# Claude модели: как выбрать режим мышления агента в 2026 году

> Claude - это линейка моделей с разной скоростью, стоимостью и глубиной работы. Разбираю, какую модель и какой режим выбрать для простого фикса, сложного бага или длинной агентной задачи.

Источник: https://vibeceh.ru/guides/model-claude-kak-vybrat-rezhim-myshleniya-pod-zadachu-agenta
Автор: Сергей Мазур · опубликовано 2026-08-13

Если ты ищешь **claude модели**, начни с задачи, которую должен выполнить агент. Claude предлагает модели с разным балансом качества, скорости и стоимости, а режим мышления помогает глубже разбирать сложные шаги и увеличивает расход токенов. Ниже я связываю модель и режим с конкретным действием агента, от мелкого фикса до архитектуры. Общий маршрут вайб-кодинга с нуля я собрал в [практикуме по вайб-кодингу](/guides/vajb-koding-s-nulya). Для выбора под конкретную задачу начни с таблицы в разделе «Какую модель Claude использовать для агента?».

## Что такое модели Claude и зачем выбирать режим?

claude модели - это семейство моделей Anthropic. При выборе я смотрю на три вещи: качество результата, скорость ответа и стоимость. Режим мышления задаёт дополнительную работу перед ответом. Поэтому для простой правки можно взять быстрый вариант, а для сложного бага усилить работу внутри той же модели.

Для подписи кнопки мне не нужна самая дорогая модель: я ставлю низкий effort и проверяю diff. Для причины ошибки в нескольких сервисах важнее доступные модели и более глубокая проверка результата.

В документации Anthropic Claude описан так:

Перевод с английского: «Claude - это семейство передовых больших языковых моделей, разработанных Anthropic».

Для выбора достаточно держать в голове три критерия:

- **Качество.** Насколько хорошо модель справляется с неоднозначным кодом, архитектурой и цепочкой действий.
- **Скорость.** Сколько ты готов ждать ответ и вызовы инструментов.
- **Стоимость.** Сколько входных и выходных токенов уйдёт на задачу.

Режимы `thinking` и `effort` находятся на другом уровне. Они сохраняют различия между Haiku и Opus. При этом меняется то, сколько работы модель готова вложить в конкретный ответ или агентный цикл.

Тут легко запутаться из-за интерфейса. По свёрнутому или не показанному блоку thinking я не делаю вывод, что reasoning не было: сверяюсь с документацией и фактическим расходом токенов.

Я бы выбирал так: сначала оцени задачу, потом модель, потом effort. Не наоборот. Если агент должен поменять подпись кнопки, дорогая модель с максимальным усилием только добавит задержку и пространство для лишних изменений.

## Какие модели Claude бывают и чем они отличаются?

список моделей, цены, контекст и доступные режимы меняются, поэтому перед выбором я сверяю официальную таблицу Anthropic и доступный список в Claude Code на дату проверки. Затем выбираю модель по неопределённости шага, цене ошибки и требуемой скорости, а после запуска проверяю diff, вызовы инструментов и тесты. Так таблица помогает начать выбор, но не подменяет проверку результата на своей задаче.

Если ты сравниваешь модели Claude, начни с выбора под конкретный шаг агента:

| Что сравнить | Что проверить перед выбором |
|---|---|
| Возможности | Решает ли модель именно этот тип задачи |
| Скорость | Сколько времени занимают ответ и вызовы инструментов |
| Цена | Тариф input/output на текущей странице Anthropic |
| Контекст | Сколько данных помещается в текущем продукте |
| Thinking | Какой режим доступен для выбранной модели |

| Тип доступной модели | Когда я её выбираю | Что проверяю | Ограничение |
|---|---|---|---|
| Быстрая доступная модель | Короткая повторяемая операция | Результат, diff и задержку | Не предполагаю, что она справится со сложной диагностикой |
| Рабочая доступная модель | Обычная разработка и фича с тестами | Diff, тесты и число повторных попыток | Возможности и тариф сверяю в актуальном списке Anthropic |
| Более сильная доступная модель | Плохо локализованный баг и архитектурный анализ | Гипотезу, изменения и тесты | Более высокая цена не гарантирует нужный результат |
| Модель с подходящим контекстом и инструментами | Длинная автономная цепочка действий | Доступность контекста, инструментов и фактический прогресс | Не подставляю характеристики из старой статьи |

Доступность тоже имеет значение. Она зависит от продукта, аккаунта и текущих условий Anthropic. Если нужная модель не появляется в Claude Code, не подставляй её характеристики из старой статьи: проверь официальный список и настройки текущего продукта.

