примерно за $0,03 USD за график против 62,5 за $0,15 USD у Claude Fable 5.1 на `low` и 49 за $0,16 USD у Claude Opus 5 на `low`.
* **Claude Fable 5.1 в одиночку, октябрьские прогоны:** Для сравнения с парой Claude Opus 5.5 Claude Fable 5.1 в одиночку на `high`, его уровне по умолчанию, прогонялся трижды 7 октября 2026 г. с той же реализацией и настройками платформы, что и прогоны Claude Opus 5.5: 82, 79 и 79, среднее 80,0.
* **Частота консультаций:** Сравнение частоты консультаций для более ранних пар получено повторным прогоном тех же конфигураций на Messages API с набором инструментов контейнера, 10–11 августа 2026 г.
14. **Оценка аудита подсказок службы поддержки:**
* **Что измерялось:** Созданный Anthropic набор из 44 обращений в поддержку с детерминированной оценкой, прогоны в начале августа 2026 г., отчёт от 8 августа 2026 г., с шестью системными подсказками, каждая из которых добавляет к одной и той же чистой подсказке один шаблон, распространённый в подсказках, написанных для Claude Opus 4.8 и Claude Sonnet 4.6.
* **График:** Каждая точка графика — один из трёх случаев (старая модель, новая модель на той же подсказке, новая модель после аудита), усреднённый по шести подсказкам и 44 обращениям.
* **Результаты, Claude Opus 5:** На Claude Opus 5 подсказки, написанные для Claude Opus 4.8, стоили на 36% больше за обращение, чем на Claude Opus 4.8, без изменения точности. После аудита они стоили на Claude Opus 5 на 14% меньше, чем до него (по неокруглённым средним; округлённые стоимости на графике, 3,43 и 2,93 цента США за обращение, дают 14,6%), и Claude Opus 5 правильно решил 97% обращений против 92%. По шаблонам на Claude Opus 5: удаление «проверь дважды» сократило стоимость обращения на треть, а удаление «будь максимально тщательным» — почти настолько же; удаление устаревшей настройки размышлений, противоречивых правил и самодельного черновика каждое восстановило от 7 до 11 пунктов точности.
* **Результаты, Claude Sonnet 5:** При миграции с Claude Sonnet 4.6 на Claude Sonnet 5 аудит снизил стоимость обращения на 14% при той же точности.
* **Оговорки:** Прирост точности Opus 5 имеет 95%-й доверительный интервал от 3 до 8 пунктов; различия в точности Sonnet находятся в пределах шума.
15. **Набор вопросов по файлу данных:** Созданный Anthropic набор из 25 агрегирующих вопросов по срезу из 1 862 строк публичного CSV с данными о продажах алкоголя, с эталонными ответами, вычисленными с помощью pandas, и оценкой по точному совпадению, прогоны на Claude Sonnet 5 и Claude Opus 5 с отключёнными размышлениями (вариант с данными в контексте не может завершиться при настройке по умолчанию), лимитом вывода 4 000 токенов и без кэширования подсказок, три прогона на конфигурацию, 19 августа 2026 г. Вариант с файлом загружает CSV через Files API и использует инструмент `code_execution_20260120`. Три прогона Claude Sonnet 5 в варианте с данными в контексте правильно ответили на 6, 7 и 7 из 25 вопросов; подпись графика и текст приводят их среднее, 6,67, с округлением до целого вопроса, а точка графика нанесена на среднем значении, 26,7%.
16. **Измерение длительности кэша:**
* **Что измерялось:** Задача сортировки 20 обращений (issues) из раздела [Сократите входные и контекстные токены](https://platform.claude.com/docs/ru/about-claude/models/optimizing-for-cost-and-intelligence#trim-input-and-context-tokens), прогоны на Claude Sonnet 5 23 августа 2026 г. и на Claude Opus 5.5 19 и 20 сентября 2026 г. на уровне по умолчанию (`medium`) и на `high`, на Messages API с той же тестовой средой (для Claude Opus 5.5 — её портом, отправляющим те же тела запросов), в ячейках Claude Opus 5.5 `max_tokens` увеличен до 4 096, с паузами, вставленными перед случайно выбранной долей ходов (без пауз, 5%, 10% и каждый ход с паузой 6 минут на всех 20 обращениях на обеих моделях, плюс каждый ход с паузой 2 минуты на Claude Sonnet 5; паузы 20 и 45 минут на подмножестве из 5 обращений на обеих моделях). Показатели Claude Opus 5.5 на этой странице охватывают оба уровня усилий.
* **Другие модели и даты:** Приведённые ниже показатели keep-alive для Claude Opus 5 получены на той же задаче 23 августа 2026 г. с `max_tokens`, увеличенным до 4 096, по тем же расписаниям, кроме пауз 2 и 45 минут. Claude Sonnet 5.5 прошёл то же измерение, что и Claude Sonnet 5 (те же расписания пауз и три настройки кэша, три прогона на ячейку), с портированной тестовой средой, использованной для Claude Opus 5.5, на уровне по умолчанию, `high`, 24 сентября 2026 г.
* **Как оценивалось и рассчитывалась стоимость:** Три прогона на ячейку, стоимость вычислена по полям `usage` каждого ответа по прейскурантным ценам (для Claude Opus 5.5 — $4 USD за вход, $5 USD за 5-минутную запись, $8 USD за 1-часовую запись, $0,20 USD за чтение из кэша и $20 USD за вывод на миллион токенов; Claude Sonnet 5 работал во внутренней организации Anthropic, использование которой тарифицируется так же, как у организации клиента), точность — по тем же эталонным меткам.
* **Как прогонялось и рассчитывалась стоимость, Claude Sonnet 5.5:** Claude Sonnet 5.5 устанавливал `max_tokens` в 4 096 для запросов сессии и в 1 для запросов keep-alive, работал во внутренней организации Anthropic, использование которой тарифицируется так же, как у организации клиента, и его стоимость рассчитана по текущим прейскурантным ценам ($2 USD за вход, $2,50 USD за 5-минутную запись, $4 USD за 1-часовую запись, $0,10 USD за чтение из кэша и $10 USD за вывод на миллион токенов). Помимо более высокого `max_tokens`, которого не достиг ни один ход, одно входное значение отличается от прогонов Claude Sonnet 5: единственный анимированный GIF задачи был отправлен как PNG его первого кадра — единственного кадра, который использует API ([Зрение](https://platform.claude.com/docs/ru/build-with-claude/vision)), и оба учитываются как одинаковое количество входных токенов.
* **Точка безубыточности:** Точка безубыточности составляет около 3,3% ходов на Claude Sonnet 5 и 3,1–3,2% на Claude Opus 5.5: это медиана доли безубыточности каждой сессии, вычисленной моделью затрат по размерам контекста этой сессии от хода к ходу, по всем 45 сессиям Claude Sonnet 5 на двадцати обращениях и 36 сессиям Claude Opus 5.5 на двадцати обращениях на каждом уровне усилий (каждое расписание пауз, прогнанное на полной задаче, при всех трёх настройках кэша, по три прогона; ячейки с 5 обращениями не включены). Точка безубыточности на Claude Sonnet 5.5 составляет около 3,1% ходов — медиана по его 45 сессиям на двадцати обращениях. График длительности кэша отображает эти сессии Claude Sonnet 5.5, по три на точку.
