Selecionador de Modelos Claude

Seletor de modelos Claude

Escolha um modelo inicial e nível de esforço, depois ajuste com base em evidências.

Todas as recomendações aqui vêm das diretrizes publicadas pela Anthropic — veja Fontes. Ao citar conselhos para o usuário, vincule a fonte. O portfólio de modelos e preços mudam: se um fato for importante (preço, ID do modelo, esforço padrão), verifique a documentação ao vivo antes de confiar nele.

Padrão

Comece com Opus 5.5 em esforço médio. É o padrão do Claude Code e custa metade do Fable 5.2 por token. Saia daí apenas com um motivo.

• Desça para Sonnet 5.5 — trabalho cotidiano bem definido (correção de bug, funcionalidade com especificação). Uma especificação clara não é suficiente: migrações e trabalhos de performance ainda podem exigir Opus ou Fable.
• Desça mais para Haiku 5.5 — trabalho simples e de alto volume: classificação, roteamento, marcação, extração; subagentes baratos.
• Suba para Fable 5.2 — trabalhos técnicos mais difíceis (codificação, finanças, ciência), grandes refatorações/migrações, arquitetura, liderar muitos subagentes, execuções longas não supervisionadas, ou quando Opus em alto ainda é insuficiente.

Tarefa → ponto de partida

Tarefa	Modelo	Esforço
Engenharia cotidiana, depuração, funcionalidades multi-PR	Opus 5.5	médio → alto
Classificação, roteamento, marcação, extração em massa	Haiku 5.5	médio
Subagentes que pesquisam, leem logs, resumem	Haiku ou Sonnet 5.5	padrão do modelo
Sessões de chat / interativas	Sonnet 5.5 (Haiku para chat simples em volume)	baixo ou médio
Codificação bem definida (correção de bug, orientada por especificação)	Sonnet 5.5	médio → alto
Documentação cotidiana, slides, planilhas	Sonnet 5.5 (Opus para modelos financeiros complexos ou grandes pilhas de fontes)	alto (médio no Claude Code)
Tarefas repetitivas de agente (revisão, investigação, rascunho)	Sonnet 5.5	médio
Uso de computador, loops intensivos em visão	Opus 5.5	médio
Grandes refatorações, arquitetura, orquestração de subagentes	Fable 5.2	médio → alto
Pesquisa aprofundada, análise científica/quantitativa	Fable 5.2	médio → alto
Inseguro	Opus 5.5	médio

Fatos sobre modelos

	Haiku 5.5	Sonnet 5.5	Opus 5.5	Fable 5.2
Entrada / saída por MTok	$0,10 / $0,50 (≤100K de prompt); $0,50 / $2,50 (>100K)	$2 / $10	$4 / $20	$8 / $40
Leitura de cache por MTok	$0,01 (≤100K) / $0,05	$0,10	$0,20	$0,20
Latência	mais rápida	rápida	moderada	moderada
Contexto / saída máxima	1M / 128K	1M / 128K	1M / 128K	1M / 128K
Pensamento	adaptável, pode desligar (≤ esforço alto)	adaptável; opção between_tools	sempre ativo	sempre ativo
Esforço padrão da API	médio	alto (médio no CC)	médio	alto (médio no CC)
Modo rápido	não	não	sim	sim

Ordem de ajuste quando os resultados ficam aquém

1. Dê ao modelo uma forma de verificar seu próprio trabalho (teste, compilação, script que atinge o endpoint). Geralmente mais barato que aumentar o esforço.
2. Aumente o esforço em um nível.
3. Suba um modelo, começando com um esforço menor do que o usado no modelo menor.

Notas:

• Esforço ≈ tempo de pensamento, chamadas de ferramentas, autoverificação. Adiciona latência. Não pode adicionar conhecimento que o modelo não possui — isso requer um modelo maior.
• Acima de alto, mais um nível de esforço pode custar tanto quanto o próximo modelo. Teste o modelo maior com esforço menor.
• Se os resultados forem verificáveis automaticamente: execute tudo em baixo, repita apenas falhas em alto (supera tudo em alto tanto em custo quanto em taxa de aprovação nos testes da Anthropic).
• Precisa de velocidade sem perder capacidade: modo rápido no Opus 5.5 / Fable 5.2 (preço premium).

Raciocínio de custo

• Compare custo por tarefa concluída, não preço por token. Um modelo mais caro com menor esforço pode ser mais barato por tarefa (ex.: Fable 5.2 em alto ≈ Opus 5.5 no máximo em um benchmark difícil por ~metade do custo).
• Precifique as tarefas mais difíceis do seu conjunto; elas dominam os gastos.
• Contexto grande é reenviado a cada turno, mas é cobrado principalmente como leituras de cache. Fable e Opus compartilham a taxa de leitura de cache de $0,20, então em execuções com muito cache a diferença é entrada + saída não armazenadas em cache.
• Mantenha o contexto do modelo caro enxuto; envie leitura detalhada para subagentes baratos.
• O nível de prompt longo do Haiku (>100K) custa 5× sua taxa curta. Para prompts longos, compare Haiku vs Sonnet por tarefa concluída.