Моё правило выбора простое: проверяй доступность и назначение конкретной модели по [актуальному списку Anthropic](https://platform.claude.com/docs/en/about-claude/models/overview) на дату выбора. Не переноси в Claude Code ограничения, относящиеся к другой модели или продукту.

Ориентируйся на доступность модели и её название в таблице. Точные ограничения зависят от продукта и текущей конфигурации. Если модель не появляется в `/model`, ориентируйся на список внутри самого Claude Code.

## Какую модель Claude использовать для агента?

для простого и быстрого действия начни с самой быстрой доступной модели на низком effort. Для обычной разработки сравни рабочую модель с более сильной на одной контрольной задаче и проверь diff, тесты и число повторных попыток. Для сложного бага, архитектуры и длинной автономной работы смотри на модель с нужными возможностями. Это стартовая эвристика, а не универсальный рейтинг: важнее неопределённость текущего шага и цена ошибки.

![Кот одобряет выбор быстрой модели для простой задачи на низком effort.](https://s3.regru.cloud/crossmark/statejnik/images/guides/model-claude-kak-vybrat-rezhim-myshleniya-pod-zadachu-agenta/kadr-1.webp)

Если ты спрашиваешь, **какую модель claude использовать**, свяжи выбор с действием агента и его неопределённостью.

| Задача | Модель | Стартовый режим |

Уровень `xhigh` или `max` выбирай только если его поддерживает текущая модель; для недоступного уровня используй ближайший поддерживаемый.
|---|---|---|
| Изменить текст, цвет или CSS в одном месте | Самая быстрая доступная модель | `low` или `medium` |
| Сделать обычную фичу с тестами | Рабочая модель из текущего списка | `high` |
| Найти сложный баг в нескольких файлах | Более сильная доступная модель или высокий effort | `high` или `xhigh` |
| Разобрать архитектуру и зависимости | Модель с подходящими возможностями | `xhigh` или `max` |
| Долго работать автономно | Модель, поддерживающая нужные инструменты и контекст | `xhigh` или `max` при наличии |

Anthropic предлагает начинать с быстрой и более экономичной модели для прототипирования, задач с жёсткой задержкой и большого потока простых запросов. Сложные задачи требуют другой логики: сначала смотреть на capability, то есть на способность модели решить задачу, а уже потом на цену.

Перевод с английского: «Для многих приложений оптимальным подходом может быть начать с более быстрой и экономичной модели, такой как Claude Haiku 4.5».

Маленький проект не гарантирует простую задачу. В небольшом приложении может быть одна плохо понятная интеграция с API, и тогда понадобится высокий effort. Большой проект может состоять из десятков понятных точечных правок, для которых достаточно `medium`.

Поэтому я задаю себе один вопрос: сколько неизвестного агенту предстоит выяснить на этом ходу?

1. Неизвестного почти нет. Я начинаю с быстрой доступной модели на `low` или `medium`.
2. Нужно прочитать несколько файлов и проверить связи. Я беру рабочую доступную модель на `high`.
3. Непонятно, где причина, есть несколько гипотез и инструментов. Я выбираю более сильную доступную модель или увеличиваю effort в рабочей модели.
4. Нужно долго планировать, менять много частей и проверять результат. Я смотрю на модель с подходящими возможностями и контекстом.

Для субагентов я проверяю отдельную настройку в [документации Claude Code](https://code.claude.com/docs/en/model-config). Поиск файла и просмотр diff не должны автоматически получать тот же дорогой режим, что и сложный анализ. Если субагент наследует уровень сессии, я задаю ему отдельный уровень в конфигурации.

## Чем отличаются качество, скорость и цена моделей Claude?

у моделей Claude нет одной официальной шкалы, где качество, скорость и цена сведены в общий балл. Поэтому я сверяю актуальный список Anthropic, доступность в Claude Code и тариф выбранной модели. Цена зависит от входных и выходных токенов, длины контекста и количества дополнительного thinking.

