Ума уже хватает, нужна скорость: Haiku 4.5 начинает отвечать через 0,75 секунды

Спрос сместился с рейтингов на задержку ответа и цену токена. Дешёвый край это уже тянет: Haiku 4.5 набирает 73,3% на SWE-bench Verified и стоит $1 за миллион входных токенов и $5 за выходные (Anthropic, 15.10.2025).

«Быстро» распадается на два числа. Gemini 3.5 Flash-Lite выдаёт 339 токенов в секунду, но первое слово приходит через 7,80 секунды. Haiku 4.5 печатает медленнее, 86 токенов в секунду, зато стартует за 0,75 секунды, примерно в 10 раз быстрее (замер Artificial Analysis, 02.09.2026). В агентском цикле ждать восемь секунд до первого слова больнее, чем печатать чуть медленнее.

Цена флэш-линеек упала поколением. Gemini 3.5 Flash стоила $1,50 и $9,00 за миллион токенов. Версии 3.6, 3.7 и 3.8 Flash идут по $0,75 и $3,75 до 31.12.2026.

Дешёвый край рынка на 02.09.2026:

- gpt-5-nano: $0,05 за миллион входных токенов и $0,40 за выходные, в batch вдвое дешевле; - Gemini 3.1 Flash-Lite: $0,25 и $1,50, в batch $0,125 и $0,75; - Claude Haiku 4.5: $1 и $5, сверху скидки инфраструктуры до 90% на prompt caching и 50% на batch.

Переключение занимает одну команду. В Claude Code быструю модель включает `/model haiku` прямо в сессии, `claude --model haiku` при старте или переменная `ANTHROPIC_MODEL=haiku`. Отдельный тумблер `/fast` разменивает цену на скорость между Sonnet и Opus, не открывая `/model`.

Скорость продают и подпиской. Cerebras Code берёт $50 в месяц за 24 млн токенов в день на Qwen3-Coder и обещает до 2000 токенов в секунду (блог Cerebras, 01.08.2025). Подключается по OpenAI-совместимому endpoint из Cursor, Cline и Continue.dev, а попробовать дают на $5 бесплатных кредитов.

Скидка на флэш-линейку Google держится до 31.12.2026, потом цена возвращается к $1,50 и $7,50 за миллион токенов.