Claude Opus 5: как выбирать effort и не переплачивать за вычисления

Claude Opus 5 — премиальная модель Anthropic для сложной разработки, агентов и корпоративных задач. Она вышла 24 июля 2026 года с простым обещанием: почти все возможности Fable 5 по прежней цене Opus.

По цене переход с Opus 4.8 выглядит очевидным. Но внедрять модель в продакшен автоматически не стоит. Теперь режим thinking включён по умолчанию, effort определяет объём работы модели и с текстом, и с инструментами, а старый лимит вывода может оборвать задачу ещё до окончания рассуждений.

Claude Opus 5 — премиальная модель на каждый день, а не абсолютный максимум

Opus 5 стоит использовать для сложной работы, которая возникает ежедневно. Когда решающими становятся объём и задержка, лучше подходит Sonnet 5. Fable 5 имеет смысл оставить для задач, которые уже провалили оценку на Opus и где цена ошибки выше надбавки в 2x к стоимости токенов.

Именно так Anthropic теперь описывает собственную линейку. В актуальном руководстве по моделям разработчикам без готового выбора рекомендуют начинать с Opus 5 для сложной агентной разработки и корпоративных сценариев, а к Fable 5 переходить, когда нужна максимально доступная мощность.

Контекстное окно Opus 5 вмещает 1 миллион токенов, а максимальный синхронный вывод — 128,000 токенов. Контекстное окно показывает, сколько материала модель может держать в поле зрения за один запрос, но не гарантирует одинакового внимания к каждому токену. Лимит вывода включает и скрытые рассуждения, и видимый ответ — при миграции это особенно важно.

Идентификатор модели — claude-opus-5. Она доступна через Claude API, Amazon Bedrock, Google Cloud и Microsoft Foundry. В приложении Claude Anthropic сделала её моделью по умолчанию на тарифе Max и самой мощной доступной моделью на Pro.

Это не вечный рейтинг моделей. Это политика маршрутизации, которая переживёт следующий релиз: каждое переключение здесь опирается на данные конкретной нагрузки, а не на привязанность к классу модели.

Главная метрика Claude Opus 5 — стоимость успешно выполненной задачи

Ценность бенчмарков Opus 5 не в том, что модель побеждает везде. Гораздо важнее, что она часто достигает такого же принятого результата за меньшую стоимость запуска.

Anthropic приводит пять результатов, которые влияют на выбор:

• В Frontier-Bench v0.1 Opus 5 более чем вдвое превосходит Opus 4.8, при этом стоимость одной задачи ниже.
• В CursorBench 3.2 Opus 5 с effort max показывает результат в пределах 0.5% от пикового показателя Fable 5 при вдвое меньшей стоимости задачи.
• В ARC-AGI 3 результат модели втрое выше результата следующей по качеству модели в сравнении Anthropic.
• В Zapier AutomationBench доля успешно пройденных задач примерно в 1.5 раза выше, чем у следующей модели при той же стоимости задачи. Даже на минимальном effort она проходит больше задач, чем любая другая модель в этом сравнении.
• В OSWorld 2.0 модель превосходит лучший результат Fable 5 по управлению компьютером, затрачивая чуть больше трети его стоимости.

Это результаты из анонса производителя, а не универсальный рейтинг для любого репозитория, регламента или браузерного процесса. Они показывают направление: дополнительные токены через effort могут превращаться в принятую работу. Но по ним нельзя понять, сколько повторных попыток потребуется вашему агенту, как часто человек отклонит ответ и окажется ли более быстрый, но чуть менее сильный результат выгоднее для целевого уровня сервиса.

Метрика стоимости успешной задачи учитывает всё, чего нет в таком рейтинге. Сложите стоимость токенов всех попыток, плату за вызовы инструментов, значимую для продукта задержку и ручную проверку. Затем разделите сумму на количество результатов, прошедших критерий приёмки.

Для агента-разработчика успех может означать, что тесты проходят, diff не выходит за рамки задачи, а ревьюер принимает его без дополнительного раунда исправлений. Для операционного агента — что запись обновлена верно, запрошено нужное согласование и не выполнено ни одного неподтверждённого действия. До сравнения уровней effort критерии должны описывать именно итог.