Вопросы **claude какая модель лучше** и **сравнение моделей claude** имеют смысл только вместе с условиями выбора и контекстом задачи.

| Если приоритет | Смотри сначала на |
|---|---|
| Минимальная задержка | Самая быстрая доступная модель |
| Баланс для разработки | Рабочая доступная модель |
| Сложная логика и автономность | Более сильная доступная модель |
| Длинный агентный workflow | Модель с подходящими возможностями и контекстом |
| Контроль расходов | Более дешёвую модель и подходящий effort |
| Максимальная способность на критичном шаге | Более сильная доступная модель с высоким effort, если она подходит по результату |

Anthropic описывает выбор через баланс трёх параметров:

Перевод с английского: «Выбор оптимальной модели Claude для приложения предполагает баланс трёх ключевых факторов: возможностей, скорости и стоимости».

Цена растёт не только из-за названия модели. Thinking-токены считаются выходными. Длинный контекст увеличивает число оплачиваемых input-токенов; отдельная надбавка зависит от модели и продукта. Расход учитывает всю цепочку, включая финальный текст.

Из этого следуют четыре практических правила:

- Самая дорогая модель не обязана быть лучшей для каждой операции.
- Дешёвая модель не становится выгодной, если из-за ошибок агент повторяет работу.
- Низкий effort может быть разумнее смены модели.
- Сравнивай модели по результату на реальной задаче и нескольким проверкам.

Большой контекст тоже не заменяет качество. Модель может вместить много файлов, но плохо выбрать нужную гипотезу. И наоборот: небольшая задача с ясным критерием готовности может решиться быстро и без длинного thinking.

Главный практический рычаг здесь такой:

Перевод с английского: «Настройка effort часто оказывается более эффективным рычагом, чем смена моделей».

Я бы сначала повышал effort внутри той же модели. Перейти на более сильную доступную модель стоит тогда, когда после нескольких проверенных попыток проблема упирается именно в возможности текущей модели. Перед этим проверь ясность задачи и качество контекста.

Я не переношу в статью выдуманные цифры контрольного запуска: для своего сравнения фиксирую задачу, доступную модель, effort, задержку, токены, стоимость, число попыток и итоговый diff. Такой протокол позволяет проверить выбор на реальной задаче, а не обещать универсальную экономию.

## Что меняет режим мышления Claude?

`thinking` включает дополнительную работу перед ответом. `effort` регулирует общий объём усилий модели, включая текст и вызовы инструментов. `max_tokens` задаёт жёсткий верхний предел вывода. Reasoning-токены входят в этот предел и тарифицируются как output, даже если блок рассуждения скрыт.

Эти настройки часто смешивают. Я разделяю их так:

- `thinking` отвечает за то, включено ли отдельное рассуждение перед ответом.
- `effort` задаёт поведенческий уровень общей тщательности для токенов ответа, вызовов инструментов и thinking, когда он активен ([документация Anthropic](https://platform.claude.com/docs/en/build-with-claude/effort)).
- `max_tokens` ограничивает максимальный объём вывода.

Anthropic объясняет смысл thinking так:

Перевод с английского: «Thinking снимает это ограничение. Когда thinking активен, Claude прорабатывает проблему своими словами перед тем, как ответить».

Thinking особенно полезен для сложной математики, кода, анализа и длинной агентной работы. Для короткого переименования переменной он не обязан приносить пользу.

`effort` шире. Он влияет на:

- текстовые ответы и объяснения;
- вызовы инструментов и их аргументы;
- thinking, когда он активен.

Это важно именно в Claude Code. Агент не только пишет текст. Он читает файлы, запускает команды, вызывает MCP-инструменты, то есть внешние инструменты и данные, анализирует результаты и выбирает следующий шаг. Перед подключением MCP я проверяю права и опасные действия по [отдельному чек-листу](/guides/mcp-proverit-instrument-agenta-do-vydachi-dostupa).

`max_tokens` работает иначе. Эта настройка задаёт верхний предел вывода. Для thinking-enabled моделей reasoning-токены входят в `max_tokens` и учитываются в лимите контекста ([документация Anthropic](https://platform.claude.com/docs/en/about-claude/models/extended-thinking)). Если предел маленький, на рассуждение и финальный ответ остаётся меньше места.