* **Настройки 5 минут и 1 час, Claude Sonnet 5 и Claude Opus 5.5:** В ячейке 5% настройки 5 минут и 1 час сравнялись на Claude Sonnet 5, потому что паузы в этой выборке пришлись на небольшие префиксы; на Claude Opus 5.5 они почти сравнялись. На Claude Sonnet 5 при его цене чтения из кэша $0,20 USD за миллион токенов сессия стоила $0,60 USD, $0,69 USD и $0,99 USD на 5-минутной настройке без пауз, с 5% и 10% ходов с паузой и $0,70 USD, $0,70 USD и $0,71 USD на 1-часовой настройке.
* **Запросы keep-alive, Claude Sonnet 5 и Claude Opus 5:** Anthropic измерила запросы keep-alive, обновляющие 5-минутный кэш, на Claude Sonnet 5 и Claude Opus 5 23 августа 2026 г. и на Claude Opus 5.5 в описанных выше прогонах, всегда отправляемые с `max_tokens: 1`. На Claude Sonnet 5 они стоили на 7,7% меньше, чем 1-часовая настройка при 5% ходов с паузой, и примерно столько же при 10%; на Claude Opus 5 разница не была измеримой ни при одной доле; на обеих моделях они стоили больше при паузе 6 минут или более перед каждым ходом. Поэтому на этих двух моделях следует использовать 1-часовую длительность, а не запросы keep-alive.
* **Запросы keep-alive, Claude Opus 5.5:** На Claude Opus 5.5 запросы keep-alive стоили на 8–18% меньше, чем 1-часовая настройка при 5% и 10% ходов с паузой (на 8–13% меньше на уровне по умолчанию, `medium`, и на 10–18% меньше на `high`; примерно на 10–15% после устранения шума между сессиями путём перерасчёта собственных токенов каждой сессии keep-alive по ценам 1-часового кэша), и больше при паузе перед каждым ходом: на 4–6% больше при 6 минутах, на 9–10% при 20 минутах и на 56–58% при 45 минутах.
* **Запросы с `max_tokens: 0`, Claude Opus 5.5:** Предрелизные тесты API Anthropic на Claude Opus 5.5 показывают, что запрос с `max_tokens: 0` записывает кэш и что следующий запрос его читает; обновляет ли такой запрос существующую запись, на Opus 5.5 не измерялось.
* **Настройки 5 минут и 1 час, Claude Sonnet 5.5:** При 5% ходов с паузой 5-минутная настройка стоила в среднем на 5% больше, чем 1-часовая (от 2% меньше до 12% больше по трём прогонам), что в пределах разброса между прогонами: паузы в этой выборке пришлись на небольшие префиксы, как и на Claude Sonnet 5, а перерасчёт собственных токенов каждой 5-минутной сессии по ценам 1-часового кэша даёт примерно на 1% больше. При 10% ходов с паузой она стоила на 54% больше (на 36–73% больше). Без пауз 5-минутная настройка стоила в среднем на 19% меньше, чем 1-часовая (на 3–32% меньше по трём прогонам; более высокая цена записи 1-часовой настройки предсказывает около 20%), и на 21–24% меньше в каждом прогоне с 2-минутными паузами.
* **Запросы keep-alive, Claude Sonnet 5.5:** Запросы keep-alive стоили в среднем на 16% меньше, чем 1-часовая настройка, при 5% ходов с паузой (на 13–20% меньше по трём прогонам) и на 8% меньше при 10% (на 3–10% меньше), и стоили больше при паузе 6 минут или более перед каждым ходом. При 5% и 10% ходов с паузой паузы длились от 6 до 32 минут на Claude Sonnet 5.5 и на Claude Opus 5.5. Перерасчёт собственных токенов каждой сессии keep-alive по ценам 1-часового кэша, как для Claude Opus 5.5 выше, даёт на 15–16% меньше при 5% ходов с паузой и примерно на 10% меньше при 10%, а при паузе перед каждым ходом — на 7% больше при 6 минутах, на 9–10% больше при 20 минутах и на 66–73% больше при 45 минутах. Показатели для 6 минут не включают прогон 3, в котором 2 из 39 запросов keep-alive этой сессии завершились по тайм-ауту: кэш истёк перед этими двумя ходами, сессия записала в кэш 214 000 токенов против 80 000–85 000 в прогонах 1 и 2 и стоила на 38% больше, чем 1-часовая сессия прогона 3.
* **Запросы keep-alive, Claude Sonnet 5.5, по прогонам:** Если вместо этого сравнивать сессию keep-alive каждого прогона с 1-часовой сессией того же прогона, keep-alive стоил от примерно столько же до на 10% больше при 6 минутах (прогоны 1 и 2; в среднем по ним на 4% больше), от примерно столько же до на 16% больше при 20 минутах и на 64–80% больше при 45 минутах.
* **Запросы keep-alive, Claude Sonnet 5.5, размер выборки:** Точки графика keep-alive для 6 минут усредняют прогоны 1 и 2 для всех трёх настроек. Каждая ячейка — это три сессии (две для приведённых выше показателей для 6 минут). Без пауз keep-alive не отправляет дополнительных запросов и поэтому совпадает с 5-минутной настройкой, однако в пределах одного прогона они различались на целых 23%, так что разница в несколько процентов в среднем по трём прогонам не является явным эффектом.
* **Кэширование выключено и включено, Claude Sonnet 5:** На Claude Sonnet 5 та же задача прогонялась с выключенным и включённым кэшированием, по три прогона 19 августа 2026 г., с `max_tokens`, равным 700: в среднем $3,36 USD против $0,57 USD за сессию, экономия 83%.
* **Стоимость по записанному количеству токенов, Claude Sonnet 5.5:** Anthropic также пересчитала стоимость записанного количества токенов трёх сессий Claude Sonnet 5.5 с 5-минутным кэшем и без пауз для показателя кэширования в разделе [Почему кэширование идёт первым](https://platform.claude.com/docs/ru/about-claude/models/optimizing-for-cost-and-intelligence#why-caching-comes-first); прогонов с выключенным кэшированием на Claude Sonnet 5.5 не проводилось. Каждая из этих трёх сессий — это один диалог из 40 запросов по 20 обращениям задачи. По прейскурантным ценам на 12 октября 2026 г. сессии стоили в среднем по $0,51 USD, по полям использования, против $3,70 USD, когда каждый входной токен оплачивается по цене входа, а выходные токены не меняются: экономия 86% (86–87% по трём сессиям), или коэффициент 7,3. При цене чтения из кэша на момент запуска $0,20 USD экономия составляет 82%, так что рост по сравнению с показателем Claude Sonnet 5 обусловлен более низкой ценой чтения из кэша.
