Seleccionar un modelo: Claude Fable 5, Opus 4.8, Sonnet 5 y Haiku 4.5
El parámetro model es la palanca más importante que tiene sobre el costo, la latencia y la calidad de la salida.
A partir de aproximadamente junio de 2026, la línea actual de Claude abarca cuatro niveles: Claude Fable 5, Claude Opus 4.8, Claude Sonnet 5 y Claude Haiku 4.5.
Esta página los compara para que pueda elegir el valor predeterminado correcto y sepa cuándo una tarea específica justifica subir o bajar de nivel.
Resumen
Claude Sonnet 5, lanzado el 2026-06-30, es el modelo predeterminado para la mayoría de las aplicaciones, ya que equilibra la capacidad y el costo.
Claude Opus 4.8 es el modelo insignia de razonamiento, que vale el precio más alto para tareas genuinamente difíciles y de varios pasos.
Claude Haiku 4.5 es la opción más rápida y económica, diseñada para tareas de alto volumen, sensibles a la latencia o simples.
Claude Fable 5 se sitúa por encima de Opus como un nivel superior/"clase Mythos" con la mayor ventana de contexto y el techo de salida más alto, reservado para las cargas de trabajo más exigentes.
Las cadenas de ID de modelo exactas y los precios cambian a medida que se lanzan nuevas versiones; confirme siempre los valores actuales en la documentación de la API antes de codificarlos en el código de producción.
Receta
Tarjeta de receta de referencia rápida, lista para copiar y pegar.
import anthropic
client = anthropic.Anthropic()
# Opción predeterminada para la mayoría del código de la aplicación
response = client.messages.create(
model="claude-sonnet-5-20260630",
max_tokens=500,
messages=[{"role": "user", "content": "Redacta un resumen de actualización de producto."}],
)
# Opción más económica y rápida para tareas simples y de alto volumen
fast_response = client.messages.create(
model="claude-haiku-4-5-20260601",
max_tokens=100,
messages=[{"role": "user", "content": "Clasifica este ticket como facturación, error o solicitud de función."}],
)Cuándo usar esto:
- Elija
claude-sonnet-5por defecto, a menos que tenga una razón específica para cambiarlo. - Use
claude-haiku-4-5para clasificación, extracción o chat simple donde la velocidad y el costo sean primordiales. - Use
claude-opus-4-8para razonamiento de varios pasos, generación de código compleja o análisis de alto riesgo. - Reserve
claude-fable-5para las cargas de trabajo con el contexto más grande o las más exigentes, donde su techo y precio más altos estén justificados.
Ejemplo de trabajo
import anthropic
client = anthropic.Anthropic()
def classify_ticket(ticket_text: str) -> str:
"""Modelo económico y rápido: tarea de clasificación simple, alto volumen."""
response = client.messages.create(
model="claude-haiku-4-5-20260601",
max_tokens=20,
temperature=0,
messages=[{
"role": "user",
"content": f"Clasifica con exactamente una palabra (facturación/error/función): {ticket_text}",
}],
)
return response.content[0].text.strip()
def draft_incident_report(logs: str) -> str:
"""Modelo insignia: síntesis de una tarea de razonamiento de varios pasos."""
response = client.messages.create(
model="claude-opus-4-8-20260415",
max_tokens=1500,
messages=[{
"role": "user",
"content": f"Analiza estos registros y redacta un informe de causa raíz del incidente:\n\n{logs}",
}],
)
return response.content[0].text
if __name__ == "__main__":
print(classify_ticket("Mi factura me cobró dos veces este mes."))Lo que esto demuestra:
- Adaptar el nivel del modelo a la complejidad de la tarea dentro de la misma aplicación, en lugar de usar un solo modelo en todas partes.
- Uso de
claude-haiku-4-5contemperature=0para una tarea de clasificación determinista. - Reserva de
claude-opus-4-8para la tarea de razonamiento más difícil y de menor volumen, donde la calidad importa más que el costo por llamada.
Profundización
Cómo funciona
- Todos los modelos de Claude comparten la misma forma de la API de Mensajes;
modeles lo único que cambia para cambiar de nivel. - Los precios son por millón de tokens (MTok), divididos en tarifas de entrada y salida; los tokens de salida generalmente cuestan más que los tokens de entrada en toda la línea.