Стоимость тоже стоит отделить от интерфейса:

Стоимость reasoning учитывается в выходных токенах, если модель использовала этот режим. Перед расчётом сверяй [текущий Pricing Anthropic](https://platform.claude.com/docs/en/about-claude/pricing).

Скрытый блок не означает бесплатный блок. Если модель потратила токены на reasoning, они участвуют в оплате как output.

Ещё есть два подхода к мышлению:

- **Adaptive Thinking.** На поддерживаемых adaptive-моделях модель сама решает, нужен ли thinking на конкретном шаге. Рутинные действия могут пройти быстрее.
- **Extended Thinking.** Используется фиксированный бюджет `budget_tokens` в совместимом legacy-режиме.

Совместимость Adaptive Thinking, Extended Thinking и effort зависит от конкретной модели и продукта. Перед настройкой проверь документацию выбранной модели: не переноси fixed-budget параметры в adaptive-режим без подтверждения.

## Какой effort выбрать для простой и сложной задачи?

начни с `low` для короткой точечной правки, с `medium` для обычной повторяемой работы, с `high` для сложного кода и агентных задач. `xhigh` оставь для длинной и запутанной работы, `max` - для критичных сложных шагов. Эти уровни не равны точному числу токенов: effort служит поведенческим сигналом, а предел задаёт `max_tokens`.

Ниже моя стартовая эвристика, а не универсальная матрица: я соотношу уровень с неопределённостью задачи и затем проверяю результат по diff и тестам. Общие назначения уровней описаны в [документации Claude Code](https://code.claude.com/docs/en/model-config).

| Effort | Когда начинать |

Уровни зависят от текущей модели: сначала проверь её матрицу совместимости, а недоступный уровень замени ближайшим поддерживаемым.

| Effort | Когда начинать |
|---|---|
| `low` | Короткая простая задача, где важна задержка |
| `medium` | Баланс скорости, стоимости и качества |
| `high` | Сложное рассуждение, код и агентные задачи |
| `xhigh` | Длинная автономная или coding-задача |
| `max` | Максимальная способность без ориентира на экономию токенов |

Одинаковое имя уровня не означает одинаковый внутренний бюджет на разных моделях. `high` у Sonnet и `high` у Opus не обязаны вести себя одинаково.

Anthropic прямо называет effort поведенческим сигналом. Строгого бюджета токенов он не задаёт. Поэтому нельзя честно обещать формулу «`high` всегда расходует ровно столько-то».

Я использую такую последовательность:

1. Начать с минимального уровня, который подходит по неопределённости.
2. Проверить не только текст ответа, но и изменённые файлы, команды и тесты.
3. Повысить effort внутри той же модели, если агент не понял ограничение или пропустил связь.
4. Перейти на более сильную модель, если проблема повторяется после нормального контекста и высокого effort.

Главное правило выбора effort: сначала повышай effort внутри той же модели. Переход на более дорогую модель оставляй для следующего шага. Anthropic отдельно указывает, что tuning effort часто эффективнее смены модели.

Для агента с MCP, базами данных, API, логами и JSON я бы не оставлял `medium` по умолчанию. Если MCP вернул большой JSON, я ставлю `high` и прошу агента назвать поля, которые он прочитал. Потом сверяю их с ответом инструмента.

Здесь размер проекта вторичен: смотри на сложность результата, который агент должен прочитать. Простой diff можно просмотреть на `medium`. Структурированный ответ инструмента с несколькими полями требует `high` и проверки фактического результата.

В длинном workflow лучше смешивать режимы по этапам. Планирование и диагностика получают высокий effort. Поиск файла, чтение diff и повторяемая подстановка получают низкий или средний.

## Как настроить модель и режим по шагам?

в Claude Code модель меняется через `/model` или при запуске через `claude --model`, а длительность усилий - через `/effort` или переменную `CLAUDE_CODE_EFFORT_LEVEL`. Для одного сложного хода добавляй `ultrathink`. `max` оставляй для текущей сессии и не смешивай старый fixed-budget режим с adaptive-моделями без проверки.

![Кот показывает последовательность команд настройки модели и effort в Claude Code.](https://s3.regru.cloud/crossmark/statejnik/images/guides/model-claude-kak-vybrat-rezhim-myshleniya-pod-zadachu-agenta/kadr-2.webp)

Внутри сессии введи `/model` и выбери модель из доступного списка.