Не кажущийся интеллект модели, а принятый результат с известной стоимостью — вот нужная метрика.

Фиксированная нагрузка на Claude Opus 5 стоит $9, $22.50 или $45

При одинаковом объёме токенов Opus 5 находится ровно посередине между временной ценой Sonnet 5 и стоимостью Fable 5.

Возьмём 100 задач. Каждая отправляет 20,000 входных токенов и получает 5,000 выходных. На весь пакет приходится 2 миллиона входных и 500,000 выходных токенов:

• Sonnet 5 по стартовому тарифу $2 за вход и $10 за выход стоит $9.
• Opus 5 при цене $5 за вход и $25 за выход стоит $22.50.
• Fable 5 при цене $10 за вход и $50 за выход стоит $45.

Расчёт основан на актуальных ценах Anthropic API. Тариф Sonnet 5 в размере $2/$10 действует до 31 августа 2026 года, после чего стандартная цена составит $3/$15. Здесь не учтены кэширование промпта, скидки за пакетную обработку, веб-поиск, выполнение кода, повторные попытки и изменение расхода токенов из-за выбранной модели или effort.

В таком небольшом масштабе Opus дороже Sonnet на $13.50, а Fable дороже Opus на $22.50. Чтобы оправдать надбавку Opus относительно Sonnet для всего пакета, достаточно предотвратить одно исправление дороже $13.50. Переход на Fable оправдан, если он экономит более $22.50 на сбоях или проверке.

При 10,000 задачах той же формы итоговые суммы вырастут до $900, $2,250 и $4,500. Opus теперь дороже Sonnet на $1,350, а Fable добавляет к стоимости ещё $2,250. Решение о маршрутизации, которое кажется мелочью в прототипе, на продакшен-масштабе превращается в отдельную строку бюджета.

Режим Fast подчёркивает эту разницу ещё сильнее. Opus 5 работает в нём примерно в 2.5 раза быстрее по цене $10/$50 — вдвое дороже обычного режима. Пример со 100 задачами обойдётся в $45, то есть базовая стоимость токенов сравняется с Fable 5. Покупать такую скорость стоит только там, где время ответа действительно оправдывает надбавку, а не как универсальное ускорение.

Как устроены уровни effort в Claude Opus 5

Начинайте с high. Это значение по умолчанию в Claude API и Claude Code; Anthropic прямо указывает, что явный high работает так же, как отсутствие параметра effort.

Effort управляет тем, сколько работы Claude вкладывает во весь ответ: видимый текст, рассуждения, вызовы инструментов и аргументы функций. Более низкий уровень способен сократить расход токенов и активность инструментов, а более высокий — дать модели пространство для глубокого исследования. Однако это поведенческий сигнал, а не жёсткий потолок, поэтому сложный запрос на low всё равно может запустить рассуждения.

У каждого из пяти уровней своя роль:

low — для дешёвой работы с чёткими границами. Он подходит для классификации, извлечения данных, простых преобразований и узких задач субагента, результат которых легко проверить. Агент, распределяющий обращение по очередям, здесь уместнее агента, который должен решить проблему клиента.

medium — сбалансированный режим для продакшена. Используйте его для типовой работы с инструментами, когда маршрут известен, а входные данные меняются: свести данные карточки клиента, подготовить стандартный ответ или выполнить однозначный регламент. Если важны цена токенов или задержка, это первый кандидат на понижение относительно режима по умолчанию.

high — базовый уровень для сложной повседневной работы. Он подходит для изменений кода, тонкого анализа и многошаговых агентов, где цена ошибки оправдывает более тщательные рассуждения. Это правильная отправная точка для замеров: с ней можно сравнить любой уровень выше или ниже.

xhigh — для длительных задач. Anthropic описывает его как уровень для агентных сценариев и разработки продолжительностью более 30 минут с миллионными бюджетами токенов. Он нужен, когда модель должна многократно исследовать проблему, вызывать множество инструментов или сохранять план на протяжении долгого запуска.

max — исключительный маршрут. Он снимает ограничения на расход токенов ради максимальных возможностей. Переводить сюда задачу стоит только после неудачи на xhigh или когда результат настолько ценен, что эффективность расхода токенов отходит на второй план.

