ఒకే రకమైన వర్క్లోడ్ కోసం Claude Opus 5 ఇప్పుడు Opus 4.8 కంటే మూడు రెట్లు ఎక్కువ ఖర్చు అవుతోంది, అయినప్పటికీ రెండు మోడల్స్ ఒకే ధరను (price per token) కలిగి ఉన్నాయి. దీనికి కారణం డిఫాల్ట్గా ఉండే “adaptive thinking” ఫీచర్, ఇది 'హిడెన్ రీజనింగ్' (hidden reasoning) రూపంలో అవుట్పుట్ టోకెన్లను నిశ్శబ్దంగా వినియోగిస్తుంది. ఈ ఫీచర్ను ఆపివేయడం ద్వారా, ఖచ్చితత్వాన్ని (accuracy) తగ్గించకుండానే ఖర్చును సమానంగా చేయవచ్చు.
ధరలో వ్యత్యాసం ఎందుకు కనిపిస్తుంది
రెండు వెర్షన్లు ప్రతి మిలియన్ ఇన్పుట్ టోకెన్లకు $5 మరియు ప్రతి మిలియన్ అవుట్పుట్ టోకెన్లకు $25 వసూలు చేస్తాయి. మా బెంచ్మార్క్ల ప్రకారం, ఒకే రకమైన ప్రాంప్ట్లను రన్ చేసినప్పుడు Opus 5 బిల్లు Opus 4.8 కంటే 3.1 × ఎక్కువగా ఉంది. ఈ అదనపు ఛార్జీ పెరిగిన ధర (list price) వల్ల రావడం లేదు; ఇది Opus 5 తన అంతర్గత ఆలోచనా ప్రక్రియను (internal thought process) లెక్కించే విధానంలో కలిసి ఉంది.
adaptive thinking ఏం చేస్తుంది
adaptive thinking ఎనేబుల్ చేసినప్పుడు, మోడల్ తుది సమాధానాన్ని ఇచ్చే ముందు అదనపు అంతర్గత రీజనింగ్ను చేస్తుంది. ఆ రీజనింగ్ వినియోగదారునికి కనిపించకపోయినప్పటికీ, అది అవుట్పుట్ టోకెన్లుగా లెక్కించబడుతుంది. సరళమైన ప్రశ్నల విషయంలో, బిల్లు చేయబడిన అవుట్పుట్ టోకెన్లలో 42% నుండి 95% వరకు ఈ హిడెన్ రీజనింగ్ రూపంలోనే ఉంటాయి. దీనివల్ల, ఒకే అంకె సమాధానం ఇవ్వాల్సిన సాధారణ గణిత సమస్య కూడా డజన్ల కొద్దీ కనిపించని టోకెన్లను సృష్టించవచ్చు, తద్వారా ఖర్చు విపరీతంగా పెరుగుతుంది.
ఈ ఫీచర్ బగ్ కాదు—క్లిష్టమైన పనులపై సమాధానాల నాణ్యతను మెరుగుపరచడమే Claude డిజైనర్ల ఉద్దేశ్యం. వాస్తవానికి, కష్టమైన ప్రాంప్ట్ల విషయంలో, ముఖ్యంగా మోడల్ అనేక దశలను అనుసరించాల్సి వచ్చినప్పుడు లేదా బాహ్య సాధనాలతో (external tools) పరస్పర చర్య జరపాల్సి వచ్చినప్పుడు, ఈ హిడెన్ రీజనింగ్ వల్ల ఖచ్చితత్వంలో స్వల్ప మెరుగుదల కనిపిస్తుంది.
ఖర్చులను ఎలా నియంత్రించాలి
adaptive thinkingని నిలిపివేసేందుకు మోడల్ ఒకే ఒక పారామీటర్ను అనుమతిస్తుంది:
{
"thinking": {"type": "disabled"}
}
Opus 5కి ఈ సెట్టింగ్ను వర్తింపజేయడం ద్వారా, మేము పరీక్షించిన సరళమైన వర్క్లోడ్లపై ఫలితాల ఖచ్చితత్వం మారకుండానే, ప్రతి టాస్క్ ఖర్చు Opus 4.8 వసూలు చేసే ధరకే చేరుతుంది.
