Claude Sonnet 5 вышел с теми же ценами за токен, что и предшественник. На первый взгляд — стабильность и прогресс. Но независимая аналитика зафиксировала: модель потребляет примерно на 40% больше токенов на ту же задачу. Итог — реальные расходы почти удваиваются при неизменном прайс-листе. Anthropic, судя по всему, делает это уже не первый раз.
Контекст
Sonnet 5 — флагманская модель среднего ценового сегмента Anthropic. По данным Artificial Analysis Intelligence Index, она набрала 53 балла и заняла пятое место среди всех протестированных LLM. Примечательно другое: на отдельных агентных задачах Sonnet 5 опережает более дорогой Opus 4.8 — старший флагман той же линейки.
Artificial Analysis — независимая платформа, которая измеряет LLM по реальным метрикам: качество ответов, скорость, стоимость, эффективность токенов. Их данные часто расходятся с маркетинговыми нарративами вендоров. Именно поэтому их замер токенного расхода важнее, чем цифра в официальном прайсе.
Исторически Sonnet позиционировался как «лучшее соотношение качество/цена» в линейке Anthropic — то, что выбирают при масштабировании, когда Opus слишком дорог. Если новый Sonnet умнее, но при этом заметно прожорливее, вся эта логика рассыпается.
Аналитика
Скрытые повышения цен через рост токенного расхода — не случайность, а, судя по всему, паттерн. Схема работает так: вендор держит неизменной цену за токен (это то, что видит пользователь), но выпускает модель, которая тратит токены иначе — больше intermediate steps, объёмнее внутренние рассуждения, verbosity на выходе. Счёт в Dashboard смотрится стабильным. Счёт за облако — нет.
Для агентных сценариев — multi-step reasoning, code generation, tool-calling — это особенно болезненно. Агент, который делает десять шагов вместо семи, тратит токены на каждый промежуточный шаг, системные промпты, контекст истории. Рост расхода на 40% в одном вызове превращается в нелинейный рост при цепочке вызовов.
Рынок движется к снижению стоимости «сырых» токенов — это видно по OpenAI, Google, DeepSeek, Qwen. Anthropic, по данным Artificial Analysis, идёт иным путём: цена за токен стоит, расход под капотом растёт. Это не обязательно злой умысел — более умная модель может объективно генерировать больше токенов ради лучшего ответа. Но конечному пользователю от этого не легче.
Кейсы применения в бизнесе
B2B-SaaS стартап: Если продукт строится поверх Claude API — RAG-поиск, агентный модуль, генерация отчётов — немедленно запустите токен-аудит. Сравните среднее число токенов на запрос между старой и новой моделью на идентичном наборе тестов. Рост выше 20–25% уже меняет юнит-экономику. Вариант оптимизации: включить prompt caching для повторяющихся системных промптов и сжатие истории чата — это снижает токенный расход без деградации качества.
Корпорация с legacy: Крупные компании, внедряющие Claude в юридический анализ, HR-автоматизацию, корпоративный поиск, рискуют получить счёт, который значительно превышает пилотные оценки. Сценарий: заложить в договоре с провайдером стоимостной cap или настроить собственный токен-трекинг с алертами на аномальный рост расходов. Переход на новую модель без такого мониторинга — слепой полёт.
SMB / локальный бизнес в КР/СНГ: Небольшие команды, которые используют Claude для ответов на входящие, разбора документов, генерации постов, пока не почувствуют разницу — объёмы не те. Но при масштабировании до тысяч запросов в день разница в токенах становится ощутимой. Стоит уже сейчас разделить задачи: Haiku для лёгкой классификации и роутинга, Sonnet — только для сложных reasoning-задач.
Кейсы в личной жизни
Разработчик: Если используете Claude через API в своих инструментах или Claude Code — проверьте логи токенов. Многие не смотрят на input/output раздельно. Anthropic Console показывает расход в реальном времени. Сравните метрику «токены на запрос» в разные периоды — аномалия заметна сразу.
Контент-мейкер: При генерации длинного контента — скрипты, статьи, рерайт — токенный расход ощущается сильнее всего. Попробуйте явно ограничивать длину ответа в промпте («не более X слов», «три абзаца») и использовать структурированные шаблоны вместо открытых инструкций. Модели склонны к verbosity — её можно контролировать.
Студент / фрилансер: При использовании Claude.ai по подписке изменение токенного расхода не ощущается напрямую — лимиты заложены в тариф. Но при переходе на API-интеграцию или построении собственного ассистента токенная арифметика становится реальной. Начинайте с мониторинга расходов с первого дня, не после первого крупного счёта.
Как применить сегодня
- Откройте Anthropic Console → Usage dashboard: проверьте среднее число токенов на запрос в вашем проекте за последние 30 дней.
- Прогоните 20–30 идентичных запросов на Sonnet 4.5 и Sonnet 5 и посчитайте среднее — разница покажет реальную стоимость апгрейда.
- Включите prompt caching для часто повторяющихся системных промптов — Anthropic предоставляет скидку на кешированные токены.
- Для лёгких задач (классификация, роутинг, короткие ответы) переведите нагрузку на Haiku 4.5, оставив Sonnet 5 для сложных reasoning-цепочек.
- В агентных сценариях ограничьте длину tool-output и размер history window — это напрямую сокращает токенный расход на каждый шаг.