Selecionando um Modelo: Claude Fable 5, Opus 4.8, Sonnet 5 e Haiku 4.5

O parâmetro model é a alavanca mais importante que você tem sobre custo, latência e qualidade da saída.

A partir de ~junho de 2026, a linha atual do Claude abrange quatro níveis: Claude Fable 5, Claude Opus 4.8, Claude Sonnet 5 e Claude Haiku 4.5.

Esta página os compara para que você possa escolher o padrão certo e saber quando uma tarefa específica justifica subir ou descer de nível.

Resumo

Claude Sonnet 5, lançado em 30/06/2026, é o modelo padrão para a maioria das aplicações, equilibrando capacidade e custo.

Claude Opus 4.8 é o modelo de raciocínio principal, valendo o preço mais alto para tarefas genuinamente difíceis e de múltiplos passos.

Claude Haiku 4.5 é a opção mais rápida e barata, construída para tarefas de alto volume, sensíveis à latência ou simples.

Claude Fable 5 fica acima do Opus como um nível superior/"classe Mythos" com a maior janela de contexto e teto de saída, reservado para as cargas de trabalho mais exigentes.

As strings exatas de ID do modelo e os preços mudam à medida que novas versões são lançadas, sempre confirme os valores atuais na documentação da API antes de codificá-los em produção.

Receita

Cartão de receita de referência rápida - pronto para copiar e colar.

import anthropic
 
client = anthropic.Anthropic()
 
# Escolha padrão para a maioria do código da aplicação
response = client.messages.create(
    model="claude-sonnet-5-20260630",
    max_tokens=500,
    messages=[{"role": "user", "content": "Esboce um resumo de atualização de produto."}],
)
 
# Escolha mais barata e rápida para tarefas simples e de alto volume
fast_response = client.messages.create(
    model="claude-haiku-4-5-20260601",
    max_tokens=100,
    messages=[{"role": "user", "content": "Classifique este ticket como cobrança, bug ou solicitação de recurso."}],
)

Quando usar isso:

• Use claude-sonnet-5 como padrão, a menos que você tenha um motivo específico para alterá-lo.
• Use claude-haiku-4-5 para classificação, extração ou chat simples onde velocidade e custo são dominantes.
• Use claude-opus-4-8 para raciocínio de múltiplos passos, geração de código complexa ou análise de alto risco.
• Reserve claude-fable-5 para as cargas de trabalho de maior contexto ou mais exigentes, onde seu teto mais alto e preço são justificados.

Exemplo de Trabalho

import anthropic
 
client = anthropic.Anthropic()
 
def classify_ticket(ticket_text: str) -> str:
    """Modelo barato e rápido - tarefa de classificação simples, alto volume."""
    response = client.messages.create(
        model="claude-haiku-4-5-20260601",
        max_tokens=20,
        temperature=0,
        messages=[{
            "role": "user",
            "content": f"Classifique com exatamente uma palavra (cobranca/bug/recurso): {ticket_text}",
        }],
    )
    return response.content[0].text.strip()
 
 
def draft_incident_report(logs: str) -> str:
    """Modelo principal - tarefa de raciocínio de múltiplos passos para síntese."""
    response = client.messages.create(
        model="claude-opus-4-8-20260415",
        max_tokens=1500,
        messages=[{
            "role": "user",
            "content": f"Analise estes logs e elabore um relatório de incidente de causa raiz:\n\n{logs}",
        }],
    )
    return response.content[0].text
 
 
if __name__ == "__main__":
    print(classify_ticket("Minha fatura me cobrou duas vezes este mês."))

O que isso demonstra:

• Correspondência do nível do modelo à complexidade da tarefa dentro da mesma aplicação, em vez de usar um único modelo em todos os lugares.
• Uso de claude-haiku-4-5 com temperature=0 para uma tarefa de classificação determinística.
• Reserva de claude-opus-4-8 para a tarefa de raciocínio mais difícil e de menor volume, onde a qualidade importa mais do que o custo por chamada.

