Come scegliere il livello di modello Claude giusto per ogni task di coding

Quando le persone iniziano a costruire con un assistente di coding IA, spesso scelgono il modello più potente disponibile e lo usano per tutto. Sembra sicuro — perché non usare sempre il modello più intelligente? Ma il modello più intelligente è anche il più lento e il più costoso, e per molto lavoro quotidiano è eccessivo. Imparare ad abbinare il livello di modello al task è una delle abitudini a più alta leva che puoi costruire. Fa risparmiare denaro, restituisce risposte più in fretta e — controintuitivamente — a volte produce risultati migliori, perché un modello veloce che finisce ti permette di iterare di più.

Questa guida usa la gamma Claude di Anthropic come esempio, ma il principio vale per ogni fornitore che distribuisce una famiglia di modelli.

I livelli, dal leggero al pesante

A metà 2026, Claude ha quattro livelli, ciascuno all'incirca un gradino sopra in capacità e prezzo (prezzi ufficiali):

• Haiku 4.5 — 1 $ / 5 $ per milione di token in input/output. Veloce ed economico. Ottimo per lavoro semplice e ben definito.
• Sonnet 4.6 — 3 $ / 15 $. Il cavallo da lavoro. Forte nel coding e nella maggior parte dei task di produzione.
• Opus 4.8 — 5 $ / 25 $. Ragionamento più pesante per problemi complessi e a più passi.
• Fable 5 — 10 $ / 50 $. Il nuovo flagship di classe Mythos, rilasciato il 9 giugno 2026, per i problemi più difficili.

Nota che i token in output costano cinque volte quelli in input a ogni livello, e che passare da Sonnet a Fable è un aumento di prezzo di oltre 3 volte. Quei divari sono esattamente il motivo per cui la scelta del livello conta.

La regola pratica di Anthropic stessa

La documentazione sui prezzi di Anthropic dà una raccomandazione di una franchezza rinfrescante: "Scegli Haiku per i task semplici, Sonnet per la maggior parte dei carichi di lavoro di produzione e Opus per il ragionamento più complesso." Fable 5 estende quella scala di un gradino in più per i problemi di livello frontiera.

Tradotto nel lavoro di coding:

• Ricorri a Haiku quando il task è meccanico: rinominare variabili, scrivere una regex, formattare JSON, generare test boilerplate, riassumere un diff o rispondere a un veloce "cosa fa questa funzione?"
• Usa Sonnet come default per il grosso del coding reale: implementare una funzionalità, correggere un bug normale, scrivere un componente, rivedere una pull request. Questa dovrebbe essere la tua base.
• Sali a Opus quando un task richiede vero ragionamento su molto contesto: un bug ambiguo senza causa ovvia, un refactoring multi-file in cui le modifiche interagiscono, o decisioni di progettazione architetturale.
• Tieni Fable 5 per il raro problema che mette in difficoltà Opus — una migrazione sterminata, un sottile bug di concorrenza, o lavoro che si estende su un codebase molto grande in una singola sessione.

Un esempio elaborato

Diciamo che stai aggiungendo una nuova funzionalità "esporta in CSV" a una web app. Un workflow consapevole dei livelli potrebbe apparire così:

1. Pianifica con Opus. "Ecco la struttura del mio codebase. Dove dovrebbe stare la logica di esportazione e quali casi limite dovrei gestire?" Questo è ricco di ragionamento e imposta la direzione — vale il modello migliore.
2. Implementa con Sonnet. "Scrivi la funzione di esportazione e collegala a un pulsante." Coding standard che il cavallo da lavoro gestisce bene.
3. Testa e rifinisci con Haiku. "Genera test unitari per questa funzione" e "riformatta questo file." Economico, veloce, meccanico.

Il modello costoso tocca solo il 10% del lavoro che ne ha davvero bisogno. In Claude Code passi da uno all'altro a metà sessione con /model sonnet o /model haiku; in Cursor scegli dal menu a tendina dei modelli. L'intera funzionalità costa una frazione di quanto costerebbe se Opus o Fable facessero ogni passo — e finisce più in fretta, perché i passi economici tornano quasi istantaneamente.

Taglia i costi senza scendere di livello

La scelta del livello è la leva più grande, ma due funzionalità integrate si sommano:

• Prompt caching. Se invii ripetutamente lo stesso grande contesto (un grande system prompt, un file a cui continui a riferirti), metterlo in cache rende le letture successive a costo del solo 10% del prezzo di input. Per i loop di agenti che reinviano contesto a ogni turno, questo è enorme.
• Batch processing. Per lavori non urgenti e ad alto volume — generare test per 200 file, tradurre una cartella di documentazione — la Batch API gira in modo asincrono con uno sconto del 50% sia su input che su output.

Nessuna delle due cambia la qualità del modello; cambiano solo ciò che paghi per lo stesso lavoro.

La conclusione

Non usare per default il modello più grande per prudenza. Usa per default Sonnet, scendi a Haiku quando il task è banale e sali a Opus o Fable solo quando un problema richiede davvero un ragionamento più profondo. Spenderai di meno, aspetterai di meno e — poiché puoi permetterti di iterare di più — spesso consegnerai codice migliore. L'obiettivo non è usare il modello più intelligente; è usare quello giusto per il lavoro che hai davanti.