Ce model AI alegi în 2026: prețuri Claude, calcule reale și cum tai costul

Cea mai frecventă greșeală pe care o văd la firmele care încep cu AI nu e că folosesc prea puțin. E că folosesc modelul greșit: cel mai scump model pentru sarcini banale, sau cel mai ieftin pentru sarcini unde calitatea chiar contează.

Întrebarea "ce model AI alegi în 2026" pare tehnică. Nu e. E o decizie de cost lunar, iar răspunsul se vede pe factură.

Între Haiku 4.5 și Claude Fable 5 raportul de preț e de 10x, atât la tokenii de intrare cât și la cei de ieșire. Pe un proces care rulează zilnic, alegerea greșită înseamnă sute de dolari aruncați fără niciun câștig de calitate.

Mai jos ai tabelul actualizat la 22 iulie 2026, calculul pe o automatizare reală de 1.000 de emailuri pe lună, arborele de decizie pe care îl folosesc cu clienții și cele trei pârghii prin care plătești mai puțin fără să schimbi modelul.

Foto: Pavel Danilyuk pe Pexels

Ce model AI alegi în 2026: harta completă a gamei Claude

Gama activă în iulie 2026 are șase modele. Fable 5 e vârful de inteligență la 10$ și 50$ pe milion de tokeni, Opus 4.8 și 4.7 stau la 5$ și 25$, Sonnet 5 e noul standard de business, iar Haiku 4.5 rămâne cea mai ieftină opțiune pentru volum mare.

Cifrele sunt prețurile oficiale Anthropic pe milion de tokeni. Prima concluzie practică: prețul introductiv de la Sonnet 5 ține până pe 31 august 2026, deci dacă rulezi azi pe Sonnet 4.6 plătești 3$ și 15$ pentru un model mai slab decât unul care, până la finalul lui august, costă 2$ și 10$. Migrarea îți scade și factura, și rata de eroare.

Un token înseamnă aproximativ patru caractere. Pe tokenizer-ul vechi asta revine cam la trei sferturi dintr-un cuvânt, pe cel nou la ceva mai puțin, fiindcă taie textul mai mărunt. Practic, fereastra de 1M acoperă vreo 555.000 de cuvinte pe modelele noi și circa 750.000 pe Sonnet 4.6 și Opus 4.6. Haiku 4.5 stă la 200K, adică vreo 150.000 de cuvinte.

Mai există Claude Mythos 5, identic ca preț cu Fable 5, dar accesibil doar prin invitație în Project Glasswing, deci pentru o firmă mică e irelevant. Despre generația nouă am scris în articolul despre ce aduce Claude Fable 5 și pentru cine are sens.

Alegerea se simte cel mai bine pe un proiect real: pentru un configurator AI care îți arată mașina infoliată înainte de lucrare am combinat astfel de modele, fiecare pe sarcina lui.

Ce înseamnă tokenii pe bani reali

Teoria e una, factura e alta. Un exemplu concret: o automatizare care procesează 1.000 de emailuri pe lună, cu 500 de tokeni la intrare (emailul plus instrucțiunile) și 200 la ieșire (clasificarea sau răspunsul). Adică 0,5 milioane tokeni intrare și 0,2 milioane ieșire.

Pe volumul ăsta toate par accesibile. Scalează la 50.000 de emailuri pe lună și diferența dintre 75$ și 750$ devine o decizie de business, nu un detaliu tehnic.

Anthropic dă și un reper propriu: 10.000 de tichete de suport, cu o medie de circa 3.700 de tokeni pe conversație, procesate cu Haiku 4.5, ajung la vreo 37$ în total.

Important: costul real al unei automatizări nu e doar modelul, e modelul plus arhitectura. Una bine gândită folosește modelul ieftin pentru 90% din volum și îl cheamă pe cel scump doar la cazurile grele. Exact așa construiesc automatizările AI pentru clienți.

Cum reduci costul real fără să schimbi modelul

Sunt trei pârghii documentate oficial, iar majoritatea firmelor nu folosesc niciuna. Batch API taie 50% din preț, prompt caching aduce citirile la 10% din prețul de intrare, iar parametrul effort reduce consumul în același model. Reducerile se cumulează.

Batch API. Trimiți un lot de cereri și primești rezultatele asincron. Majoritatea loturilor se termină în mai puțin de o oră, cu limită maximă de 24. Nu e pentru chat în timp real, dar la orice procesare de volum, clasificări de emailuri, curățare de baze de date, generare de descrieri de produs, e cel mai ușor 50% pe care îl poți tăia. Exemplul de mai sus devine 0,75$ pe Haiku, 1,50$ pe Sonnet 5 și 3,75$ pe Opus 4.8. Detaliile sunt în documentația pentru Batch API, cu 50% reducere la intrare și ieșire.