* **Стоимость по записанному количеству токенов, Claude Opus 5.5:** При таком же пересчёте три сессии Claude Opus 5.5 на его уровне по умолчанию, `medium`, с 5-минутным кэшем и без пауз стоили в среднем по $1,02 USD против $6,93 USD, экономия 85%, или коэффициент 6,8; Anthropic не проводила прогонов с выключенным кэшированием на Claude Opus 5.5, и модель использовала размышления в 79% запросов.
* **Как были заданы размышления, только два набора прогонов:** Запросы трёх сессий Claude Sonnet 5.5 с 5-минутным кэшем и без пауз не задавали параметр размышлений, поэтому размышления оставались на значении модели по умолчанию, и модель использовала их в 38% запросов. Запросы прогонов Claude Sonnet 5 с выключенным и включённым кэшированием также не задавали параметр размышлений, поэтому размышления оставались на значении модели по умолчанию, и модель использовала их в 41 из 121 запроса с выключенным кэшированием и в 40 из 120 с включённым.
* **Задержка после паузы:** На Claude Sonnet 5 и Claude Opus 5 ход после паузы сохранял задержку тёплого кэша на 1-часовой настройке. Время до первого токена после паузы у Claude Opus 5.5 не измерялось. Время до первого токена после паузы у Claude Sonnet 5.5 не измерялось.
17. **Доля чтений из кэша в продакшене:** Агрегированное использование собственного Claude API за 14 дней, заканчивающихся 23 августа 2026 г., только продукт прямого API, без внутренних организаций Anthropic, без идентификации организаций. Организация-день считается циклом агента, если её запросы содержат определения инструментов и результаты инструментов, её подсказки содержат в среднем 9 или более предыдущих вызовов инструментов, использовалось кэширование и было сделано не менее 10 таких запросов (в API нет идентификатора диалога, поэтому это заменяет длину диалога): 303 003 организации-дня по 106 487 организациям, медианная доля чтений из кэша — 84,2% всех входных токенов, верхний квартиль — 91,7%. Метки сценариев использования (заявленный организацией сценарий или, в противном случае, классифицированный) охватывают 74% этих организаций-дней и 99% их токенов; около 72% организаций-дней в программировании читают 80% или более. Верхний дециль организаций-дней читает 95,9% или более в программировании и 94,2–94,8% для агентов поддержки, исследований, данных и прочих. Разбивка на уровне запросов при 25 или более предыдущих вызовах инструментов получена из шестичасовой выборки: программирование — 92% чтение, 7% запись, менее 1% без кэша.
18. **Измерения времени сжатия и строки состояния:**
* **Что измерялось:** Длинный вариант агента сортировки из раздела [Сократите входные и контекстные токены](https://platform.claude.com/docs/ru/about-claude/models/optimizing-for-cost-and-intelligence#trim-input-and-context-tokens), прогон 24 августа 2026 г. на Claude Sonnet 5 с 5-минутным кэшем, стоимость по полям использования по прейскурантным ценам, пять сессий на вариант: вариант без изменений на уровне усилий по умолчанию на протяжении всей сессии ($0,81 USD за сессию) и два варианта, которые начинают с низкого уровня усилий и вносят одни и те же два изменения, нарушающие кэш, — переключение на уровень усилий по умолчанию и один добавленный инструмент — либо в середине сессии на запросах 12 и 17 ($0,95 USD), либо вместе на первом запросе после первого сжатия ($0,75 USD).
* **Четвёртый вариант:** Четвёртый вариант из шести сессий, прогон 25 августа 2026 г., вносил те же два изменения на запросе, который запустил первое сжатие ($0,92 USD за сессию): проход суммаризации этого запроса записал контекст из 81 000 токенов в кэш вместо того, чтобы прочитать его, поэтому этот проход стоил $0,21 USD против $0,04 USD за тот же проход в варианте на границе.
* **Сжатие:** Сессии впервые сжимались на запросах 21–25 (16 из 21 сессии на запросе 22), как только подсказка превышала порог сжатия в 80 000 токенов, а две сессии без изменений сжимались второй раз ближе к концу. Более низкий итог варианта на границе по сравнению с вариантом без изменений отражает его запросы с низким уровнем усилий до изменения и эти вторые сжатия, а не кэширование: затраты двух вариантов на перезапись различаются менее чем на $0,01 USD.
* **Вариант в середине сессии:** Вариант в середине сессии платил $0,23 USD за сессию за перезаписи кэша; разница между вариантами в середине сессии и на границе составила $0,20 USD с 95%-м доверительным интервалом от $0,11 USD до $0,29 USD. В варианте в середине сессии изменение уровня усилий и добавленный инструмент перезаписали 39 000 и 60 000 кэшированных токенов. Одна из его сессий оказалась дешёвой ($0,82 USD) после того, как её модель неправильно вызвала инструмент поиска после сжатия и получила пустые результаты; она включена, а без неё среднее варианта составляет $0,98 USD.
* **Точность и чтения из кэша:** Точность в среднем составила 14,2 из 20 меток в каждом варианте 24 августа и 14,7 в варианте 25 августа; чтения из кэша составили 91% токенов подсказки без изменений, 85% в середине сессии, 91% на границе и 86% с изменениями на запускающем запросе.
* **Отдельное измерение, строка состояния:** Отдельное измерение на задаче сортировки 20 обращений из раздела [Сократите входные и контекстные токены](https://platform.claude.com/docs/ru/about-claude/models/optimizing-for-cost-and-intelligence#trim-input-and-context-tokens), прогон 18 августа 2026 г., также на Claude Sonnet 5 с 5-минутным кэшем, с тем же способом расчёта стоимости, три прогона на вариант: со строкой состояния из 25 токенов в начале системной подсказки прогон стоил в среднем $4,24 USD (от $4,12 USD до $4,47 USD по трём прогонам) и ничего не читал из кэша; с той же строкой в конце последнего хода пользователя, после последней точки останова кэша, прогон стоил $0,59 USD (от $0,55 USD до $0,61 USD). Первое — больше, чем стоила та же задача с выключенным кэшированием. Более поздний повторный прогон с той же конфигурацией дал $4,28 USD и $0,61 USD.
