За лаштунками Claude: контекстне вікно, кодування, Artifacts і Computer Use
- Катерина Мещерякова
- 1 день тому
- Читати 9 хв
Ще на початку літа флагманом Claude була модель Opus 4.8. Станом на кінець серпня він устиг застаріти двічі: у липні вийшов Opus 5, а над усією лінійкою тепер стоїть окремий преміальний ярус — Fable 5 і Mythos 5. Це — звичний темп для всієї індустрії, і особливо для Anthropic.
HBJ зібрав та проаналізував інформацію про Claude, та розповідає, чим відрізняються моделі лінійки, на що вони здатні та для яких задач їх варто використовувати.
Opus, Sonnet і Haiku: чим відрізняються моделі Claude
Anthropic свідомо не робить одного рішення «на всі задачі». Натомість компанія підтримує кілька версій своїх моделей, які по-різному балансують інтелект, швидкість і ціну. Команда передбачила «муки вибору», тож запропонувала два (кардинально різні) підходи до вибору:
почати з найдешевшої моделі й переходити на потужнішу, якщо якість недостатня;
взяти найпотужнішу модель на старті й оптимізувати витрати, коли продукт уже працює.
Розглянемо останню версію кожної з них детальніше.
Opus 5
Anthropic пропонує обрати цю модель для складного агентного кодування й корпоративних сценаріїв. Ціна лишилась тією самою, що й в Opus 4.8, — $5 за мільйон вхідних токенів і $25 за мільйон вихідних, — але на бенчмарку Frontier-Bench v0.1 модель більш ніж удвічі перевершує попередника за нижчої вартості виконання задачі.
Контекстне вікно — 1 млн токенів, максимальний вихід — 128K, надійна межа знань — травень 2026-го, наймолодша серед усіх моделей Claude. Працює в режимі adaptive thinking з ефортом за замовчуванням high; для граничних задач можна підняти до xhigh. У споживчих планах Opus 5 тепер за замовчуванням стоїть у Claude Max і залишається найпотужнішою опцією в Pro.
Sonnet 5
Ця модель стоїть за замовчуванням у Free та Pro-планах, а через API доступна під ідентифікатором claude-sonnet-5. Anthropic описує її як модель, що суттєво скорочує розрив з Opus 4.8 за якістю, водночас залишаючись значно дешевшою. Особливо помітний прогрес у задачах агентного пошуку (BrowseComp) та роботи з комп’ютером (OSWorld-Verified), де на високому рівні зусиль Sonnet 5 подекуди майже наздоганяє Opus 4.8.
Контекст і вихід ті самі, що в Opus 5, — 1 млн і 128 тисяч токенів. Ціну у $2/$10 за мільйон токенів зробили постійною, скасувавши заплановане підвищення до $3/$15.
Haiku 4.5
Наймолодша за номером модель у лінійці, але досі найшвидша й найдешевша — $1/$5 за мільйон токенів. Під час запуску восени 2025-го Anthropic заявляла 73,3% на SWE-bench Verified — рівень, порівнянний із Sonnet 4, але втричі дешевше й більш ніж удвічі швидше.
Haiku має дві ключові відмінності від старших моделей. По-перше, її контекстне вікно вдвічі менше — 200 тисяч токенів проти мільйона. По-друге, надійна межа знань — лютий 2025 року, тобто майже на рік раніше, ніж у Sonnet 5 та Opus 5. Також Haiku не має параметра ефорт: модель працює в режимі extended thinking із ручним налаштуванням бюджету токенів, а не adaptive.
Fable 5
Нині це наймогутніша модель, яку пропонує Anthropic — $10/$50 за мільйон токенів, 1 млн контексту, 128K виходу, adaptive thinking увімкнений постійно (вимкнути не можна, на відміну від Opus 5 і Sonnet 5). Надійна межа знань — січень 2026.
Fable 5 встигла пройти доволі нетиповий шлях: Anthropic запустила її 9 червня 2026 року, але вже за три дні модель стала недоступною через експортні обмеження Міністерства торгівлі США. Доступ повернули за місяць після скасування обмежень.
Ще одна практична деталь: Fable 5 має додаткові класифікатори безпеки для біології, кібербезпеки та дослідницьких задач у сфері LLM, тож на чутливих запитах у цих темах можливі «фолбеки» на слабшу модель.