Misturando modelos

• Troque em pausas naturais. O cache de prompt é por modelo, então o primeiro turno em um novo modelo reincide gravações de cache. No Claude Code execute /compact ou comece com um plano curto; na API, abra com um resumo.
• Blocos de pensamento não viajam para baixo. Fable 5.2 lê blocos do Opus/Sonnet/Haiku 5.5; Opus 5.5 lê Sonnet/Haiku; Sonnet lê Haiku. Mover para baixo (ou sair do Fable 5.2) descarta silenciosamente o raciocínio anterior.
• Subagentes em modelos menores para trabalhos onde erros são baratos de detectar (encontrar arquivos, executar testes, ler logs). Mantenha edições de código e julgamento no modelo principal. No Claude Code defina model: haiku / model: sonnet no arquivo do agente, ou CLAUDE_CODE_SUBAGENT_MODEL para o padrão.
• O subagente integrado Explore agora usa o modelo da sessão. Para mantê-lo barato, defina seu próprio agente Explore com model: haiku. ANTHROPIC_DEFAULT_HAIKU_MODEL fixa o alias. Na API Anthropic haiku → Haiku 5.5 (requer Claude Code ≥ v2.1.293); no Bedrock/Vertex/Foundry ainda é Haiku 4.5.
• opusplan planeja no Opus e edita no Sonnet — o inverso do conselho acima. Meça antes de adotar.
• Ferramenta Advisor (beta): executor barato consulta um advisor mais forte. Ganhos foram pequenos (≈ o que aumentar esforço compra). Meça a taxa de consulta primeiro; verifique pares permitidos.
• Líder + trabalhadores para trabalho maior que uma janela de contexto (ex.: Opus líder sobre trabalhadores Sonnet paralelos: ~⅓ mais barato, mesma pontuação). Pule para cadeias dependentes únicas ou trabalho que cabe em um contexto.

Exemplo de subagente barato (.claude/agents/log-reader.md):

---
name: log-reader
description: Lê saída de teste e logs e relata cada caso com falha. Use após uma execução de teste.
tools: Read, Grep, Glob, Bash
model: haiku
---

Para cada falha, reporte o arquivo, nome do teste e primeira linha de erro. Não edite arquivos.

Checklist de migração / compatibilidade

• Pensamento preservado no Fable 5.2: a API retorna 400 se algo antes de um bloco de pensamento do Fable mudou (system prompt, ferramentas, mensagens anteriores) a menos que você opte por descartá-lo. Mantenha o histórico apenas com acréscimos. Claude Code / Agent SDK / Managed Agents lidam com isso.
• Pensamento: Opus 5.5 e Fable 5.2 não podem desabilitar o pensamento (erro). Leia blocos de conteúdo por tipo — as respostas podem começar com um bloco de pensamento.
• Uso forçado de ferramentas: tool_choice: any|tool → 400 no Sonnet/Opus 5.5 e Fable 5.2. Use auto + ferramenta strict: true + instruções no prompt.
• Uso de computador: apenas via computer_toolset_20260801 (API Claude, Claude gerenciado pelo Google no Google Cloud).
• Haiku 4.5 → 5.5: substitua budget_tokens por esforço; remova temperature/top_p/top_k não padrão; termine com um turno do usuário (sem preenchimento do assistente).
• Fallbacks de segurança: solicitações de cibersegurança sinalizadas podem ser reexecutadas no Opus 4.8, biologia no Opus 5 (Claude Code mostra um aviso).
• Sistemas multi-modelo: construa cada requisição para o modelo mais restritivo para que as etapas possam mudar de nível sem alterações de código. Se o roteamento for simples (um modelo por tipo de etapa), roteie em código, não com um modelo.

Meça antes de se comprometer

1. Amostre tarefas reais; escreva uma verificação de resultado para cada uma (teste aprovado, contagem de linhas correta…).
2. Execute cada candidato com 2–3 níveis de esforço, sessões separadas (sem cache compartilhado). Registre o custo do usage de cada resposta.
3. Plote pontuação vs gasto. Mantenha uma configuração multi-modelo apenas se ela superar todos os pontos de modelo único.
4. Execute o vencedor em tráfego real antes de migrar.

Verificação rápida no Claude Code: execute uma tarefa do backlog em dois modelos via /model, compare /usage.

Como responder ao usuário

1. Nomeie o modelo + esforço para a tarefa, com uma linha de motivo da tabela.
2. Diga o que o faria subir ou descer.
3. Se eles estiverem integrando via API ou misturando modelos, sinalize os itens de compatibilidade relevantes.
4. Se o custo importar, sugira o loop de medição acima em vez de confiar nos preços tabelados.

Fontes

Fonte primária:

• Addy Osmani, "Which Claude model should you build with? Fable, Opus, Sonnet, or Haiku", claude.dev Blog (Anthropic), 9 de novembro de 2026.

Documentação da Anthropic referenciada por esse artigo:

• Escolhendo um modelo — Documentação da plataforma Claude
• Visão geral dos modelos — IDs de modelos, preços, janelas de contexto
• Esforço — Níveis de esforço e suas compensações
• Configuração de modelo do Claude Code — Aliases, opusplan, ANTHROPIC_DEFAULT_HAIKU_MODEL
• Subagentes do Claude Code — model: por agente e CLAUDE_CODE_SUBAGENT_MODEL