Чаще всего ошибаются в двух местах.

Во-первых, не пытайтесь управлять длиной текста через effort. Согласно документации Anthropic, изменение effort не позволяет надёжно сократить видимый ответ Opus 5. Нужную длину следует задавать в промпте.

Во-вторых, не запускайте каждую задачу, которая выглядит сложной, сразу на max. Иначе вы не узнаете, справился бы high, а все последующие разговоры о стоимости останутся гипотетическими. Ищите минимальный уровень, который стабильно даёт нужный результат, а не максимальный балл, доступный за деньги.

Кому подойдут Opus 5, Sonnet 5 и Fable 5

Большинству покупателей не стоит выбирать одну модель для всех запросов. Нужны основной вариант и узкий маршрут эскалации.

Основатель стартапа с инвестициями, создающий агентный продукт

Sonnet 5 подходит для большого потока взаимодействий, которые легко проверить. Opus 5 стоит отдавать этапы, где нужно планировать, согласовывать противоречивый контекст или восстанавливаться после ошибки инструмента.

Главный риск для основателя — назначить Opus на каждый шаг, потому что так кажется надёжнее. Если большинство запросов проходит по предсказуемому маршруту, надбавка уходит на работу, которой премиальная модель не требовалась. Дешёвый маршрут должен оставаться широким, а Opus — обслуживать действительно важные этапы.

Сложную оркестрацию начинайте с Opus на high. Известный трудный класс стоит переводить на xhigh только тогда, когда рост доли принятых результатов покрывает дополнительный расход токенов. Отправляйте задачу в Fable лишь после того, как Opus провалит репрезентативный пример, а влияние на бизнес оправдает цену за единицу в 2x.

CTO компании среднего бизнеса, стандартизирующий работу с моделями

Сделайте Opus 5 премиальной моделью по умолчанию и явно зафиксируйте маршрутизацию в политике. Тогда владелец рабочего процесса сможет объяснить, почему задача попала в Sonnet, Opus или Fable и какая оценка изменит этот выбор.

Нельзя считать миграцию всех запросов с Opus 4.8 завершённой после замены одной строки с моделью. Thinking по умолчанию меняет и поведение вывода, и расход токенов. Нужно пересмотреть существующие настройки max_tokens, устройство кэшируемых диалогов и промпты для проверки.

Разбор Claude Sonnet 5 задаёт полезную нижнюю границу: Sonnet выигрывает, пока при текущей цене его результаты проходят приёмку. Верхнюю границу задаёт Fable. Между ними остаётся Opus — до тех пор, пока на конкретной нагрузке не окажется лучше одна из крайних моделей.

Руководитель операций, автоматизирующий бизнес-процессы

Opus нужен там, где задача пересекает границы систем или политик. Прочитать запрос, проверить учётную запись, применить правило и решить, требуется ли согласование человека, сложнее подготовки сводки: каждый шаг меняет последствия следующего.

Для стабильной процедуры с ограниченным набором инструментов используйте medium. Переходите на high, если часто встречаются исключения, неоднозначные записи или противоречивые положения регламентов. Не убирайте человеческое согласование необратимых действий даже при сильных результатах бенчмарка. Более качественная модель сокращает рутинную проверку, но не отменяет ответственность.

Fable оправдана только для одновременно необычно сложной и необычно ценной задачи. Если человек всё равно проверяет каждый результат, улучшение интерфейса проверки может дать больше, чем дополнительная плата за модель.

Разработчик, который создаёт продукт в одиночку

Пока продукт активно меняется, начинайте с Sonnet 5. Сложную отладку, ревью архитектуры и реализацию изменений в нескольких файлах передавайте Opus 5. Особенно заметной разница становится тогда, когда неудачная попытка заставляет дорого восстанавливать контекст, а не при небольшой правке.

Выбор между поставщиками остаётся отдельным вопросом. GPT-5.6 и Claude Sonnet 5 различаются не только качеством моделей, но и системами исполнения. Opus 5 усиливает премиальный маршрут Anthropic, однако не делает взаимозаменяемыми оркестрацию, разрешения инструментов и наблюдаемость.