Mythos 5
По суті, Fable 5 і Mythos 5 — це одна модель, але з різним рівнем доступу та безпековими обмеженнями. Якщо Fable 5 доступна ширшому колу користувачів і має додаткові класифікатори безпеки для чутливих сценаріїв, то Mythos 5 доступна лише перевіреним організаціям у межах Project Glasswing і має менше таких обмежень. Ось тут можна поглянути на деталі програми.
На практиці більшість команд працюють за простою схемою:
Sonnet 5 — модель за замовчуванням;
Opus 5 — ескалація для складного рефакторингу й багатоагентних задач;
Haiku 4.5 — усе, що виконується у великому обсязі й не потребує граничної точності;
Fable 5 лишають для довгих автономних прогонів, де ціна помилки вища за різницю в токенах.
Mythos 5 у цій схемі практично не фігурує — для більшості розробників він просто недоступний.
Контекстне вікно Claude 200К–1M токенів: що це означає на практиці
Контекстне вікно показує обсяг тексту, який Claude тримає «в полі зору» одночасно. Йдеться про системний промпт, історію діалогу, вхідні документи і власну відповідь. Зараз у лінійці два розміри: 1 млн токенів для Fable 5, Opus 5 і Sonnet 5, і 200 тисяч токенів для Haiku 4.5.
200 тисяч токенів — це близько 500 сторінок тексту чи 150 тисяч слів, чого вистачає на повноцінний договір, наукову статтю з додатками або кодову базу на 50–70 тисяч рядків.
1 млн токенів — це вже приблизно 3 тисячі сторінок, або кодова база на кілька сотень тисяч рядків залежно від мови й щільності коментарів. На практиці це означає, що в один запит можна передати цілий Python-репозиторій середнього розміру, кілька десятків PDF-контрактів або багатогодинну стенограму зустрічей.
Є кілька нюансів, на які слід зважати.
Вікно рахує все. Вхідні токени, вихідні токени й токени «мислення» при adaptive/extended thinking — все це витрачається з одного бюджету.
Ліміт на кількість файлів у запиті теж змінюється залежно від вікна. Моделі з контекстом 1 млн приймають до 600 зображень чи PDF-сторінок за один запит, а ті, що мають 200 тисяч — до 100. Для роботи з великими пакетами документів це часто стає вужчим місцем раніше, ніж сам ліміт токенів.
Поведінка на межі вікна стала передбачуванішою. Якщо генерація впирається у стелю контексту, API повертає stop_reason: "model_context_window_exceeded" замість помилки валідації — зручно для агентних систем, які мають самі вирішувати, що робити далі.
Частина моделей відстежує власний залишок бюджету. Sonnet 5 і Haiku 4.5 мають «усвідомлення контексту» — модель знає, скільки токенів лишилось, і планує довгі задачі, зважаючи на реальний залишок.
Для дуже довгих сесій є серверна компакція контексту — вона автоматично стискає старішу частину діалогу, коли та наближається до ліміту, щоб агент міг продовжувати роботу, не втрачаючи весь тред.
Головне застереження: велике контекстне вікно не означає, що модель однаково добре працюватиме з інформацією на всій його довжині. Тому перш ніж завантажувати в один запит цілий репозиторій чи місяць переписки, варто перевірити, чи не буде ефективнішим прицільний retrieval потрібних фрагментів — особливо якщо задача не потребує одночасного аналізу всього контексту.
Claude для програмування та результати SWE-bench Verified
Кодинг — одна з головних сфер застосування Claude. Модель використовують для генерації коду, аналізу та рев’ю, рефакторингу кількох файлів і пошуку та виправлення реальних багів. Три останні сценарії добре відображає SWE-bench Verified: це 500 перевірених issue з реальних GitHub-репозиторіїв, де модель має самостійно написати патч, що пройде приховані тести, без підказок і доступу до готового рішення.
Число 80,9% тут не випадкове. Саме стільки показав Claude Opus 4.5 на SWE-bench Verified під час релізу — це була перша модель, яка подолала позначку в 80%. На той момент Opus 4.5 також випереджав GPT-5.1 і Gemini 3 Pro на кілька відсоткових пунктів.
Відтоді результат зріс ще сильніше, але точна цифра залежить від методики оцінювання. Наприклад, Vals дає Opus 5 результат 97%, тоді як Mercor — 93,5%, а Fable 5 у їхньому рейтингу навіть випереджає Opus 5. Тому SWE-bench Verified краще використовувати для оцінки прогресу моделей усередині однієї лінійки, а не для точного порівняння різних моделей між собою.