ఎప్పుడు నిలిపివేయాలి
- టెక్స్ట్ నుండి డేటాను సేకరించడం (Extraction)
- ఫార్మాటింగ్ ఆపరేషన్లు (ఉదాహరణకు, JSON కన్వర్షన్)
- సమాధానం నేరుగా లభించే లేదా చాలా సులభమైన గణనతో కూడిన సింగిల్-స్టెప్ కాల్స్
ఈ సందర్భాలలో థింకింగ్ను నిలిపివేయడం వల్ల హిడెన్ టోకెన్ టాక్స్ (hidden token tax) తగ్గుతుంది మరియు బిల్లులను అంచనా వేయడం సులభమవుతుంది.
ఎప్పుడు ఆన్ చేసి ఉంచాలి
- లోతైన లాజికల్ చైన్స్ లేదా సూక్ష్మమైన రీజనింగ్ అవసరమయ్యే పనులు
- బాహ్య సాధనాలను (external tools) పదేపదే పిలిచే ఏజెంట్ వర్క్ఫ్లోలు
టూల్-హెవీ (tool-heavy) సందర్భాలలో, మోడల్ టూల్ కాల్స్ ద్వారా లూప్ చేస్తున్నప్పుడు అంతర్గత రీజనింగ్ కోసం తక్కువ ఖర్చు చేస్తుంది కాబట్టి, ధరల వ్యత్యాసం సుమారు 33% కి తగ్గుతుంది.
ఇతర ముఖ్యమైన తేడాలు
- Context window: Opus 5 ఒక మిలియన్ టోకెన్ల వరకు నిల్వ చేయగలదు, దీనిని మేము 969,950వ టోకెన్ వద్ద ఉన్న టార్గెట్ స్ట్రింగ్ను తిరిగి పొందడం ద్వారా ధృవీకరించాము.
- Cache floor: కనీస క్యాచీ సైజు (minimum cache size) 512 టోకెన్లకు తగ్గింది, ఇది Opus 4.8 కంటే సగం మాత్రమే. ఇది రీ-టోకనైజేషన్ (re-tokenising) లేకుండా మోడల్ ఎంతవరకు మునుపటి సంభాషణను తిరిగి ఉపయోగించుకోగలదనే దానిపై ప్రభావం చూపుతుంది.
తదుపరి ఏమి గమనించాలి
adaptive thinking యాక్టివ్గా ఉందని సూచించే “reasoning tokens” లేదా అటువంటి ఇతర అంశాల కోసం డెవలపర్లు వినియోగ నివేదికలను (usage reports) పర్యవేక్షించాలి. ఎక్కువ అప్లికేషన్లు ఏజెంట్-శైలి కార్యకలాపాల కోసం Claudeను ఉపయోగించడం పెరిగే కొద్దీ, ఖర్చు మరియు నాణ్యత మధ్య సమతుల్యత (trade-off) అనేది ఒక ముఖ్యమైన ఆప్టిమైజేషన్ నిర్ణయంగా మారుతుంది. భవిష్యత్తు అప్డేట్లు వినియోగదారులకు రీజనింగ్ యొక్క లోతును (depth of reasoning) సర్దుబాటు చేసే సౌలభ్యాన్ని అందించవచ్చు, దీనివల్ల ఖర్చు నియంత్రణ సులభతరం అవుతుంది.
ముఖ్య గమనిక (Takeaway): Opus 5 యొక్క డిఫాల్ట్ adaptive thinking సులభమైన పనులపై టోకెన్ వినియోగాన్ని పెంచుతుంది. Opus 4.8 ఖర్చుతో సమానంగా ఉండటానికి పైన పేర్కొన్న సెట్టింగ్తో దానిని నిలిపివేయండి, మరియు అదనపు రీజనింగ్ వల్ల కలిగే ప్రయోజనం అదనపు ఖర్చుకు తగినట్లుగా ఉన్నప్పుడు మాత్రమే దానిని ఎనేబుల్ చేయండి.