Во всех четырёх случаях решение меняется в одной точке: переходить выше нужно, когда измеренная цена сбоя и проверки превышает надбавку за модель. Если эту цену никто не измерял, безопаснее для бизнеса сначала провести оценку.

При миграции с Opus 4.8 ломаются два привычных сценария

Замена claude-opus-4-8 на claude-opus-5 сохраняет прежнюю цену $5/$25 за единицу, но не прежнее поведение во время выполнения.

Первое изменение — thinking по умолчанию. Opus 4.8 могла работать без рассуждений, пока запрос явно их не включал. Opus 5 сама решает, когда и сколько рассуждать. Поскольку max_tokens ограничивает сумму thinking и видимого ответа, лимит, которого с запасом хватало Opus 4.8, способен оборвать агента Opus 5 до завершения работы.

Второе изменение — связь thinking с effort. Если запрос отключает thinking и одновременно задаёт xhigh или max, API возвращает HTTP 400. Когда thinking необходимо отключить, не поднимайте effort выше high; на более высоких уровнях удалите поле, отключающее thinking.

Anthropic также предупреждает: при отключённом thinking Opus 5 иногда может записать вызов инструмента обычным текстом или показать внутренние XML-теги вместо корректного блока tool_use. По возможности оставляйте thinking включённым, а расход контролируйте через effort.

Ниже — корректный Python-запрос для продолжительной задачи разработки или агента:

import anthropic

client = anthropic.Anthropic()

response = client.messages.create(
    model="claude-opus-5",
    max_tokens=64000,
    output_config={"effort": "xhigh"},
    messages=[
        {
            "role": "user",
            "content": (
                "Review this repository migration plan. Identify unsafe "
                "assumptions, propose the smallest sound change, and verify "
                "the final plan against the stated acceptance criteria."
            ),
        }
    ],
)

for block in response.content:
    if block.type == "text":
        print(block.text)

Лимит в 64,000 токенов — это рекомендованная Anthropic отправная точка для xhigh или max, а не обязательное значение каждого запроса. Снижайте его, когда накопятся данные о фактическом расходе и полноте выполнения.

Будьте готовы и к качественным различиям. По словам Anthropic, Opus 5 склонна создавать более длинные материалы, чаще сообщать о ходе агентной сессии, активнее делегировать субагентам и проверять работу без отдельной инструкции. Всё это может быть полезно, однако интерфейс агента, система логов или слой оркестрации, рассчитанные на более сдержанное поведение Opus 4.8, могут потребовать изменений.

Три детали продакшена определяют итоговый счёт

Effort, кэширование и скорость связаны между собой. Оптимизация одного параметра в отрыве от остальных может ухудшить два других.

Не меняйте effort внутри кэшируемого диалога

Изменение output_config.effort между запросами меняет сформированный Anthropic промпт, поэтому следующий запрос не сохраняет кэшированный префикс. Система, которая постоянно повышает и понижает effort внутри одного длинного диалога, рискует потерять ожидаемую экономию от кэша.

Выберите effort в начале зависящей от кэша сессии и не меняйте его. Если следующему этапу нужен другой уровень, направьте его в новый диалог либо заранее учтите промах кэша в стоимости эскалации.

Минимальный кэшируемый промпт в Opus 5 сократился с 1,024 токенов у Opus 4.8 до 512 токенов. Благодаря этому кэширование подходит для более коротких повторяющихся инструкций — при условии, что префикс промпта и effort остаются стабильными.

Покупайте Fast ради задержки, а не новых возможностей

Fast работает примерно в 2.5 раза быстрее обычного режима и стоит $10/$50 за миллион токенов. Он не превращает Opus в Fable. В примере с фиксированными 100 задачами режим поднимает итоговую стоимость Opus с $22.50 до $45 ещё до учёта кэширования и повторных попыток.

Fast доступен в Claude API как research preview. Сейчас его нет в Amazon Bedrock, Google Cloud и Microsoft Foundry. В мультиоблачной архитектуре нельзя рассчитывать, что ускорение будет доступно везде вместе с моделью.

Считайте новые beta-механизмы именно бета-функциями

Изменение инструментов в середине диалога позволяет приложению добавлять или удалять их между сообщениями, сохраняя кэш промпта. Для функции используется beta-заголовок mid-conversation-tool-changes-2026-07-01.

