Ухудшилась ли производительность Claude Opus 4.6 - 4.7?
Вы заметили, что лимиты в этом месяце закончились подозрительно быстро? Если вы используете свежую Opus 4.7, у меня для вас плохие новости.Выяснилось, что Opus 4.7 потребляет на 45% больше токенов, чем официально заявляет провайдер. Формально цены и квоты остались прежними, но по факту ваш «Max-plan» теперь сгорает почти в два раза быстрее.В чем именно подвох?
- Дорогой кэш: Кэшированный префикс теперь обходится дороже за каждую проведенную итерацию.
- Ранние лимиты: Из-за скрытого расхода токенов вы упираетесь в рейлимиты (rate limits) гораздо раньше, чем планировали.
- Неэффективность агентов: Если вы запускаете на этой модели агентов, ситуация еще хуже — они тратят до 80% контекста на повторное чтение одних и тех же файлов, буквально «пожирая» ваш баланс.
Главный вывод 2026 года:Забудьте про метрику «цена за 1 млн токенов» — она больше ничего не значит. Теперь единственная важная метрика — это реальная стоимость решения конкретной задачи, и эта стоимость неуклонно растет. Пора пересчитывать юнит-экономику проектов, пока счета за API не пустили вас по миру. Кто-то уже замерял реальный расход на своих промптах? Поделитесь цифрами в комментариях.
В работе с технологиями и кодом
- Внедрять обязательную перепроверку: Поскольку модели склонны к галлюцинациям и выдаче вымышленных фактов, ни одному ответу нельзя доверять без тщательного аудита.
- Менять процессы разработки: Из-за того, что ИИ-код генерирует баги быстрее, чем их исправляют, необходимо выстраивать новые процессы контроля, чтобы удержать кодовую базу от «взрыва» в продакшене.
- Оптимизировать работу агентов: Важно искать способы создания устойчивой памяти между сессиями, так как сейчас агенты тратят до 80% токенов на повторное чтение одних и тех же файлов и каждый раз начинают работу с нуля.
- Решать проблему «квадратичного внимания» и ресурсов: При использовании локальных LLM нужно внимательно следить за «зомби-процессами», пожирающими до 20 ГБ RAM, и правильно выбирать фреймворки, которые не откатываются в очереди при параллельных запросах.
В управлении финансами и бизнесом
- Пересмотреть метрики стоимости: Ключевая метрика должна сместиться с «цены за токен» на общую стоимость решения конкретной задачи, учитывая, что скрытый расход токенов (например, в Opus 4.7) вырос на 45%.
- Искать реальный ROI: Вместо бесконечных пилотов необходимо сосредоточиться на внедрении стандартов и лучших практик, чтобы ИИ действительно встраивался в бизнес-процессы, а не ломался на краевых случаях.
- Избегать зависимости (Vendor-lock): Важно не завязываться на одном провайдере, чтобы не стать заложником его ценовой политики или технических ограничений.
В сфере безопасности и данных
- Усиливать защиту от промпт-инъекций: Стандартные системные инструкции легко обходятся, поэтому нужны более надежные методы защиты от «джейлбрейков».
- Контролировать данные в облаке: Компаниям необходимо установить прозрачный контроль над тем, какие данные уходят провайдерам, чтобы избежать утечек конфиденциальной информации и «теневого» использования ИИ сотрудниками.
- Работать с качеством данных: Учитывая истощение запасов человеческих данных («data wall») и риск деградации моделей из-за синтетических данных, необходимо искать новые источники качественной информации,.
Как решать проблему?
- Повышать планку навыков: Так как требования к стартовым позициям растут, а простые задачи автоматизируются, необходимо развивать компетенции, которые будут актуальны через 2-3 года.
- Бороться с паникой и иллюзиями: Не стоит поддаваться хайпу вокруг «сверхразума»; вместо этого нужно сосредоточиться на решении реальных текущих проблем, которые уже наступили.
- Учиться работать с промптами глубже: Простые запросы в духе «сделай красиво» больше не эффективны; требуется понимание терминологии (токены, MCP-серверы) и специфики работы конкретных моделей
Подписывайся на мой телеграмм канал, если хочешь использовать автоматизации, бюджетные варианты, экономить свой бюджет в использавании ИИ - Нейросети для своих