Prompt caching. Dacă trimiți același bloc mare de context la fiecare cerere, un manual de produs, o listă de prețuri, un set lung de instrucțiuni, plătești pentru el de fiecare dată. Cu caching îl plătești o dată cu suprataxă și apoi la o zecime din preț. Un chatbot care trimite 20.000 de tokeni de context la 1.000 de conversații lunare consumă 20 de milioane de tokeni de intrare, adică 40$ pe Sonnet 5 introductiv. Dacă 90% vine din cache, plătești 3,60$ pentru citiri, la 0,20$ pe milion, plus 5,00$ pentru cele 2 milioane scrise la 2,50$ pe milion. Total 8,60$ în loc de 40$. Cache-ul se amortizează după o singură citire la TTL de 5 minute. Mecanica e în documentația oficială pentru prompt caching.

Parametrul effort. Controlează cât raționează modelul înainte să răspundă. Pe generația nouă are cinci trepte, de la low la max, iar implicit e high. Anthropic spune explicit că reglarea effort e adesea o pârghie mai bună decât schimbarea modelului. E disponibil pe Fable 5, Opus 4.8 și 4.7, Sonnet 5 și Sonnet 4.6, dar nu pe Haiku 4.5. Pe generațiile mai vechi de Opus există mai puține trepte.

Arhitectura pe două modele, calculată pe același exemplu

Structura pe care o pun cel mai des în producție: un model ieftin triază tot volumul, iar cel scump intră doar pe ce nu s-a rezolvat la primul pas.

Haiku 4.5 citește toate cele 1.000 de emailuri și le clasifică: cerere de ofertă, reclamație, întrebare simplă, spam. Costă 1,50$. Din ele, în jur de 100 cer un răspuns nuanțat, cu context din CRM și decizie pe mai mulți pași. Alea 100 merg la Opus 4.8: 0,05 milioane tokeni intrare la 5$ plus 0,02 milioane ieșire la 25$, adică 0,75$.

Total 2,25$ pe lună, față de 7,50$ dacă trimiteai tot pe Opus 4.8. Reducere de 70%, cu calitatea pe cazurile grele neschimbată. Restul socotelii l-am detaliat în articolul despre cât costă de fapt să automatizezi un proces.

Arborele de decizie: ce model AI alegi în 2026

Regula e simplă: pornești de la sarcină, nu de la model. Anthropic recomandă două strategii de start, fie pleci de la Haiku 4.5 și urci doar dacă e nevoie, fie pleci de la Opus 4.8 și cobori pe măsură ce optimizezi. Ambele cer teste pe cazuri reale.

Ce vrei să automatizezi?
│
├── Volum mare, sarcini simple
│   (clasificare, etichetare, extrageri scurte, filtrare)
│        └──> Haiku 4.5, ieftin și rapid, perfect pentru volum
│
├── Conținut, rapoarte, chatbot de suport, procesare documente
│        └──> Sonnet 5, alegerea implicită pentru business
│
├── Cod, agenți cu mai mulți pași, analiză complexă
│        └──> Opus 4.8, când rezultatul trebuie să fie corect
│
└── Proiecte critice, unde o greșeală costă mai mult decât AI-ul
         └──> Fable 5, vârful actual, la preț de vârf

Matricea din ghidul Anthropic de alegere a modelului spune același lucru: Opus 4.8 pentru cod agentic complex, Sonnet 5 pentru generare de cod, analiză de date, conținut și tool use, Haiku 4.5 pentru aplicații în timp real și implementări sensibile la cost.

Anthropic nu publică un tabel de scoruri pe pagina de alegere a modelului, ci o matrice de potrivire între nevoie și model. Merită citită ca atare, pentru că spune mai mult decât un procent:

Observă ce lipsește din tabel: nicio recomandare nu spune „cel mai scump model, pentru orice". Chiar și documentația producătorului îți sugerează să începi de la Haiku și să urci doar dacă testele tale o cer.

Foto: Yaroslav Shuraev pe Pexels

Patru scenarii concrete de business

Patru situații acoperă majoritatea cererilor pe care le primesc: chatbot de suport, procesare de documente, agent de research și migrare de cod. Fiecare cere alt model, nu pentru că unul e mai bun în absolut, ci pentru că se schimbă ce contează, viteza, precizia pe cifre sau coerența pe mai mulți pași.

Chatbot de suport pe site. Volum mare, întrebări repetitive, răspunsuri care cer acuratețe pe baza de cunoștințe, nu creativitate. Haiku 4.5 cu prompt caching, eventual Sonnet 5 dacă răspunsurile cer nuanță.

Procesare de documente și rapoarte. Facturi, contracte, oferte de la furnizori, rapoarte lunare generate din date. Sonnet 5 e standardul: destul de precis să nu greșească cifrele, destul de ieftin să ruleze zilnic. Dacă documentele vin în loturi, pui totul pe Batch API și plătești jumătate.

Agent de research sau monitorizare. Un agent care urmărește competiția și scrie o sinteză săptămânală lucrează în mai mulți pași și ia decizii pe drum. Opus 4.8 e alegerea sănătoasă, pentru că o eroare la pasul 2 se propagă în tot raportul.

Agenți vocali și interacțiune în timp real. Latența bate inteligența. Un agent care răspunde la telefon nu are voie să se gândească patru secunde, deci Haiku 4.5 e implicit, cu escaladare la Sonnet 5 doar pe intențiile complicate. Am scris separat despre agenții vocali pe Bland AI și Vapi.