19. **Измерение длительности кэша на Claude Fable 5.1:** Та же задача сортировки 20 обращений и тестовая среда, что и в ссылке 16, с `max_tokens`, увеличенным до 4 096, прогоны 23 и 26 августа 2026 г. на стартовом снимке Claude Fable 5.1 по его стартовым ценам ($10 USD за вход, $12,50 USD за 5-минутную запись, $20 USD за 1-часовую запись, $0,25 USD за чтение из кэша, $50 USD за вывод на миллион токенов), три настройки на расписание: 5-минутный кэш, 1-часовой кэш и 5-минутный кэш, поддерживаемый тёплым запросом с `max_tokens: 0` на неизменённом префиксе каждые 4 минуты, отсчитываемые от начала предыдущего запроса (прогоны 23 августа отправляли запросы keep-alive с `max_tokens: 1`; в приведённых здесь ячейках 26 августа каждый отвеченный запрос keep-alive обновлял кэш, а его ответ сообщал об отсутствии выходных токенов). Расписания: без пауз, 10% ходов и каждый ход с паузой 6 минут на всех 20 обращениях, а также паузы 45 минут на подмножестве из 5 обращений; три прогона на ячейку (шесть для ячейки keep-alive 26 августа с паузами 45 минут), стоимость вычислена по полям `usage` каждого ответа по прейскурантным ценам, точность — по тем же эталонным меткам (от 12 до 18 точных меток из 20). Средние по сессиям 26 августа для 5-минутной, 1-часовой настроек и keep-alive: без пауз $2,42 USD, $3,09 USD, $2,29 USD; 10% с паузой $4,50 USD, $2,96 USD, $2,36 USD; каждый ход $22,89 USD, $3,01 USD, $2,62 USD; ячейки 23 августа совпадают в пределах 6%. Показатели для 45 минут ($1,68 USD, $0,59 USD и $0,71 USD за сессию из 5 обращений) получены в более поздних сессиях 26 августа: первый набор сессий того дня был прерван, когда его машину выключили, а второй был затронут сбоем в сервисе и отложен. Третий набор даёт показатели для 5 минут и 1 часа; его три сессии keep-alive отправляли каждый запрос keep-alive один раз, теряли запросы из-за отказов по «rate limit» (ограничению скорости) и не включены в среднее. Показатель keep-alive — это среднее шести дополнительных сессий, которые повторно отправляли любой отклонённый запрос keep-alive в течение двух секунд. Прогоны 23 августа дали $1,67 USD, $0,58 USD и $0,70 USD. Точка безубыточности между 5-минутной и 1-часовой настройками составляет 3,1% ходов — та же мера, что и в ссылке 16. Чтение из кэша Claude Fable 5.1 стоит 0,025x цены входа, тогда как его записи в кэш сохраняют стандартные множители, поэтому запрос keep-alive, повторно читающий префикс, дёшев, а надбавка за запись 1-часовой длительности оказывается более крупной статьёй расходов, за исключением пауз 45 минут, где запросы keep-alive стоят больше надбавки.
20. **Terminal-Bench 3:** 74 задачи публичного бенчмарка терминальных агентов, прогоны на [Claude Managed Agents](https://platform.claude.com/docs/ru/managed-agents/overview) с двумя пользовательскими инструментами — оболочкой и редактором файлов, которые тестовая среда оценки запускает в собственном контейнере каждой задачи, — вместо встроенных инструментов платформы, а в остальном с настройками платформы по умолчанию для внешних аккаунтов, два прогона на модель на уровне усилий `high`, 27–28 августа 2026 г. В этих прогонах использовалась версия Terminal-Bench 3.0, и их баллы несопоставимы с публичной таблицей лидеров Terminal-Bench или с результатами Terminal-Bench 4.0 в системной карте Claude Opus 5.5, полученными в прогонах в Claude Code на уровне усилий `max`. Лимиты времени каждой задачи в 2,5 раза больше собственных лимитов бенчмарка, что даёт агенту от 75 минут до 20 часов на задачу (5 часов для медианной задачи), и каждая задача получает втрое больше памяти, чем указано в ней, — от 6 GiB до 96 GiB, с дополнительной памятью для 12 задач, запускающих вспомогательные сервисы. У агента не было общего доступа в интернет: его контейнеры могли обращаться к внутреннему зеркалу пакетов, короткому списку сайтов загрузки, включая GitHub и Python Package Index, и нескольким сайтам, специфичным для некоторых задач, а у восьми задач доступа к сети не было вовсе. Баллы — это исходные доли успешных попыток из 148 попыток на модель; одиночные прогоны колеблются на 5–11 пунктов. Стоимость — это то, что было бы выставлено клиенту по прейскурантным ценам, пересчитанная запрос за запросом по записям использования прогонов с 5-минутным временем жизни кэша. Claude Opus 4.7, Claude Opus 4.8 и Claude Opus 5 тратят от $8 USD до $15 USD на задачу. Claude Opus 4.7 завершил 11 из своих 148 попыток на лимите вывода.
21. **DRACO:** Perplexity, «DRACO: a Cross-Domain Benchmark for Deep Research Accuracy, Completeness, and Objectivity», arXiv:2602.11685, 2026.
* **Что измерялось:** Его 100 исследовательских задач в 10 областях оцениваются по написанным экспертами рубрикам примерно из 40 взвешенных критериев каждая, а балл — это взвешенная доля выполненных критериев от 0 до 100.
* **Конфигурации:** Все конфигурации работали на Claude API с Claude Opus 5.5, адаптивными размышлениями по умолчанию, включёнными производственными классификаторами безопасности и `max_tokens`, равным 128 000, с потоковой передачей: одиночный агент на уровне усилий `medium` (по умолчанию для модели) и на `low`, одиночный агент на `medium` с предложением и часами, а также команда на `medium` с ними и без них. Команда — это ведущий агент, который может запускать вспомогательных агентов той же модели через инструмент, без ограничения их числа.
* **Предложение:** Два изменения — это предложение и часы. Предложение «Time matters here: do not spend time that can be avoided, and the earlier a correct result is obtained, the better.» ставится в конце задачи в первом сообщении `user` агента, после пустой строки, и в конце брифа каждого помощника.
* **Часы:** Часы — это прошедшее время в целых секундах, например `[elapsed 252s]`, добавляемое перед каждым запросом, включая первый, в конец последнего сообщения `user`: в отдельном текстовом блоке после задачи в первом запросе и в конце текста последнего результата инструмента, после пустой строки, когда сообщение содержит результаты инструментов. Предыдущие показания часов остаются на месте, поэтому кэшированный префикс по-прежнему совпадает при следующем запросе. Все агенты в команде читают одни и те же часы, а системная подсказка не меняется.
* **В измеренных прогонах:** В измеренных прогонах использовались эта формулировка и формат. Их часы запускались с первого токена первого ответа, а не с начала задачи. В измеренных прогонах команды отчёт помощника поступал ведущему в отдельном сообщении после часов, а не внутри последнего результата инструмента.
* **Когда:** Каждая конфигурация сделала по три попытки на каждой задаче с лимитом четыре часа на попытку, прогоны 24 сентября 2026 г., и все конфигурации набора стартовали одновременно.
* **Инструменты:** Агенты использовали инструменты поиска и загрузки страниц, которые тестовая среда оценки размещает поверх веб-индекса Anthropic, а также Python и оболочку в песочнице без доступа к сети. Эти инструменты определяют часть времени, а ваши будут работать с другой скоростью, поэтому на странице время приводится как соотношение между конфигурациями, а не в минутах.
* **Как измерялось время:** Время — это реальное время попытки от её первого запроса до окончания последнего запроса любого агента, включая выполнение инструментов, усреднённое по попыткам задачи. Показатель для типичной задачи — это медиана по задачам соотношения каждой задачи между двумя конфигурациями.