После выбора проверь заголовок сессии или снова открой `/model`. Не делай вывод о доступности модели только по названию из внешней таблицы.

Если сессия ещё не началась, передай модель через `claude --model`.

   ```bash
   claude --model sonnet
   ```

Для постоянной настройки через окружение используется `ANTHROPIC_MODEL`.

Введи `/effort` и выбери `low`, `medium`, `high`, `xhigh` или `max`, если конкретная модель поддерживает уровень.

   ```text
   /effort
   ```

При запуске можно задать уровень флагом:

   ```bash
   claude --effort high
   ```

Добавь в промпт слово `ultrathink`, когда нужно глубже разобрать текущую задачу.

   

`ultrathink` действует только на текущий ход. Он не равен постоянному `/effort max`.

Для настройки сессий используй переменную `CLAUDE_CODE_EFFORT_LEVEL`.

   ```bash
   export CLAUDE_CODE_EFFORT_LEVEL=high
   claude
   ```

Переменные среды могут иметь приоритет над настройкой проекта. Если поведение не совпало с ожиданием, проверь активные переменные.

На моделях с adaptive reasoning `effort` является основным регулятором глубины. В старых версиях и совместимых режимах фиксированный бюджет мог контролироваться через `MAX_THINKING_TOKENS`; для текущей конфигурации сверяй [документацию Claude Code](https://code.claude.com/docs/en/model-config).

Не задавай `MAX_THINKING_TOKENS` глобально просто ради большего потолка. В старом поведении эта переменная могла принудительно включать thinking для каждого запроса, включая простой текст.

В `settings.json` используй допустимые значения:

   ```json
   {
      "effortLevel": "xhigh"
   }
   ```

В файле настроек используй `low`, `medium`, `high` или `xhigh`. Значение `max` можно задать для текущей сессии, а через `CLAUDE_CODE_EFFORT_LEVEL` оно может применяться и как переменная окружения, если это поддерживает текущая версия Claude Code.

Дай агенту небольшую задачу и посмотри не только на ответ, но и на фактический diff, вызовы инструментов и тесты.

Если меняешь effort внутри длинной сессии, учитывай возможный cache miss. Для отдельного архитектурного плана и последующей реализации лучше разделить контексты, чем хаотично переключать `low` и `max`.

## Сколько стоят модели и thinking-токены?

Anthropic считает стоимость по входным и выходным токенам, но тариф зависит от модели, продукта и даты. Перед расчётом открой [текущую страницу цен Anthropic](https://platform.claude.com/docs/en/about-claude/pricing), зафиксируй дату проверки и не смешивай тариф API с расходами Claude Code.

Единица расчёта - миллион токенов. В таблицах цена записывается как `input/output`.

| Что оплачивается | Что влияет на сумму |
|---|---|
| Input | Текст запроса, контекст и результаты предыдущих шагов |
| Output | Видимый ответ и reasoning-токены, если они использованы |
| Инструменты | Дополнительные шаги агентного цикла |
| Кеш | Отдельные тарифы записи и чтения, если они применяются |

Для сравнения не переношу в статью старые тарифы: цена меняется, поэтому сверяй текущую страницу Pricing на дату расчёта.

Thinking не выпадает из счёта. Anthropic формулирует это так:

Перевод с английского: «Токены thinking тарифицируются как выходные токены».

Значит, стоимость ответа складывается не только из видимого текста. В неё входят внутренние reasoning-токены, если модель их использовала.

Пример логики без расчёта конкретного счёта:

- длинный запрос увеличивает input;
- большой ответ увеличивает output;
- thinking увеличивает output;
- вызовы инструментов добавляют новые этапы работы;
- prompt cache имеет отдельные тарифы на запись и чтение.

Поэтому сравнивать «один запрос» мало. Агентный цикл может включать чтение файлов, несколько команд, вызовы MCP и повторную проверку. Для контроля расходов я бы фиксировал задачу, модель, effort и фактический результат, не ограничиваясь названием режима.

Нельзя обещать универсальную экономию от перехода на другую модель. Цена известна, но итог зависит от длины контекста, числа попыток и того, сколько исправлений понадобится после ошибки.