Costurile care nu apar în tabelul pe milion de tokeni

Tabelul de prețuri e doar punctul de plecare. Cinci lucruri urcă factura fără să apară în el, iar cel mai neplăcut e schimbarea de tokenizer, care lovește exact când migrezi pe un model nou și te aștepți la economie.

Tokenizer-ul merită explicat separat. Începând cu Opus 4.7, același text produce cu aproximativ 30% mai mulți tokeni decât pe generațiile vechi. Dacă migrezi de la Sonnet 4.6 la Sonnet 5 după 31 august, când ambele costă 3$ și 15$, factura urcă cu vreo 30%. Până atunci, prețul introductiv acoperă diferența.

Vestea bună: fereastra de 1M tokeni se facturează la preț standard, fără suprataxă de context lung. O cerere de 900.000 de tokeni costă pe token cât una de 9.000.

Ce ai voie să treci prin API din datele clienților

Da, ai voie, dar trebuie să știi cât timp se păstrează datele și pe ce model. Nu toate suportă retenție zero. Fable 5 impune retenție de 30 de zile, iar Batch API păstrează datele 29 de zile, pentru că procesarea asincronă cere stocare.

Concret: dacă ai zero data retention activat și trimiți o cerere către Fable 5 sau Mythos 5, primești eroare 400. La fel, orice trece prin Batch API iese din regimul de retenție zero, adică exact reducerea de 50% pe care ai vrea să o folosești la volum.

Prompt caching, în schimb, e eligibil pentru retenție zero. Prompturile și răspunsurile nu se stochează, rămân în memorie doar reprezentări interne și hash-uri criptografice, pe durata TTL-ului. Pârghia de cost cea mai mare e și cea mai curată pe partea de date.

Partea juridică am detaliat-o în articolul despre ce spune GDPR despre datele clienților trecute printr-un model AI. Regula pe care o aplic: pe procesele cu date personale aleg modelul după retenție, nu doar după preț.

Greșelile pe care le văd cel mai des

Patru greșeli acoperă aproape tot ce văd la firmele care încep cu AI, și toate patru costă bani sau calitate. Prima e cea mai scumpă, pentru că se plătește lunar și nu se vede în niciun raport până nu deschizi factura.

• Totul pe modelul cel mai scump, din convingerea că mai scump înseamnă automat mai bine. Pentru clasificări simple, Haiku dă aceleași rezultate la a zecea parte din cost.
• Totul pe modelul cel mai ieftin, și apoi dezamăgirea că AI-ul nu e bun de nimic. Sarcina depășea modelul, nu tehnologia.
• Niciun test comparativ. Metoda corectă durează o oră: iei 20 de cazuri reale din arhiva ta, le treci prin două modele cu exact același prompt și notezi rezultatele cap la cap, cu un criteriu clar de corect sau greșit. Dacă modelul ieftin trece 18 din 20, ai răspunsul.
• Ignorarea ferestrei de context. Haiku 4.5 are 200K tokeni, la fel ca Sonnet 4.5 și Opus 4.5, care încă sunt disponibile. Dacă procesezi documente lungi, limita de context decide înaintea prețului.
• Legarea automatizării de un ID de model fără plan de migrare. Opus 4.1 se retrage pe 5 august 2026, iar fast mode pe Opus 4.7 dispare pe 24 iulie 2026. Un workflow cu ID fix în cod se oprește într-o dimineață fără avertisment. Ține ID-ul într-o variabilă de configurare și testează versiunea nouă pe cele 20 de cazuri înainte de comutare.

Tip: notează o lună de zile fiecare sarcină repetitivă care îți consumă peste 15 minute pe zi. Aia e lista ta reală de automatizări, și abia apoi are sens discuția despre modele.

Concluzia

Modelul potrivit nu e o religie, e o decizie de cost și calitate, revizuită la fiecare lansare majoră. În iulie 2026, regula practică pentru o afacere mică arată așa: Sonnet 5 ca standard, Haiku 4.5 pentru volum și timp real, Opus 4.8 pentru agenți și cod, Fable 5 doar unde miza justifică dublul de preț.

Dar decizia care contează cel mai mult nu e care model, ci cum îl folosești. Arhitectura pe două modele, plus Batch API, plus prompt caching, taie factura cu 70% până la 80% fără pierdere de calitate. Și mai e fereastra de timp: până pe 31 august 2026, Sonnet 5 costă mai puțin decât Sonnet 4.6 și lucrează mai bine. Dacă ai o automatizare pe generația veche, ăsta e momentul de migrare.

Dacă vrei să afli care procese din firma ta merită automatizate și pe ce model, trimite o cerere și îți răspund cu o evaluare concretă, nu cu generalități.

Citește mai departe

• Cele 7 automatizări cu care încep de obicei firmele mici
• Cât costă de fapt să automatizezi un proces și de unde începi
• Ce spune GDPR despre datele clienților trecute printr-un model AI