Análise Detalhada

Como Funciona

• Todos os modelos Claude compartilham a mesma estrutura da API Messages, model é a única coisa que você muda para alternar os níveis.
• Os preços são por milhão de tokens (MTok), divididos em taxas de entrada e saída; os tokens de saída geralmente custam mais do que os tokens de entrada em toda a linha.
• A janela de contexto (quanto de entrada um modelo pode considerar) e o número máximo de tokens de saída são limites independentes, ambos importam para tarefas com documentos grandes ou respostas geradas longas.
• A escolha do modelo se compõe: um pipeline de alto volume chamando um modelo principal em cada solicitação pode custar muito mais do que o mesmo pipeline direcionando casos simples para um modelo mais barato primeiro.

Comparação de Modelos

Os preços e as figuras exatas de contexto/saída mudam com novos lançamentos, trate a tabela acima como uma comparação direcional e confirme os números atuais em platform.claude.com/docs antes de orçar.

Quando Cada Nível Vence

• Claude Haiku 4.5: classificação, etiquetagem, extração curta, chatbots simples, sugestões estilo autocomplete, qualquer coisa chamada em alto volume onde latência e custo dominam.
• Claude Sonnet 5: lógica de aplicação de propósito geral, a maioria dos produtos de chat, sumarização, geração de código moderada, o padrão seguro quando você não tem certeza.
• Claude Opus 4.8: raciocínio de múltiplos passos, revisão ou geração de código complexa, análise cuidadosa onde uma resposta errada é custosa.
• Claude Fable 5: os maiores documentos ou bases de código que precisam da janela de contexto completa de 1M e do teto de saída mais alto, ou tarefas que se beneficiam especificamente da capacidade extra do modelo principal.

Notas Python

# Centralize a escolha do modelo como constantes nomeadas em vez de
# espalhar strings literais pelo código - isso torna
# uma futura troca de modelo uma mudança de uma linha.
MODEL_FAST = "claude-haiku-4-5-20260601"
MODEL_DEFAULT = "claude-sonnet-5-20260630"
MODEL_FLAGSHIP = "claude-opus-4-8-20260415"

Armadilhas

• Usar o modelo principal em todos os lugares "para garantir". Isso infla o custo para tarefas que um modelo mais barato lida igualmente bem. Correção: use claude-sonnet-5 como padrão e direcione apenas tarefas difíceis específicas para claude-opus-4-8 ou claude-fable-5.
• Codificar uma string de ID de modelo desatualizada sem verificar atualizações. As strings de ID de modelo e a disponibilidade mudam à medida que novas versões são lançadas. Correção: verifique periodicamente os IDs de modelo atuais na documentação e centralize-os como constantes nomeadas (veja Notas Python) para que as atualizações sejam uma mudança de uma linha.
• Assumir que um modelo mais barato não pode lidar com uma tarefa sem testá-lo. Modelos da classe Haiku são frequentemente suficientes para tarefas de classificação e extração que se assume que precisam de um modelo maior. Correção: compare uma amostra de sua tarefa real no nível mais barato antes de usar um mais caro como padrão.
• Ignorar o custo do token de saída quando a resposta é longa. Os tokens de saída são tipicamente precificados mais alto do que os tokens de entrada em toda a linha, e gerações longas se acumulam rapidamente. Correção: defina um limite sensato para max_tokens e monitore usage.output_tokens com tráfego real.
• Não levar em conta as janelas de preço introdutório. A taxa de ~$2/$10 do Sonnet 5 é introdutória até 31/08/2026, após o que ela passará para ~$3/$15. Correção: orce a taxa pós-janela, não apenas o preço de lançamento, ao prever custos de longo prazo.

Alternativas

FAQs

Relacionado

• Cheatsheet de Parâmetros de Requisição da API Claude - o parâmetro model junto com o restante da requisição.
• Noções Básicas de Fundamentos da API Claude - esses modelos usados em exemplos executáveis.
• Construindo um Wrapper Reutilizável para o Cliente da API Claude - centralizando padrões de modelo em um wrapper.

Versões da Pilha: Escrito contra a linha de modelos Claude atual a partir de ~junho de 2026 - Claude Fable 5, Claude Opus 4.8, Claude Sonnet 5 (o padrão) e Claude Haiku 4.5 - e o SDK oficial anthropic para Python (última versão 0.x). Nomes de modelos, versões de SDK e preços mudam rapidamente - verifique os detalhes atuais em platform.claude.com/docs antes de confiar neles.