Как выбрать LLM под задачу и не переплачивать

Самая частая и самая дорогая ошибка — гонять все задачи через топовую модель. Разница в цене между флагманом и быстрой моделью достигает 10–20 раз, а разница в качестве на простых задачах — почти нулевая.

Три класса задач

Практически любая работа с LLM раскладывается на три класса, и под каждый есть свой оптимум.

1. Механика: классификация, извлечение, разметка

Определить тональность отзыва, вытащить сумму из счёта, разбить текст на категории. Здесь модель не «думает» — она распознаёт паттерн. Флагман тут не даст ничего, кроме счёта.

Берите: Qwen3.5 Flash или Claude Haiku 4.5.

2. Повседневная работа: код, тексты, аналитика

Написать функцию, разобрать логи, составить отчёт. Нужна аккуратность, но не гениальность.

Берите: Claude Sonnet 5. Он держит баланс скорости, цены и качества, а ответ может выдать до 128 000 токенов за раз — редко у кого так.

3. Сложное: архитектура, рефакторинг, агенты

Когда модель работает часами в Cursor или Claude Code, ошибка на десятом шаге ломает всё, что было сделано на предыдущих девяти. Здесь экономия на модели оборачивается потерей дня.

Берите: Claude Opus 4.8. Он точнее следует инструкциям и реже разрушает существующую логику.

Связка, которая экономит бюджет

Реально работающая схема выглядит так:

• Предобработка — Qwen3.5 Flash. Отсеять мусор, разметить, подготовить данные.
• Основная работа — Claude Sonnet 5.
• Финальная проверка и сложные куски — Claude Opus 4.8.

Через ClaudePoint это один ключ и один эндпоинт — переключение идёт параметром model, инфраструктуру менять не нужно.

Про контекст

Второй фактор после качества — сколько данных влезет за раз.

• Qwen3.7 Max — 1 000 000 токенов. Целая кодовая база или вся документация продукта.
• GPT-5.5 — 400 000 токенов.
• Claude — 200 000 токенов.

Но помните: длинный контекст стоит денег на каждом запросе. Если история диалога распухла — дешевле сжать её кратким резюме, чем таскать целиком.

Как считать деньги

Тарификация идёт за токены: отдельно вход, отдельно выход. Выход обычно дороже. Отсюда практический вывод: длинные развёрнутые ответы дороже коротких, и просьба «отвечай кратко» — это не только про удобство, но и про счёт.

Актуальные цены по всем моделям — на странице тарифов.