## Что ломается, если постоянно включать высокий effort?

постоянный высокий effort может сделать интерфейс похожим на зависший, непропорционально увеличить задержку и расход токенов, а на простой задаче привести к overthinking. В агентном цикле дорогой режим также достаётся дешёвым подзадачам субагентов, medium иногда поверхностно читает результаты MCP, а смена effort может сбросить prompt cache.

![Кот тревожно смотрит на предупреждение о постоянном максимальном effort.](https://s3.regru.cloud/crossmark/statejnik/images/guides/model-claude-kak-vybrat-rezhim-myshleniya-pod-zadachu-agenta/kadr-3.webp)

Высокий effort не является линейной кнопкой «качество вверх». На простой задаче высокий effort может увеличить задержку и расход без заметного выигрыша. Поэтому я проверяю фактический результат, а не считаю долгую паузу признаком лучшего решения.

На простой правке это выглядит особенно неприятно. Ты просишь поменять подпись, а агент долго строит внутреннюю цепочку, ищет дополнительные зависимости и может начать менять больше участков, чем требовалось.

Есть ещё четыре крайних случая.

**MCP и структурированные результаты.** При `medium` агент иногда пропускает внимательное чтение результата инструмента и делает предположение. Это касается JSON, логов, API-ответов, баз данных и других структурированных данных. Тут поднимать effort разумнее, чем сразу менять модель.

**Субагенты.** Если максимальный режим наследуется всей цепочкой, поиск файла, просмотр diff и другие дешёвые операции получают дорогой reasoning. Один сложный шаг оправдывает высокий режим. Десятки механических подзадач подряд превращают его в скрытый налог.

Я не использую неподтверждённые оценки расхода субагентов. Практическое правило проще: для поиска файла и просмотра diff задавай отдельный низкий или средний режим, а высокий оставляй для анализа.

**Смена effort.** Участники обсуждений сообщают, что изменение уровня внутри длинного разговора может инвалидировать префикс prompt cache:

В одном обсуждении Reddit пользователь сообщил, что изменение effort может нарушать повторное использование префикса ([обсуждение Reddit](https://www.reddit.com/r/ClaudeCode/comments/1v7t3qr/ok_this_is_actually-kinda-relatable/)). Это единичное наблюдение, а не доказательство общего поведения.

В официальной документации Anthropic также указано, что изменение thinking-конфигурации и effort может приводить к cache miss.  Если контекст длинный, я проверяю фактический расход после переключения режима, потому что выгода от prompt cache может уменьшиться ([документация Claude Code](https://code.claude.com/docs/en/model-config)).

На простой задаче максимальный effort может только увеличить задержку, расход и склонность агента усложнять решение. Начни с более низкого уровня, а высокий оставь для неопределённого шага, сложной диагностики или архитектуры.

Я бы разделял работу на этапы:

1. Планирование большой фичи: `high`, `xhigh` или `max`.
2. Реализация понятного пункта из плана: `low` или `medium`.
3. Сложная диагностика: `high`.
4. Поиск файлов и просмотр diff: `low` или `medium`.
5. Анализ MCP, API и JSON: `high`.
6. Длинный workflow: смешанный режим по шагам.

Если интерфейс выглядит зависшим, не делай автоматический вывод, что модель работает качественнее. Проверь задержку, расход токенов и фактический прогресс: высокий effort может дать полезную работу, но иногда приводит к overthinking.

## Вопросы и ответы

Для короткой правки текста, CSS, одного файла или повторяемой операции начни с самой быстрой или рабочей доступной модели из актуального списка Anthropic. Поставь `low` или `medium`. Если агент не понял ограничение или полез менять соседние участки, сначала повысь effort в той же модели.

Модели отличаются тем, насколько хорошо решают задачу, как быстро отвечают и сколько стоят. Также смотри на размер контекста, максимальный вывод и доступный режим мышления в официальной таблице для своего продукта.

На дату проверки я не называю конкретную модель последней без подтверждённой даты выхода. Открой официальный список Anthropic и проверь название, статус и дату обновления страницы.

В обычной разработке начни с рабочей доступной модели. Для простой фичи используй `high`, если агенту нужно разобраться в нескольких файлах. Если задача понятна и входит в готовый план, `low` или `medium` может оказаться достаточным.