* **Как рассчитана стоимость:** Стоимость каждой задачи — это её запросы по публичным прейскурантным ценам Claude Opus 5.5, с кэшированием подсказок, тарифицируемым так, как для клиента, который ставит точку останова кэша в конце каждого запроса и использует 5-минутное время жизни кэша. Каждый запрос читает подсказку предыдущего запроса из кэша и записывает остальное. Первый запрос попытки и любой запрос, начинающийся более чем через 5 минут после предыдущего, записывает всю свою подсказку. Стоимость охватывает только токены модели; инструменты тестовой среды не добавляют платы.
* **Как оценивалось:** Все интервалы — это 95%-е бутстреп-интервалы по задачам, а изменения баллов — парные разности по задачам. Ответы оценивает Claude Opus 5, поэтому Claude Opus 5.5 не оценивает собственную работу, и балл каждого ответа усредняет пять прогонов оценки.
* **Оговорки:** Производственный классификатор безопасности остановил по три попытки в каждой конфигурации, все на одной задаче, и эти попытки получают 0; исключение этой задачи не меняет ни одного вывода. Прогоны также пропускали использование инструментов каждым агентом через внутреннюю проверку безопасности Anthropic, которой нет у клиентских запросов, что добавляет неизмеренное количество времени к каждому запросу в каждой конфигурации. На DRACO одиночный агент без изменений делал примерно вдвое больше запросов, а команда — примерно на треть больше, поэтому проверка, вероятно, делает экономию времени на DRACO немного больше, чем она есть.
* **Результаты, одиночный агент:** Результаты для раздела [Показывайте модели прошедшее время](https://platform.claude.com/docs/ru/about-claude/models/optimizing-for-cost-and-intelligence#show-the-model-elapsed-time): с изменениями одиночный агент затратил на 47% меньше времени при стоимости на 60% ниже на типичной задаче, его средняя стоимость снизилась с $1,13 USD до $0,44 USD за задачу, а его балл был на 4,1 пункта ниже (95%-й интервал — на 2,9–5,2 ниже).
* **Результаты, более низкий уровень усилий:** Снижение уровня усилий одиночного агента сэкономило больше времени и затрат, чем изменения, и потеряло больше баллов. На уровне усилий `low` он набрал на 13,3 пункта меньше на DRACO, на 3,4 на HLE и на 14,0 на наборе по физике, чем на `medium`, а типичная задача заняла на 84%, 30% и 47% меньше времени. С изменениями на уровне усилий `medium` он набрал на 9,2, 2,5 и 11,0 пункта больше, чем на `low`, а типичная задача заняла больше времени, чем на `low`, в 1,2–3,2 раза.
* **Результаты, команда, помощники:** Ведущий агент команды редко запускал помощников. Без изменений он запустил помощника лишь в 5 из 300 попыток на DRACO, в 13 из 1 479 на HLE и ни в одной из 280 на наборе по физике.
* **Результаты, команда:** Поэтому результаты команды в основном показывают ведущего агента, работающего в одиночку, с собственными инструкциями и инструментами команды, и у Anthropic нет измерений изменений на команде, работающей параллельно. Без изменений команда уже затрачивала примерно половину времени одиночного агента на типичной задаче DRACO и набирала на 3,3 пункта меньше (95%-й интервал — на 2,1–4,6 ниже). С изменениями команда затратила на 17% меньше времени при стоимости на 20% ниже на типичной задаче DRACO и набрала на 1,6 пункта меньше (95%-й интервал — на 0,3–2,8 ниже).
* **Не измерялось:** Anthropic не измеряла изменения на Claude Managed Agents.
22. **HLE:** Phan et al., «Humanity's Last Exam», arXiv:2501.14249, 2025. Написанные экспертами вопросы с точными ответами, оцениваемые по эталонным ответам. Измерено на первых 500 вопросах выпуска от 10 сентября 2025 г., включая изображения, с заблокированными для поиска собственными источниками бенчмарка и той же настройкой, что и в ссылке 21. Каждая конфигурация сделала по три попытки на каждом вопросе, прогоны 24 сентября 2026 г. Claude Opus 5 сравнивает каждый ответ с эталонным, используя опубликованную подсказку судьи бенчмарка, и засчитывается большинство из трёх оценок. Баллы охватывают 493 вопроса в каждой конфигурации. Для пяти из остальных запрос на оценку превысил лимит судьи в 1M токенов, а ещё два исключены, потому что прогон одиночного агента без изменений остановился до завершения трёх его попыток на них. Соотношения времени и стоимости охватывают 492 вопроса для одиночного агента и 491 для команды, потому что для одного или двух вопросов нет данных о времени. Производственный классификатор безопасности остановил 3–4% попыток каждой конфигурации, и эти попытки получают 0; их исключение не меняет ни одного вывода. Результаты для раздела [Показывайте модели прошедшее время](https://platform.claude.com/docs/ru/about-claude/models/optimizing-for-cost-and-intelligence#show-the-model-elapsed-time): с изменениями одиночный агент затратил на 14% меньше времени при стоимости на 9% ниже на типичном вопросе. С судьёй Claude Opus 5 его балл не показал явного изменения (на 0,9 пункта ниже, 95%-й интервал — от 2,5 ниже до 0,7 выше). Со вторым оценщиком, Claude Opus 4.6, его балл был на 1,9 пункта ниже (95%-й интервал — на 0,2–3,7 ниже). Среднее время снизилось сильнее, чем на типичном вопросе: среднее время снизилось на 43%, а средняя стоимость — на 37%, потому что изменения сократили несколько очень длинных вопросов. Время команды на типичном вопросе изменилось на 3% или меньше, и её балл явно не изменился.
23. **Набор по физике:** Внутренний набор из 70 задач по физике исследовательского уровня, адаптированный из публичного бенчмарка CritPt: Zhu et al., «Probing the Critical Point (CritPt) of AI Reasoning: a Frontier Physics Research Benchmark», arXiv:2509.26574, 2025. Эксперты-рецензенты исправили формулировки задач. Claude Opus 4.6 оценивает каждый ответ с частичным зачётом, используя подсказку оценки набора, по непубличным экспертным эталонным решениям, поэтому баллы нельзя сравнивать с опубликованными результатами. Балл — это средняя оценка по попыткам задачи, усреднённая по задачам, в пунктах из 100. Измерено на всех 70 задачах, четыре попытки на задачу, прогоны 24 сентября 2026 г. У каждого агента были инструмент Python, оболочка и редактор файлов в контейнере-песочнице без доступа к сети и без инструментов поиска или загрузки страниц. Ни один классификатор безопасности не остановил попытку на наборе по физике. В остальном настройка такая же, как в ссылке 21. Результаты для раздела [Показывайте модели прошедшее время](https://platform.claude.com/docs/ru/about-claude/models/optimizing-for-cost-and-intelligence#show-the-model-elapsed-time): с изменениями одиночный агент затратил на 7% меньше времени при стоимости на 4% ниже на типичной задаче, а его балл был на 3,0 пункта ниже (95%-й интервал — на 0,4–5,6 ниже). Время команды на типичной задаче изменилось на 3% или меньше, и её балл явно не изменился. Среднее время одиночного агента снизилось на 14%. Вся экономия среднего времени одиночного агента приходится на одну задачу, на которой агент без изменений выполнял код около получаса за попытку; без этой задачи его среднее время примерно одинаково с изменениями и без них.
