اگر در حال توسعه‌ی عامل‌های هوش مصنوعی هستید، باید بدانید که هزینه‌های عملیاتی شما احتمالاً بدون هیچ تغییری در قیمت لیست، ۳۵ درصد افزایش می‌یابد. تصور کنید ابزاری که برای مدیریت بودجه‌ی شما طراحی شده، در واقع هزینه‌ی مصرف شما را بالا می‌برد.
این به‌روزرسانی در حالی عرضه می‌شود که صنعت از چت‌بات‌های ساده به سمت عامل‌های هوشمند (AI Agents) — تشبیه روزمره: دستیارهایی که فقط حرف نمی‌زنند، بلکه می‌توانند در کامپیوتر شما کارهای واقعی را انجام دهند — حرکت می‌کند. همان‌طور که در تحلیل قبلی ما درباره‌ی ابزارهای اتوماسیون کدنویسی اشاره کردیم، نیاز به حافظه و بینایی دقیق برای کارهای پیچیده، اولویت اصلی توسعه‌دهندگان شده است.
آنتروپیک (Anthropic) در ۱۶ آوریل ۲۰۲۶ مدل Claude Opus 4.7 را معرفی کرد. طبق اعلام این شرکت، تغییرات کلیدی این نسخه عبارتند از:
- بینایی با رزولوشن بالا: ظرفیت ورودی تصاویر از ۱.۱۵ به ۳.۷۵ مگاپیکسل رسید تا نقشه‌برداری ۱:۱ از پیکسل‌ها برای اتوماسیون رابط کاربری (UI) ممکن شود.
- بودجه‌های وظیفه‌ای (Task Budgets): قابلیتی در حالت بتا که به مدل اجازه می‌دهد بر اساس بودجه‌ی توکنی باقی‌مانده، اولویت‌های کاری خود را در حلقه‌های عامل‌محور تنظیم کند.
- تفکر تطبیقی (Adaptive Thinking): جایگزینی بودجه‌های ثابت تفکر با یک نوع پویا برای بهینه‌سازی استدلال.
- تلاش بسیار بالا (xhigh Effort): یک سطح جدید از استدلال برای عیب‌یابی‌های چندمرحله‌ای و تحلیل نمودارهای پیچیده.
به نقل از گزارش dev.to، این مدل همچنان پنجره متنی ۱ میلیون توکنی را حفظ کرده و قیمت استنتاج (Inference) — تشبیه روزمره: لحظه‌ای که مدل واقعاً جواب تولید می‌کند — مثل خودِ آشپزی، نه دوره‌ی آموزش آشپز — برای ورودی ۵ دلار و برای خروجی ۲۵ دلار به ازای هر میلیون توکن است.
اما نکته‌ی حیاتی برای توسعه‌دهندگان، توکنایزر (Tokenizer) — تشبیه روزمره: ابزاری که متن را به تکه‌های کوچک تقسیم می‌کند، مثل خرد کردن مواد اولیه برای پخت غذا — جدید است. بر اساس بررسی منابع متعدد، یک متن یکسان اکنون تا ۳۵ درصد توکن بیشتری تولید می‌کند. این یعنی هزینه‌ی واقعی هر درخواست افزایش یافته است. این تغییر، در کنار حذف پارامترهای نمونه‌برداری غیرپیش‌فرض، توسعه‌دهندگان را مجبور می‌کند تا به جای تنظیم دستی پرامپت‌ها، بر استدلال مدل‌محور تکیه کنند.
گام بعدی شما
- پیش از مهاجرت به نسخه جدید، تمام پرامپت‌های فعلی خود را از طریق نقطه اتصال
/v1/messages/count_tokensحسابرسی کنید تا میزان افزایش هزینه را تخمین بزنید. - قابلیت بودجه‌های وظیفه‌ای را در محیط تست بررسی کنید تا ببینید چگونه بر پایداری عامل‌های شما در محیط تولید اثر می‌گذارد.
- برای تحلیل‌های بصری پیچیده، رزولوشن جدید را با داده‌های واقعی UI آزمایش کنید.
اما تأثیر این تغییرات بر رقابت با GPT-5 و استراتژی‌های قیمت‌گذاری مدل‌های استدلالی را در گزارش بعدی بررسی خواهیم کرد.
گفتگو