- La ventana de contexto (cuánta entrada puede considerar un modelo) y los tokens de salida máximos son límites independientes; ambos son importantes para tareas con documentos grandes o respuestas generadas largas.
- La elección del modelo se acumula: una canalización de alto volumen que llama a un modelo insignia en cada solicitud puede costar mucho más que la misma canalización que dirige los casos simples a un modelo más económico primero.
Comparación de modelos
| Modelo | Nivel | Ventana de contexto | Salida máxima | Precios aproximados (entrada/salida por MTok) |
|---|---|---|---|---|
| Claude Fable 5 | Clase superior / Mythos | 1M tokens | 128K tokens | ~$10 / $50 |
| Claude Opus 4.8 | Razonamiento insignia | 1M tokens (predeterminado) | Grande, dependiente del modelo | ~$5 / $25 |
| Claude Sonnet 5 | Predeterminado | Grande | Grande | ~$2 / $10 precio introductorio hasta el 2026-08-31, luego ~$3 / $15 |
| Claude Haiku 4.5 | Más rápido / más económico | 200K tokens | Dependiente del modelo | ~$1 / $5 |
Los precios y las cifras exactas de contexto/salida cambian con los nuevos lanzamientos; trate la tabla anterior como una comparación direccional y confirme los números actuales en platform.claude.com/docs antes de presupuestar.
Cuándo destaca cada nivel
- Claude Haiku 4.5: clasificación, etiquetado, extracción corta, chatbots simples, sugerencias de estilo de autocompletado, cualquier cosa llamada a alto volumen donde la latencia y el costo dominan.
- Claude Sonnet 5: lógica de aplicaciones de propósito general, la mayoría de los productos de chat, resumen, generación de código moderada, el valor predeterminado seguro cuando no está seguro.
- Claude Opus 4.8: razonamiento de varios pasos, revisión o generación de código compleja, análisis cuidadoso donde una respuesta incorrecta es costosa.
- Claude Fable 5: los documentos o bases de código más grandes que necesitan la ventana de contexto completa de 1M y el techo de salida más alto, o tareas que se benefician específicamente de la capacidad adicional del modelo de nivel superior.
Notas de Python
# Centraliza la elección del modelo como constantes con nombre en lugar de
# dispersar cadenas literales por una base de código; esto hace que
# un cambio futuro de modelo sea un cambio de una sola línea.
MODEL_FAST = "claude-haiku-4-5-20260601"
MODEL_DEFAULT = "claude-sonnet-5-20260630"
MODEL_FLAGSHIP = "claude-opus-4-8-20260415"Trampas
- Usar el modelo insignia en todas partes "por seguridad". Esto infla el costo para tareas que un modelo más económico maneja igual de bien. Solución: use
claude-sonnet-5por defecto y solo dirija tareas difíciles específicas aclaude-opus-4-8oclaude-fable-5. - Codificar una cadena de ID de modelo obsoleta sin verificar si hay actualizaciones. Las cadenas de ID de modelo y la disponibilidad cambian a medida que se lanzan nuevas versiones. Solución: verifique periódicamente los ID de modelo actuales en la documentación y centralícelos como constantes con nombre (ver Notas de Python) para que las actualizaciones sean un cambio de una sola línea.
- Asumir que un modelo más económico no puede manejar una tarea sin probarlo. Los modelos de nivel Haiku a menudo son suficientes para tareas de clasificación y extracción que se asume que necesitan un modelo más grande. Solución: evalúe una muestra de su tarea real en el nivel más económico antes de usar por defecto uno más caro.
- Ignorar el costo de los tokens de salida cuando la respuesta es larga. Los tokens de salida generalmente tienen un precio más alto que los tokens de entrada en toda la línea, y las generaciones largas suman rápidamente. Solución: establezca un límite
max_tokenssensato y superviseusage.output_tokenscon tráfico real. - No tener en cuenta las ventanas de precios introductorios. La tarifa de ~$2/$10 de Sonnet 5 es introductoria hasta el 2026-08-31, después de lo cual pasará a ~$3/$15. Solución: presupueste la tarifa posterior a la ventana, no solo el precio de lanzamiento, al pronosticar costos a largo plazo.