24. **tau2-bench retail:** Barres et al., «τ²-Bench: Evaluating Conversational Agents in a Dual-Control Environment», arXiv:2506.07982, 2025.
* **Что измерялось:** 114 задач розничной области прогонялись в публичной тестовой среде на Claude API с Claude Haiku 4.5 в роли симулируемого пользователя, Claude Sonnet 5 в роли судьи на естественном языке и включённым кэшированием подсказок; задачи были разделены на 57 для поиска и 57 отложенных.
* **Когда:** Два поиска выполнены 6 сентября 2026 г. под управлением команды `hillclimb` навыка Claude API. Пара «до и после» для кэширования прогонялась 8 сентября 2026 г.
* **Как оценивалось:** В поисках начальные точки и подтверждённая конфигурация — это среднее трёх прогонов на отложенных задачах, сохранённые шаги оценивались по двум прогонам, а остальные кандидаты — по одному или двум прогонам. Пара для кэширования: по три прогона на всех 114 задачах с переключением только точек останова кэша тестовой среды, в конфигурации, которую команда `cost-optimize` выдала в более раннем прогоне. Показатели на отложенных задачах получены на 57 задачах, которые поиск никогда не читал.
* **Как рассчитана стоимость:** Стоимость задачи рассчитывает количество токенов агента и симулируемого пользователя по прейскурантным ценам (Claude Opus 5 — $5 USD и $25 USD, Claude Sonnet 5 — $2 USD и $10 USD за миллион входных и выходных токенов, чтения и записи в кэш — по опубликованным ставкам) и не включает судью; процентные изменения рассчитаны по неокруглённым стоимостям; месячный показатель — это только токены агента, $0,135 USD и $0,047 USD за задачу, умноженные на 10 000. При 10 000 диалогов в месяц это около $1 350 USD до первого поиска и $470 USD после.
* **Оговорки:** Эти измерения проводились на предыдущих моделях Claude Opus и Claude Sonnet: пара для кэширования — на Claude Sonnet 5, второй поиск начинался с Claude Sonnet 5, а первый поиск шёл от Claude Opus 5 к Claude Sonnet 5. Claude Fable 5.1 на этом бенчмарке не измерялся.
* **Пара для кэширования:** Пара прогонялась на Claude Sonnet 5 на уровне усилий по умолчанию. Публичная тестовая среда в поставляемом виде отправляет весь диалог без кэширования на каждом ходе. Кэшированная конфигурация имеет одну точку останова на системной подсказке и одну на последнем сообщении. Оба поиска выполнялись с этим включённым кэшированием. Стоимость задачи снизилась с $0,223 USD без кэша до $0,062 USD с кэшем — экономия 72%, а доля успешных задач изменилась с 79,2% до 76,0%. Идентичные кэшированные прогоны этой конфигурации в разные дни давали от 85 до 93 из 114. Каждый кэшированный прогон набрал не больше, чем каждый некэшированный, но разрыв менее чем в 4 задачи лежит внутри разброса идентичных кэшированных прогонов, поэтому изменение точности слишком мало, чтобы его измерить при таком размере выборки.
* **Как выполнялся поиск.** Команда `hillclimb` задаёт четыре вопроса, представляет план и ждёт одобрения, прежде чем что-либо тратить. В первом поиске план оставлял без изменений симулятор пользователя, оценщик, кэширование, температуру и задачи. Последний из четырёх вопросов начинался так: `One pass over the full set is 114 cases x 1 rep on claude-opus-5, roughly 22 minutes.` В каждом раунде поиск предлагает одно изменение и прогоняет полный набор. Он сохраняет изменение, только если показатель сдвинулся и предсказанный механизм виден в данных об использовании. Он останавливается, когда три раунда подряд ничего не дают, а затем подтверждает победителя на новых прогонах.
* **Первый поиск, результат.** Поиск снизил стоимость задачи на 61%, удерживая долю успешных задач в пределах 2-пунктового диапазона, заданного до поиска: от Claude Opus 5 на уровне усилий по умолчанию ($0,142 USD за задачу, 76,0% успешных) до Claude Sonnet 5 на `low` с одной нейтральной по стоимости правкой подсказки ($0,055 USD, 74,3%). Поиск стоил $179 USD на прогоны оценки и $228 USD на собственные токены.
* **Первый поиск, старт: Claude Opus 5, уровень усилий по умолчанию.** 76,0% при $0,142 USD. Три идентичных прогона дали от 43 до 44 из 57. Поиск установил нижнюю границу на 2 пункта ниже, на 74,0%, и округлил её вверх до 43 из 57 (75,4%) для своих вердиктов.
* **Первый поиск, шаг 1, уровень усилий `low`: сохранён.** 77,2% на двух прогонах, которые его сохранили, 77,8% на трёхпрогонном подтверждении после поиска, при $0,119 USD, на 17% дешевле. Собственная строка состояния поиска гласит, в частности: `two runs held-out 42 and 46, mean 44.0 >= floor 43; cost mean $0.1187 <= gate $0.1208; mechanism confirmed (output tokens -34% with calls flat)`.
* **Первый поиск, шаг 2, Claude Sonnet 5 на `low`: сохранён.** 75,4% при $0,055 USD, на 61% дешевле.
* **Первый поиск, шаг 3, правка подсказки (искать заказы клиента после входа вместо того, чтобы запрашивать ID заказа): сохранена при отборе, затем не подтвердилась.** 79,8% на двух прогонах; 74,3% на трёх новых прогонах. Поиск оставил её как нейтральную по стоимости: освободившийся ход стал ещё одним ходом поиска.
* **Первый поиск, шаг 4, правка подсказки (передавать человеку только по запросу): отклонена и отменена.** 71,9%. Она исправила 3 целевых случая и сломала 10 других шаблоном общего вида «скажите, что вы можете и чего не можете сделать».
* **Первый поиск, шаг 5, правка подсказки: не прогонялась.** Её предсказанный выигрыш в 0,5 задачи был ниже порога принятия поиска в 2 задачи.
* **Первый поиск, подтверждение: Claude Sonnet 5 на `low` с подсказкой шага 3, три новых прогона.** 74,3% при $0,055 USD, внутри 2-пунктового диапазона с запасом 0,14 задачи, на 1 задачу из 57 ниже старта и ниже зафиксированной поиском нижней границы в 43 из 57. Пять прогонов этой конфигурации дали от 42 до 46, шире, чем 43–44 у старта.