Автоматические fallback-маршруты могут передать запрос Opus 5 или Fable 5, помеченный классификатором, в рекомендованную Anthropic резервную модель вместо блокировки. Стандартные и явные списки fallback используют beta-заголовок server-side-fallback-2026-07-01.

Обе функции решают операционные задачи. Одновременно они меняют доступные действия одной логической сессии и модель, которая может дать ответ. Перед включением в необратимый процесс проверьте изменения разрешений, обработку сбоев и качество вывода.

До запуска Claude Opus 5 проверьте все пять уровней effort

Оценки из 375 запусков достаточно, чтобы превратить выбор effort из мнения в данные для маршрутизации: 25 репрезентативных задач, пять уровней и по три повторения каждой комбинации.

Повторения важны, потому что агент может один раз пройти задачу благодаря удаче, а затем ошибиться при другом порядке вызова инструментов. Состав набора важнее его размера: включите обычную работу, известные пограничные случаи и сбои, которые раньше требовали ручного исправления.

Если продакшен зависит от кэширования промпта, не меняйте effort внутри сессии и во время этой проверки. Тестируйте каждый уровень при стабильном устройстве диалога, иначе промахи кэша станут неконтролируемой переменной.

Полезный результат может показать, что medium достаточно для типовой работы с учётными записями, high требуется для обработки исключений, а xhigh улучшает узкий класс задач отладки. Это не повод включать xhigh везде, а основание создать три маршрута с разной экономикой.

Так же определяется, оправдывает ли Fable 5 свою цену. Добавляйте Fable только к тем задачам, где Opus остаётся ниже порога. Если Fable не повышает долю принятых результатов достаточно, чтобы покрыть надбавку $22.50 из примера со 100 задачами, оставьте Opus.

Граница безопасности Claude Opus 5 отличается от Fable 5

Claude Opus 5 вводит меньше ограничений для легитимной работы в сфере безопасности, чем Fable 5, но не является кибермоделью без ограничений.

По данным Anthropic, киберклассификаторы Opus 5 должны срабатывать примерно на 85% реже, чем у Fable 5. Модель может находить уязвимости в исходном коде, тогда как защитные механизмы блокируют поиск уязвимостей в бинарных файлах, тестирование на проникновение и создание эксплойтов. Кроме того, в наступательной кибербезопасности и биологических исследованиях она уступает Mythos 5.

Эта граница важна для агентов отладки и безопасности. Проверка исходного кода может пройти, а следующий этап валидации эксплойта — получить отказ или уйти по другому маршруту. Проектируйте процесс так, чтобы отказ был предусмотренным состоянием, а не неожиданной ошибкой парсера.

Cyber Verification Program даёт подходящим по критериям компаниям и исследователям доступ к версии с меньшим числом ограничений безопасности. Обычным пользователям не стоит строить продакшен-процесс вокруг этого пути, пока доступ не подтверждён.

Во внутреннем поведенческом аудите Anthropic Opus 5 получила 2.3 балла за общее несогласованное поведение — это самый низкий показатель среди последних моделей компании. Рассматривайте его как свидетельство из собственного набора тестов Anthropic, а не как разрешение отказаться от согласований, песочницы или минимально необходимых прав для инструментов.

Итог: когда выбирать Claude Opus 5

Claude Opus 5 стоит заменить Opus 4.8 в новых премиальных нагрузках и в большинстве существующих — после поэтапной миграции. При той же цене модель лучше масштабирует качество через effort и приближается к Fable 5 в нескольких важных оценках.

Но она не должна вытеснять Sonnet 5 со всех высоконагруженных маршрутов, а max не должен становиться значением по умолчанию. Экономика выигрывает благодаря маршрутизации: Sonnet или низкий effort для дешёвой принятой работы, Opus на high для сложных повседневных задач, xhigh для проверенных длительных сценариев и Fable только там, где сбой Opus доказанно обходится дорого.

Регулятор effort ценен тем, что делает эту политику явной. Используйте его как переменную оценки, сохраняйте уровень стабильным там, где важно кэширование, и связывайте каждое повышение с конкретным сбоем.

Хотите, чтобы следующий релиз модели сразу превращался в продакшен-решение? Подпишитесь на рассылку.