Choisir un modèle Claude
Anthropic propose une famille de modèles à différents points de capacité/coût/vitesse. Bien choisir consiste surtout à faire correspondre le modèle à la tâche — et à ne pas surpayer une capacité dont vous n'avez pas besoin.
- Lire l'échelle Haiku → Sonnet → Opus comme un compromis capacité/coût/vitesse
- Partir du bon défaut au lieu de deviner, puis monter ou descendre délibérément
- Mélanger les paliers dans un seul système — le plus grand levier de coût que la plupart des gens ne tirent jamais
- Rechercher l'identifiant de modèle exact de la bonne façon, pour que les mises à niveau restent un changement d'une ligne
Les modèles actuels
Last verified: 2026-08-07 · Official models & pricing
| Model | API model ID | Tier | Best for |
|---|---|---|---|
| Claude Opus 5 | claude-opus-5 | Opus — most capable | Complex agentic coding and enterprise work: 1M context, 128k output, with materially better numbers than Opus 4.8. Default on Claude Max, strongest available on Claude Pro. (Supersedes Claude Opus 4.8, now a legacy model.) |
| Claude Sonnet 5 | claude-sonnet-5 | Sonnet — balanced | The default workhorse and Claude Code's default model: the best combination of speed and intelligence, with a 1M-token context window. Start here for most work. (Supersedes Claude Sonnet 4.6, now a legacy model.) |
| Claude Haiku 4.5 | claude-haiku-4-5-20251001 | Haiku — fastest & cheapest | High-volume, latency-sensitive tasks: classification, extraction, routing, simple chat, and cheap sub-agents. |
| Claude Fable 5 | claude-fable-5 | Mythos-class — flagship (above Opus) | Anthropic's most capable widely released model. Multiday autonomous runs, first-shot on ambiguous specs, dense vision, sustained delegation to parallel subagents. GA June 9 2026. Refuses in-band (HTTP 200, stop_reason: refusal) — configure server-side or client-side fallback to another current Claude model (Opus 5 is the recommended default). Adaptive thinking only; raw thinking never returned. 30-day retention (NOT ZDR-eligible). |
| Claude Mythos 5 | claude-mythos-5 | Mythos-class — restricted (Project Glasswing) | Same capabilities as Fable 5 without the safety classifiers. Limited availability to approved Project Glasswing partners only; not self-serve. Customers without access should use Fable 5. |
Model IDs are exact; tiers and 'best for' are guidance. Pricing, context-window sizes and rate limits change frequently and are intentionally NOT listed here — always read them on the official page above. This file is the single source of truth: never hard-code model facts in prose, link to this table instead.
À essayer : quel modèle convient ?
Répondez à trois questions et obtenez une recommandation de départ :
Le choix équilibré par défaut — un raisonnement et un codage solides à une fraction du coût d'Opus. Commencez ici, et ne montez en gamme que si vous atteignez un vrai plafond de qualité.
Recherchez l'ID exact du modèle dans le tableau des modèles. Règle empirique uniquement — faites une évaluation rapide sur vos propres entrées pour en être sûr.
Le modèle mental : une échelle de capacités
- Commencez avec Sonnet. C'est la bête de somme par défaut — un raisonnement et un codage solides à un coût raisonnable. La plupart des tâches devraient débuter ici.
- Montez à Opus uniquement quand Sonnet peine et que la qualité importe plus que le coût (raisonnement difficile, agents délicats, code épineux).
- Descendez à Haiku pour le travail à fort volume, sensible à la latence ou simple (classification, extraction, routage, sous-agents bon marché).
Comment choisir concrètement
- C'est la bête de somme équilibrée. Commencer ailleurs revient à optimiser avant d'avoir des preuves sur votre tâche réelle.
- Ne mettez pas à niveau la charge entière. Trouvez les cas où Sonnet échoue et routez seulement ceux-là vers Opus — vous achetez la qualité sans payer pour elle partout.
- Classification, extraction, routage et sous-agents bon marché ont rarement besoin d'un modèle plus gros. Testez plutôt que de présumer.
- Utilisez Haiku pour le pré/post-traitement bon marché et Sonnet/Opus pour le cœur difficile. Ce palier de modèles est l'un des plus grands leviers de coût — voir Coût et latence.
Le palier de modèles mérite sa propre lecture : Coût et latence.
:::tip Ne choisissez pas à partir des seuls benchmarks Les benchmarks publics sont un indice de départ, pas un verdict pour votre tâche. Lancez une petite évaluation sur une poignée de vos vraies entrées avec deux modèles — cela prend quelques minutes et vaut mieux que de deviner. :::
Trouver l'identifiant de modèle exact
Passez toujours l'identifiant de modèle de l'API actuel (par ex. dans votre appel messages.create). Obtenez-le depuis le tableau des modèles ci-dessus ou la page officielle des modèles — et préférez le lire depuis la configuration plutôt que de le coder en dur à de multiples endroits, afin que les mises à niveau de modèle soient un changement sur une seule ligne.
Vérifiez-vous
0/4- Haiku → Sonnet → Opus est une échelle capacité/coût/vitesse — choisissez un barreau, ne devinez pas un modèle.
- Par défaut Sonnet et expédiez ; ne montez ou ne descendez qu'avec des preuves issues de votre propre tâche.
- Mettez à niveau le sous-ensemble difficile, pas la charge entière — le routage bat les mises à niveau générales.
- Mélanger les paliers dans un seul système est l'un des plus grands leviers de coût à votre disposition.
- Les benchmarks sont un indice ; une petite évaluation sur vos vraies entrées est le verdict.
- Lisez l'identifiant de modèle depuis la configuration et cherchez-le dans le tableau des modèles vivant — ne codez jamais en dur des faits de modèle.