Alternativas
| Alternativa | Usar cuando | No usar cuando |
|---|---|---|
| Estrategia de modelo único (siempre Sonnet 5) | Base de código más simple, volumen moderado, sin fuerte presión de costos | Existen tareas simples de alto volumen que un modelo más económico maneja igual de bien |
| Enrutamiento por niveles (Haiku para simple, Sonnet para general, Opus/Fable para difícil) | Sistemas de producción sensibles al costo y de alto volumen con dificultad de tarea variada | Proyectos pequeños donde la lógica de enrutamiento adicional no vale la complejidad |
| Siempre el modelo insignia | Tareas de bajo volumen y alto riesgo donde la calidad domina el costo | Cualquier carga de trabajo de alto volumen o sensible a la latencia |
Preguntas frecuentes
¿Qué modelo debo usar si no estoy seguro?
Claude Sonnet 5, es el valor predeterminado actual y el punto de partida correcto para la mayoría del código de la aplicación.
¿Cuál es el modelo más rápido y económico de la línea?
Claude Haiku 4.5, diseñado para tareas de alto volumen, sensibles a la latencia o simples como clasificación y extracción.
¿Cuándo vale la pena el precio más alto de Claude Opus 4.8 sobre Sonnet 5?
Para tareas de razonamiento genuinamente difíciles y de varios pasos, revisión o generación de código compleja, o análisis donde una respuesta incorrecta es costosa, no para la lógica de aplicaciones rutinarias.
¿Qué diferencia a Claude Fable 5 de Opus 4.8?
Se sitúa por encima de Opus como un modelo de nivel superior con la ventana de contexto más grande (1M tokens) y la salida máxima más alta (128K tokens), para las cargas de trabajo más exigentes.
¿Son los precios que se muestran en esta página exactos y permanentes?
No, considérelos como direccionales; el precio exacto cambia con los nuevos lanzamientos y Sonnet 5 en particular tiene una tarifa introductoria hasta el 2026-08-31 antes de que aumente.
¿Puedo mezclar modelos dentro de la misma aplicación?
Sí, y es un patrón común y rentable, dirigir tareas simples y de alto volumen a un modelo más económico y reservar el insignia para las realmente difíciles.
¿Una ventana de contexto más grande siempre significa un mejor modelo para mi tarea?
No, el tamaño de la ventana de contexto solo importa si su entrada es realmente grande; para indicaciones cortas, el nivel del modelo (calidad de razonamiento, velocidad, costo) importa más que el tamaño del contexto.
¿Debo codificar cadenas de ID de modelo en toda mi base de código?
No, céntrelas como constantes con nombre en un solo lugar, de modo que un cambio futuro de modelo sea una actualización de una sola línea en lugar de una búsqueda y reemplazo en toda la base de código.
¿El costo de los tokens de salida es el mismo que el costo de los tokens de entrada?
No, los tokens de salida generalmente tienen un precio más alto que los tokens de entrada en toda la línea, lo que importa más para las tareas con respuestas generadas largas.
¿Con qué frecuencia cambian los nombres y precios de los modelos?
Con la frecuencia suficiente como para que las suposiciones codificadas se vuelvan obsoletas; siempre verifique los ID de modelo y los precios actuales en platform.claude.com/docs en lugar de depender de los datos de entrenamiento o de la documentación anterior.
Relacionado
- Hoja de referencia de parámetros de solicitud de la API de Claude - el parámetro
modeljunto con el resto de la solicitud. - Conceptos básicos de los fundamentos de la API de Claude - estos modelos utilizados en ejemplos ejecutables.
- Creación de un envoltorio reutilizable para la API de Claude - centralización de los valores predeterminados del modelo en un envoltorio.
Versiones de pila: Escrito contra la línea de modelos de Claude actual a partir de aproximadamente junio de 2026: Claude Fable 5, Claude Opus 4.8, Claude Sonnet 5 (el predeterminado) y Claude Haiku 4.5, y el SDK oficial de Python
anthropic(última versión 0.x). Los nombres de los modelos, las versiones del SDK y los precios cambian rápidamente; verifique los detalles actuales en platform.claude.com/docs antes de confiar en ellos.