Модели одного семейства обменивают способность на стоимость и задержку: меньшие модели работают быстрее и дешевле, но менее способны; большие лучше рассуждают над сложными задачами, но дороже и отвечают медленнее. Навык состоит в том, чтобы подобрать модель к сложности задачи, а не всегда выбирать самую большую.
На примере семейства Claude от Anthropic (последнее поколение: , , ):
Haiku → smallest, fastest, cheapest
→ high-volume / simple tasks: classification, extraction, quick edits
Sonnet → balanced cost/quality
→ everyday coding and general work (the sensible default)
Opus → most capable, highest cost & latency
→ hardest multi-step reasoning, architecture, tricky debugging
Порядок относительный: Haiku < Sonnet < Opus как по цене, так и по задержке, и тот же порядок по чистой производительности.
Classify 1M support tickets → Haiku (volume dominates; task is simple)
Implement a feature → Sonnet (balanced everyday coding)
Debug a subtle race condition → Opus (hard reasoning justifies the cost)
По умолчанию выбирать самую большую модель — это тратить деньги и добавлять задержку на задачи, которые дешёвый уровень хорошо решает; по умолчанию выбирать самую маленькую — получать плохие результаты на действительно сложной работе. Осознанный выбор — начните с более дешёвого, повышайте только если требуется качество — держит системы быстрыми и доступными в масштабе, одновременно привлекая мощную модель именно к задачам, которые её по-настоящему нуждаются.