Вероника Косарева Клауд

CLAUDE.md добавляет постоянные инструкции в контекст Claude Code. Команды сборки, соглашения по коду и структуру проекта не приходится объяснять заново в каждой сессии.

Кеш DeepSeek позволяет повторно использовать уже сохранённое начало запроса, когда вы снова отправляете инструкции или документ. Он включён по умолчанию и работает с входным контекстом: ответ модель вычисляет заново, а не достаёт готовым из кеша.

Anthropic добавила message threads в Messages API: в длинном разговоре можно отправлять только новые сообщения вместо всей истории. Для разработчиков агентных циклов это способ уменьшить запросы и, по заявлению вендора, сократить время до первого токена.

Предварительный подсчёт токенов Claude помогает подогнать промпт под лимит и оценить расходы до генерации ответа. Он оценивает объём входа, включая системный промпт, инструменты, изображения и PDF, пишет Anthropic в документации.

Если картинки и видео раздувают контекст запроса, media_resolution позволяет ограничить число токенов на их обработку. Параметр задаёт максимум токенов для медиа: снижение уровня уменьшает стоимость и задержку, но оставляет модели меньше деталей.

Flex processing снижает стоимость запросов к OpenAI, если задача допускает ожидание ответа. В Responses и Chat Completions этот режим обменивает экономию на более медленную обработку и периодическую нехватку ресурсов, пишет OpenAI в документации.

Режимы разрешений Claude Code помогают убрать повторные подтверждения там, где вы готовы доверить ему действия. Они задают границы работы: от исследования проекта без правок исходников до выполнения действий без запросов разрешения.

Кеширование Claude помогает повторно использовать инструкции и контекст, которые вы отправляете с каждым запросом. Параметр cache_control отмечает конец сохраняемого префикса: в него входит всё от начала запроса до отмеченного блока включительно.

Anthropic объявила fast mode для Claude Opus 4.8 устаревшим и удалит его 30 ноября 2026 года, пишет компания в журнале изменений. После этой даты запросы к claude-opus-4-8 с параметром speed: "fast" будут возвращать ошибку: такие вызовы нужно найти до отключения.

Если код ждёт конкретные поля ответа Grok, корректного JSON недостаточно: нужна определённая структура. Режим json_schema задаёт её в запросе; как пишет xAI в документации, соответствие схеме гарантируется при использовании поддерживаемых возможностей.

Обычный ИИ-агент на каждом шаге заново отправляет модели всё, что уже произошло, от вывода команд до собственных рассуждений. Исследователи Google и Университета Пердью заменили эту историю коротким состоянием в JSON, и на задаче в 200 шагов агент потратил 122 тыс. токенов вместо 2,6 млн. Разбираю, где тут синтетика, где открытые тесты и что перене…

Для оценивания моделей или предварительной обработки данных немедленный ответ часто не нужен, а расходы на API остаются. Gemini Batch API обрабатывает запросы асинхронно и, как пишет Google в документации, обходится вдвое дешевле обычного интерактивного API той же модели.