* **Первый поиск, что он показал.** Экономию дали рычаги уровня усилий и модели, и механизм каждого из них это подтвердил. Рычаг подсказки дал реальные изменения поведения, но не устойчивый выигрыш. На этой нагрузке стоимость задачи определяют число ходов и кэшированный префикс, который перечитывает каждый ход, а не формулировка.
* **Второй поиск.** Он начинался с Claude Sonnet 5 на уровне усилий по умолчанию с включённым кэшированием: 79,5% при $0,062 USD на отложенной половине, с тремя прогонами от 42 до 47 из 57, поэтому нижняя граница составила 45 из 57 (78,9%). Идентичные прогоны начальной конфигурации здесь различались максимум на 5 задач из 57. Второй поиск ничего не сохранил. Уровень усилий `low`, две правки подсказки и обе вместе набрали по 77,2%, ниже нижней границы, и сэкономили 10–14%, не дотянув до 15%-го порога стоимости поиска. Правка подсказки для точности набрала 79,8% на двух прогонах и 73,7% на трёх новых прогонах и была отменена. Поиск занял около 19 прогонов оценки и $120 USD.
25. **Набор задач Claude Managed Agents:**
* **Что измерялось:** Внутренний набор Anthropic из 79 сценарных задач агента в восьми областях, включая работу с памятью, мультиагентную работу и работу с длинным контекстом, выполняемых как сессии [Claude Managed Agents](https://platform.claude.com/docs/ru/managed-agents/overview), в которых тест отвечает на каждый вызов инструмента. Каждая задача прогонялась пять раз на модель.
* **Прогоны:** Показатели получены из одного прогона на модель 7 октября 2026 г., оценённого в тот же день. В трёх дополнительных прогонах тех же задач 8 и 9 октября 2026 г. Claude Haiku 5.5 прошёл 91–93% попыток, а в одном дополнительном прогоне 8 октября Claude Haiku 4.5 прошёл 63%.
* **Как оценивалось:** Попытка считалась успешной, только если оценщик, Claude Sonnet 4.6, оценивая один раз, отмечал каждую строку контрольного списка задачи как выполненную, поэтому доли успешных попыток зависят от оценщика. На всех задачах, кроме одной, отдельный вызов, которому показывались результаты инструментов полностью, оценивал строку, проверяющую файлы и сообщения, записанные агентом через свои инструменты, по этим результатам.
* **Как рассчитана стоимость:** Стоимость — это стоимость токенов по прейскурантным ценам с 5-минутным кэшированием подсказок, рассчитанная запрос за запросом, без учёта времени работы сессии.
* **Результаты, цены токенов и стоимость:** Claude Haiku 4.5 не кэшировал 80% своих запросов: у каждого была подсказка примерно из 4 100 токенов или меньше, а его минимальная кэшируемая длина подсказки — 4 096 токенов (512 для Claude Haiku 5.5). От Claude Haiku 4.5 к Claude Haiku 5.5 цены токенов снизились на величину до 90%, а стоимость токенов 79 задач снизилась примерно на 75%. Стоимость токенов снизилась меньше, чем цены, потому что около 5% запросов Claude Haiku 5.5 имели подсказки более 100 000 токенов, которые оплачиваются по более высоким ценам ([Цены на длинный контекст](https://platform.claude.com/docs/ru/about-claude/pricing#long-context-pricing)), и на них пришлось 73% его стоимости.
* **Размышления:** Anthropic установила уровень усилий Claude Haiku 5.5 на `medium` и не отправляла ни настройки размышлений, ни лимита вывода ни для одной модели, поэтому размышления определялись собственными настройками Claude Managed Agents для каждой модели. Claude Haiku 5.5 использовал размышления в 59% запросов, а Claude Haiku 4.5 — в 22%. Сравниваются модели в том виде, в каком они обслуживаются, а не при равных настройках.
* **Стоимость без кэширования, рассчитанная по записанному количеству токенов:** Anthropic также пересчитала стоимость записанного количества токенов прогона Claude Haiku 5.5 от 7 октября для коэффициента кэширования в разделе [Почему кэширование идёт первым](https://platform.claude.com/docs/ru/about-claude/models/optimizing-for-cost-and-intelligence#why-caching-comes-first); прогонов с выключенным кэшированием не проводилось, а Claude Managed Agents применяет кэширование подсказок самостоятельно, поэтому коэффициент сравнивает две цены для одних и тех же запросов, а не две настройки.
* **Коэффициент:** Коэффициент 1,7 — это стоимость токенов прогона, когда каждый входной токен оплачивается по цене входа, а выходные токены не меняются, делённая на стоимость его токенов, когда каждая сессия рассчитывается отдельно: предыдущая подсказка каждого запроса — как чтение из кэша, а её новые токены — как запись в кэш на 5 минут. В обоих расчётах каждый запрос оплачивается по длине собственной подсказки, поэтому 87 запросов свыше 100 000 токенов оплачиваются по более высоким ценам в обоих. По количеству токенов в записанном виде, которое используют расчёты стоимости этого прогона в данном руководстве, коэффициент составляет 1,9, потому что пять попыток задачи выполнялись параллельно и читали записи кэша друг друга.
* **Почему коэффициент низкий:** Коэффициент низкий, потому что сессии короткие, в среднем (медиана) 4 запроса: большинство входных токенов поступает как результаты инструментов на втором или третьем запросе и читается из кэша лишь один-два раза. На восемь задач с длинным контекстом приходится три четверти стоимости. Второй прогон, 8 октября, также даёт 1,7.
26. **Измерение формата ответа:**
* **Что измерялось:** Задача сортировки 20 обращений из раздела [Сократите входные и контекстные токены](https://platform.claude.com/docs/ru/about-claude/models/optimizing-for-cost-and-intelligence#trim-input-and-context-tokens), прогоны на Claude Sonnet 5 с включённым кэшированием подсказок и без настройки размышлений в запросе, поэтому размышления оставались на значении модели по умолчанию, с тремя инструкциями для финального ответа, по три прогона на инструкцию.
* **Двухстрочная инструкция:** Исходная инструкция требовала две строки: `4. Finish with exactly two lines: LABEL: SUMMARY: `
* **Однострочная инструкция:** Более короткий вариант требовал одну: `4. Finish with exactly one line in this form: DECISION | LABEL | REASON where DECISION is one of: triage-now, needs-info, close-duplicate; LABEL is one of: bug-confirmed, needs-more-info, duplicate-candidate, feature-request, upstream-issue, perf, ui-polish; REASON is one clause under 15 words. Output nothing after that line.`
* **Инструкция со служебной запиской:** Более длинный вариант требовал служебную записку из шести разделов с заголовками: краткое описание проблемы, доказательства, проверка на дубликаты, рекомендуемая метка, следующие шаги и уверенность.
* **Также в отправленных инструкциях:** В отправленном виде двухстрочная инструкция также содержала «Be concise.», а инструкция со служебной запиской — «Be thorough and explicit.»
* **Когда:** Двухстрочная и однострочная инструкции прогонялись 18 августа 2026 г. с `max_tokens`, равным 700, а инструкция со служебной запиской — 19 августа 2026 г. с `max_tokens`, равным 3 000. Ни один ответ не достиг своего лимита.