Висновок простий: бенчмарк показує, на що модель здатна в контрольованих умовах, але не гарантує такого самого результату в реальному репозиторії. На практиці багато залежить від того, скільки ресурсів модель витрачає на міркування, складності й тривалості задачі та якості промпту. Саме тому навіть прості задачі можуть займати більше часу й ресурсів, ніж очікувалося.
Artifacts і Computer Use: як Claude створює контент і керує комп'ютером
Artifacts
Функція допомагає Claude не просто генерувати відповідь у чаті, а створювати окремий результат, з яким можна працювати далі. У панелі поруч із чатом можна відкрити код, HTML-сторінку, SVG, Mermaid-діаграму, React-компонент чи форматований документ — і одразу редагувати або допрацьовувати його, не гортаючи історію переписки.
За перші десять тижнів після релізу користувачі створили десятки мільйонів артефактів, а сумарно їх уже понад пів мільярда. За останній рік функція помітно змінилася: артефакти перетворилися зі статичних прев’ю на повноцінні живі застосунки.
З 21 жовтня 2025 року вони підтримують постійне сховище даних і підключення через MCP до зовнішніх сервісів на кшталт Google Calendar, Gmail чи Slack. Тобто в артефакті можна створити щоденник, трекер або спільний інструмент, який зберігає стан між сесіями. Дані можна зробити особистими або спільними для всіх користувачів, а сам застосунок — опублікувати за посиланням, щоб його могли переглядати навіть люди без акаунта Claude.
Обмеження. Наприклад, офіційна документація попереджає: якщо зняти артефакт із публікації, повторно опублікувати той самий екземпляр уже не можна — доведеться створити новий.
Computer Use
Якщо Artifacts допомагають Claude створити результат, то Computer Use дає моделі можливість взаємодіяти з уже наявним цифровим середовищем. На рівні API це computer_toolset: Claude отримує скриншот екрана і повертає команди — наприклад, клікнути, ввести текст або прокрутити сторінку. Модель діє на основі того, що бачить на екрані, без спеціального доступу до коду застосунку.
Технологія існує з жовтня 2024 року, і за цей час її результати помітно покращилися. На старті модель успішно виконувала менш ніж 15% завдань бенчмарку OSWorld, а за наступні півтора року цей показник виріс у кілька разів. Водночас бенчмарк охоплює дуже різні сценарії, тому його результат не варто сприймати як точну оцінку для кожного робочого процесу. На вузьких і добре описаних задачах точність може бути значно вищою.
Для користувача без навичок програмування Computer Use доступний через Claude in Chrome і Claude Cowork. Перший дає змогу взаємодіяти з вебсторінками — переходити між вкладками, натискати посилання та заповнювати форми, а другий призначений для складніших багатоетапних задач. Тепер бічна панель Claude in Chrome запускається як повноцінна сесія Cowork, тож Claude може, наприклад, зібрати дані з кількох вендорських порталів, скласти їх у таблицю та порівняти з попереднім бюджетом — без написання коду.
Обмеження. Окремий клас ризиків — безпека. Anthropic прямо попереджає, що браузерні агенти вразливі до prompt injection: прихованих інструкцій на вебсторінці, які можуть намагатися змінити поведінку моделі. Тому значущі дії проходять додаткову перевірку, а покупки чи передачу особистих даних Claude окремо підтверджує з користувачем. Для додаткового контролю можна використовувати Permissions Mode, де доступ до сайтів надається окремо.
Claude vs ChatGPT vs Gemini: хто для чого кращий
Станом на серпень 2026-го всі три компанії оновили флагманські моделі протягом останніх двох місяців: Anthropic — Opus 5 і Sonnet 5, OpenAI — сімейство GPT-5.6, Google — Gemini 3.1 Pro та 3.7 Flash. Тому цифри бенчмарків швидко застарівають, тоді як підходи компаній до розвитку моделей змінюються повільніше.