Запрос «лучшая модель claude» полезен только вместе с задачей и критерием результата: сравни доступные варианты на одной контрольной задаче, а затем проверь diff и тесты. Для задач, требующих более широких возможностей, сравни доступные модели по официальным тестам и на одной контрольной задаче. Не называй одну модель самой мощной без методики сравнения, даты и подтверждённой доступности.

Быстрая доступная модель подходит для быстрых простых операций, прототипирования, задач с жёсткой задержкой и большого потока повторяемых запросов. Для сложного бага, архитектуры или длинной автономной работы я бы выбрал более сильную модель либо поднял требования к проверке результата.

Главная разница - в балансе возможностей, скорости и стоимости. Дополнительно отличаются контекст, максимальный вывод и доступные режимы thinking. Одной общей числовой шкалы качества для всей линейки в фактуре нет.

Claude Sonnet 4.6 - актуальная модель Anthropic; её возможности и поддерживаемые уровни effort проверяй в официальной документации.

Для разработки в Claude Code начни с рабочей модели из текущего списка. Сложный баг, архитектура и длинная автономная работа могут потребовать более сильной модели или высокого effort. Простые быстрые действия оставь быстрой модели. Доступность проверяй в `/model`.

Claude Code позволяет выбрать модель через `/model`, `claude --model` или переменную `ANTHROPIC_MODEL`. Конкретная модель текущей сессии зависит от выбора и доступности. Проверяй активную настройку внутри Claude Code вместо вывода по названию продукта.

Описание линейки и таблица Anthropic находятся в разделе [Models overview](https://platform.claude.com/docs/en/about-claude/models/overview). Для передачи контекста между сессиями пригодится [инструкция по Claude Code и Git](/guides/claude-code-peredacha-zadachi-mezhdu-sessiyami-bez-poteri-konteksta), а для безопасной работы с инструментами смотри [проверку MCP до подключения](/guides/mcp-proverit-instrument-agenta-do-vydachi-dostupa).

Для обычной разработки начни с рабочей модели из текущего списка. Сложная архитектура, системный баг и длинная автономная работа могут потребовать более сильной доступной модели. Режим тоже влияет на результат: иногда выгоднее поднять effort внутри той же модели.

Внутри сессии введи `/model` и выбери доступную модель. При запуске передай её через `claude --model`. Для постоянной настройки используй `ANTHROPIC_MODEL`. После изменения проверь активную модель в заголовке сессии или через `/model`.

Простое действие - быстрая доступная модель. Обычная разработка - рабочая модель из текущего списка. Сложная задача - более сильная доступная модель или высокий effort. Выбирай по неопределённости текущего шага, количеству инструментов и цене ошибки; размер проекта оставь второстепенным фактором.

Одной универсально самой умной модели для любой задачи нет. Проверь доступные модели в Claude Code и сравни их на одной контрольной задаче по результату, времени и числу исправлений.

- [Models overview - Anthropic](https://docs.anthropic.com/en/docs/about-claude/models)
- [Choosing the right model - Anthropic](https://platform.claude.com/docs/en/about-claude/models/choosing-a-model)
- [Thinking - Anthropic](https://platform.claude.com/docs/en/build-with-claude/thinking)
- [Effort - Anthropic](https://platform.claude.com/docs/en/build-with-claude/effort)
- [Pricing - Anthropic](https://platform.claude.com/docs/en/about-claude/pricing)
- [Model configuration - Claude Code](https://code.claude.com/docs/en/model-config)
- [An update on recent Claude Code quality reports - Anthropic](https://www.anthropic.com/engineering/april-23-postmortem?pubDate=20260425)
- [Claude Code defaults to medium effort now - Reddit](https://www.reddit.com/r/ClaudeCode/comments/1rrjkus/claude_code-defaults-to-medium-effort-now-heres/)
- [64.7% of your Claude Code subagent tokens are dead weight - Reddit](https://www.reddit.com/r/claudeskills/comments/1uqp0un/647_of_your_claude_code_subagent_tokens_are_dead/)
- [Ok this is actually kinda relatable - Reddit](https://www.reddit.com/r/ClaudeCode/comments/1v7t3qr/ok_this_is_actually-kinda-relatable/)