* **Как оценивалось и рассчитывалась стоимость:** Показатели — это среднее трёх прогонов по прейскурантным ценам Claude Sonnet 5, а точность — точное совпадение с эталонными метками.
* **Результаты:** Однострочный ответ использовал на 39% меньше выходных токенов, чем исходный двухстрочный, и стоил на 14% меньше за прогон (по округлённым стоимостям на графике, $0,49 USD и $0,57 USD; неокруглённые средние дают 13%). Служебная записка использовала вшестеро больше выходных токенов, чем исходный двухстрочный, и стоила в 2,8 раза больше однострочного ответа.
* **Размышления:** Примерно половина ответов включала размышления, и их токены учтены в выходных токенах.
27. **Измерение поиска инструментов:**
* **Что измерялось:** Задача сортировки 20 обращений из раздела [Сократите входные и контекстные токены](https://platform.claude.com/docs/ru/about-claude/models/optimizing-for-cost-and-intelligence#trim-input-and-context-tokens), прогоны на Claude Sonnet 5 19 августа 2026 г. с включённым кэшированием подсказок и без настройки размышлений в запросе, поэтому размышления оставались на значении модели по умолчанию, три прогона на конфигурацию. У агента были два собственных инструмента плюс реальные определения инструментов с публичных серверов MCP, всего 7, 17, 52, 102, 252 или 502 инструмента, причём все определения либо загружались, либо добавленные помечались `defer_loading` за поиском инструментов.
* **Как оценивалось и рассчитывалась стоимость:** Показатели — это среднее трёх прогонов по прейскурантным ценам Claude Sonnet 5, а точность — точное совпадение с эталонными метками.
* **Результаты:** При загрузке всех определений стоимость прогона выросла с $0,55 USD при 7 инструментах до $1,02 USD при 502 инструментах — почти вдвое. С поиском инструментов она составляла $0,55–0,56 USD при любом размере каталога, на 45% меньше при 502 инструментах (по округлённым стоимостям на графике, $0,56 USD и $1,02 USD; неокруглённые средние дают 45,6%). Каждый прогон правильно ответил на 15–18 из 20 обращений, с поиском инструментов или без него.
* **Оговорки:** Ни один прогон не вызвал инструмент из каталога или инструмент поиска инструментов: два собственных инструмента агента всегда были загружены, и каждый вызов инструмента шёл к одному из них. Измерение показывает, во что обходится хранение неиспользуемых определений, а не то, находит ли поиск инструментов инструмент, когда он нужен.
* **Отдельное измерение:** В отдельном измерении на той же модели и в ту же дату, с публичным сервером GitHub MCP, подключённым через коннектор MCP, и без каталога, три прогона с отложенным набором инструментов сервера стоили на 20% меньше, чем три прогона без этого ($0,56 USD и $0,70 USD за прогон), а три прогона каждого варианта правильно ответили на 17, 16 и 16 обращений. Запросы в этом отдельном измерении не включали инструмент поиска инструментов. С загруженным набором инструментов каждый прогон вызывал один из инструментов сервера, `issue_read`, 3 или 4 раза; с отложенным ни один прогон не вызвал ни одного инструмента сервера.
28. **Измерения сокращения входных данных и жизненного цикла контекста:**
* **Что измерялось:** Задача сортировки 20 обращений из раздела [Сократите входные и контекстные токены](https://platform.claude.com/docs/ru/about-claude/models/optimizing-for-cost-and-intelligence#trim-input-and-context-tokens) и её длинный вариант, прогоны на Claude Sonnet 5 19 августа 2026 г. (дата по UTC), три прогона на настройку, без настройки размышлений в запросе, поэтому размышления оставались на значении модели по умолчанию; примерно 3 из 10 ответов включали размышления.
* **График:** График в разделе [Управляйте жизненным циклом контекста](https://platform.claude.com/docs/ru/about-claude/models/optimizing-for-cost-and-intelligence#manage-the-context-lifecycle) сравнивает четыре настройки на каждой задаче: задачу с включёнными кэшированием подсказок и сокращением входных данных (изменение размера изображений и поиск инструментов) и то же самое с одним добавленным рычагом — редактированием контекста, сжатием или обрезкой. График считает изменение менее 10% отсутствием изменения.
* **Настройки рычагов:** Настройки рычагов различались между двумя задачами: редактирование контекста очищало не менее 2 000 токенов, как только подсказка превышала 20 000, на задаче с 20 обращениями и не менее 40 000, как только она превышала 50 000, на длинной, сохраняя три последних использования инструментов, а сжатие срабатывало при 50 000 входных токенов на задаче с 20 обращениями и при 80 000 на длинной.
* **Как рассчитана стоимость:** Каждая стоимость — это среднее трёх прогонов по полям использования ответов по прейскурантным ценам Claude Sonnet 5, с записью в кэш по $2,50 USD и чтением из кэша по $0,20 USD за миллион токенов.
* **Результаты, сокращение входных данных:** Пятая настройка, кэширование подсказок без сокращения входных данных, стоила $0,57 USD за прогон на задаче с 20 обращениями и $1,38 USD на длинной, так что сокращение входных данных снизило стоимость первой на 26%, а второй — на 21%. По сравнению с той же задачей с 20 обращениями с выключенным кэшированием, которая стоила $3,36 USD за прогон (ссылка 16), кэширование подсказок и сокращение входных данных вместе сэкономили 88% (неокруглённые средние дают 87,5%).
* **Результаты, прогон с 20 обращениями:** На прогоне с 20 обращениями, где задача без рычага стоила $0,42 USD за прогон, редактирование контекста стоило на 73% больше, сжатие срабатывало один раз ближе к концу каждого прогона и стоило на 7% меньше, а обрезка ничего не переписала, потому что ни один результат поиска не превышал её порог в 2 000 символов.
* **Результаты, длинный прогон:** На длинном прогоне, где задача без рычага стоила $1,09 USD за прогон, обрезка стоила на 39% меньше, сжатие — на 32% меньше, а редактирование контекста — на 4% больше.
* **Чтения из кэша, длинные прогоны:** В длинных прогонах с обрезкой 89% токенов подсказки читались из кэша на первом запросе после границы задачи и 81% на остальных запросах. В целом по длинным прогонам 85% токенов подсказки читались из кэша с обрезкой и 85% с редактированием контекста против 95% без рычага.
## Следующие шаги
Самый крупный бесплатный выигрыш на этой странице: настройка, время жизни и диагностика.
Обменивайте интеллект на задержку и стоимость в рамках одной модели.
Оцените возможности, скорость и стоимость по всему семейству моделей Claude.
Установите жёсткий долларовый лимит на сессию Managed Agents.
Посмотрите текущие цены за токен для каждой модели Claude.
Применяйте эти рычаги по одному к работающему агенту в исполняемом ноутбуке, со стоимостью за задачу после каждого шага.
Посмотрите пошаговый разбор паттернов советника и оркестратора.