Критерій | Claude (Opus 5 / Sonnet 5) | ChatGPT (GPT-5.6) | Gemini (3.1 Pro / 3.7 Flash) | Хто сильніший |
Код | Claude Code — найзріліша агентна CLI, глибоко вбудована в Cursor, Windsurf, GitHub Copilot | Sol позиціонується OpenAI як їхня найкраща коding-модель, екосистема Codex для автономних задач | 3.7 Flash зробив різкий стрибок в агентному кодуванні за ціною, значно нижчою за конкурентів | Формально нічия — усі троє женуться за тими самими бенчмарками; Claude виграє за інтеграцією в звичні dev-інструменти |
Документи | Artifacts + окремі Claude for Word/Excel/PowerPoint, нативна генерація .docx/.pptx/.xlsx/.pdf у чаті | ChatGPT Canvas для спільного редагування; та ж модель працює всередині Microsoft 365 Copilot | Убудований за замовчуванням у Google Docs, Sheets і Slides, без окремого застосунку | Gemini — якщо команда вже в Google Workspace; Claude — якщо важливий контроль над структурою файлу |
Контент | Менш «рекламний» тон за замовчуванням, сильна робота з довгою прозою | Найширша екосистема кастомних GPTs і плагінів під нішеві контент-задачі | Нативна мультимодальність — текст, зображення й відео (Veo) в одному виклику моделі | Залежить від формату: текст — Claude, мультимедіа «з коробки» — Gemini, готові шаблони — ChatGPT |
Інтеграції | Автор протоколу MCP — понад 950 серверів у каталозі конекторів, підтримка сторонніми IDE | Підтримує MCP через Agents SDK і конектори ChatGPT, плюс власні плагіни Codex | Найглибші нативні хуки в саму інфраструктуру Google (Gmail, Calendar, Cloud) | MCP (Claude) виграє відкритістю й портативністю; Google — глибиною в межах власної екосистеми |
Автоматизація | Claude Cowork + Claude in Chrome — задача переноситься між браузером, десктопом і мобільним | Фонові агенти Codex для автономних десктопних сценаріїв | Gemini Enterprise Agent Platform; Flash-тір спеціально оптимізований під дешеві масові агентні цикли | Claude і OpenAI — для складних багатокрокових задач; Gemini Flash — для дешевої автоматизації в обсязі |
Повсякденні задачі | Менша користувацька база, вища довіра в професійному й розробницькому середовищі | Найбільша аудиторія, вбудована присутність в екосистемах Apple й Microsoft | Нульовий поріг входу через Android, пошук Google і Google One AI Premium | ChatGPT і Gemini виграють охопленням; Claude — якістю відповіді на складніші прохання |
FAQ
Чим Claude Opus відрізняється від Sonnet і Haiku?
Opus 5 — найпотужніший, для складного агентного кодування й корпоративних задач, коштує $5/$25 за мільйон токенів.
Sonnet 5 — баланс швидкості й інтелекту за $2/$10, стоїть за замовчуванням у Free та Pro-планах.
Haiku 4.5 — найшвидший і найдешевший варіант ($1/$5), але з удвічі меншим контекстним вікном і без adaptive thinking.
Що означає контекстне вікно 200K–1M токенів?
Це обсяг тексту, який модель тримає одночасно — вхід, вихід і токени «мислення» разом.
200K токенів (Haiku 4.5) — це приблизно 500 сторінок тексту, достатньо для контракту чи середньої кодової бази.
1M токенів (Opus 5, Sonnet 5, Fable 5) — це вже близько 3 тисяч сторінок або кодова база на сотні тисяч рядків.
Наскільки добре Claude працює з кодом?
Claude Opus 4.5 у листопаді 2025-го першим у світі подолав позначку 80% на SWE-bench Verified (80,9%) — стандартному тесті на вирішення реальних GitHub-issue. Новіші моделі показують ще вищі результати, хоча точні цифри різняться залежно від того, хто саме їх вимірював. У щоденній роботі через Claude Code реакція розробників неоднозначна: одні відзначають реальний стрибок якості, інші скаржаться на надлишкову багатослівність останньої версії Opus.
Що можна створювати за допомогою Claude Artifacts?
Код, HTML-сторінки, SVG- та Mermaid-діаграми, React-компоненти, документи, презентації й таблиці — усе це рендериться одразу поруч із чатом, без окремого редактора.
З жовтня 2025-го артефакти можуть зберігати дані між сесіями і підключатися через MCP до сервісів на кшталт Google Calendar чи Slack, а готовий результат можна опублікувати за посиланням і поділитися навіть з тими, хто не має акаунта Claude.
Що краще обрати: Claude, ChatGPT чи Gemini?
Універсальної відповіді немає — це питання екосистеми, а не тільки якості моделі.
Gemini виграє, якщо команда вже працює в Google Workspace.
ChatGPT має найширше охоплення й найбільшу бібліотеку плагінів під нішеві задачі.
Claude сильніший там, де важлива якість коду, робота з великими документами й точний контроль над структурою результату.
Найнадійніший спосіб визначитися — протестувати всі три на власних задачах, а не орієнтуватися лише на маркетингові бенчмарки вендорів.
