Claude AI: руководство, советы и лучшие практики

Детальное сравнение двух гигантов AI-кодинга июля 2026 года — Claude Opus 4.8 (28 мая) и старшей модели Sol в линейке GPT-5.6 (9 июля). Их сильные стороны почти противоположны: Sol лидирует в работе с терминалом и общей агентной мощи (TerminalBench 2.1 88.8% против 78.9% у Opus, Agents' Last Exam 53.6, Coding Agent Index 80), а Opus 4.8 — в кодинге производственного уровня (SWE-bench Pro 69.2% против 64.6% у Sol) и делает ставку на честность (примерно в 4 раза реже пропускает дефекты в своём коде; не сообщает о важных сбоях лишь в 3.7% случаев). GPQA Diamond и FrontierMath, которые считались неопубликованными, есть в таблице оценок OpenAI, и там впереди Sol (как и в GraphWalks 1M), а в SWE-bench Pro даже собственная таблица OpenAI ставит Opus впереди, так что в цитадели кодинга преимущество у Opus. Разбираем таблицу характеристик, детали бенчмарков, проблему закрытых бенчмарков, реальную стоимость ($25 vs $30 против +54% эффективности токенов), карту сильных и слабых сторон, выбор под задачу и стратегию двойной эксплуатации.

Внезапная ошибка «API Error: 400 Output blocked by content filtering policy» в Claude Code и API — это не лимит использования и не переполнение контекста, а состояние, когда «вывод», который пытался вернуть Claude, был остановлен фильтром безопасности. Основная цель фильтра — предотвратить дословное воспроизведение существующих защищённых материалов, и при генерации полного текста стандартных лицензий вроде MIT/Apache, работе «по приведению в соответствие» существующему источнику или копировании длинных документов он часто срабатывает ложно (false positive), без злого умысла. В статье разбираем: официальное объяснение (фильтр на этапе вывода обнаруживает воспроизведение защищённого материала и блокирует его кодом 400), паттерны ложных срабатываний из реальных Issue Claude Code (первичная настройка OSS-репозитория, сверка списков, ошибочный диагноз «лимит токенов» в конце долгого прогона агента), способы исправить прямо сейчас (получать шаблоны инструментами вместо дословной копии, переформулировать промпт ближе к генерации/резюмированию, останавливать цикл повторных попыток клавишей Esc, дробить задачу, сообщать о ложных срабатываниях в поддержку) и как отличить от Prompt is too long / usage limit / 529 Overloaded / max_tokens.

Вы упёрлись в недельный лимит токенов Claude Code, но квота полностью восстановилась раньше, чем прошло семь дней — причём не раз. В интернете даже есть разборы про «скрытый механизм», где утверждается, что недельный лимит сбрасывается каждые 72 часа. Правда ли это? Эта статья прослеживает явление до первоисточников. Но Anthropic не задокументировала внутренний механизм сброса, а лимиты постоянно меняются, поэтому мы чётко помечаем три вида информации: факты, подтверждаемые из официальных источников; события, которые многие пользователи воспроизводимо наблюдают, но которые Anthropic не прокомментировала; и не подтверждённые домыслы из единственного источника. Суть: раннее полное восстановление в большинстве случаев — это нерегулярные глобальные сбросы Anthropic (объявляются неоднократно через @ClaudeDevs); показанное время сброса к тому же доказуемо нестабильно; а гуляющая «72-часовая периодичность» основана на единственном наблюдателе, не воспроизведена и опровергается другим наблюдением (24 ч), так что её нельзя считать фактом. С сентября 2026 года появилась и новая форма: выдаваемый сброс, который вы применяете сами, когда захотите («Reset for free» в Settings > Usage в веб-версии или Claude Desktop; в Claude Code в терминале такой кнопки нет). Там, где что-то нельзя утверждать, мы прямо об этом говорим — исследование по состоянию на сентябрь 2026.

Песочница Claude Code ограничивает на уровне ОС доступ оболочек внутри неё и их дочерних процессов к файлам и сети. Разбираем /sandbox, места записи, запреты чтения, разрешённые домены, обычные разрешения и auto-allow. Встроенные Read/Edit/Write, MCP, хуки, исключённые команды и повторы без изоляции — отдельные пути. Это не гарантия предотвращения всех разрушительных действий, передачи данных в разрешённых областях или утечки секретов. Объясняем обработку неизвестных хостов по режимам и настройки исключений.

Для тех, кто застревает на «А что вообще спрашивать у ИИ?», собрано 30 «заданий», которые достаточно скопировать и вставить, чтобы получить интересный ответ. 6 жанров × 5 вопросов: узнать себя (скрытые сильные стороны, ценности, с каким животным сравнить), разгон фантазии и мир «а что если» (неожиданное применение обычных вещей, гравитация вдвое слабее, изобрести несуществующий праздник), объяснения, после которых кажется, что понял (квантовая механика для пятилетнего, сложные проценты тремя метафорами, как устроен интернет на примере доставки пиццы), игра слов (переписать в 10 стилях, микроистория в 2 предложениях, придумать прозвище, палиндромы), ролевые игры и советы (жёсткий лайф-коуч, мудрец с новой пословицей, письмо от себя из будущего, недоумевающий инопланетянин), полезно, но весело (оправдание как изречение, 5 степеней вежливого отказа, оживить сухое сообщение, драматичные названия блюд, весёлый крюк в списке дел). Работает на бесплатных ChatGPT, Claude, Gemini. С секретами интереса (наращивать «ещё», роль и ограничения, менять ИИ), предостережениями и ссылкой на статью-спутник «15 весёлых способов использовать ИИ».

Когда речь заходит об ИИ, всегда всплывает что-то серьёзное, но ярче всего ИИ раскрывается именно в игре. В этой статье — 15 весёлых способов использовать ИИ, и к каждому прилагается готовый промпт, который можно вставить прямо сейчас. Игра слов & юмор (① батлы шуток ② машина пародийных песен и рэпа ③ фабрика названий), ролевая игра & диалоги (④ разговор с исторической личностью ⑤ спор двух ИИ ⑥ тренировка спора с ботом-адвокатом дьявола), игры (⑦ текстовое приключение, где ИИ — гейм-мастер ⑧ собственная викторина ⑨ детективная игра), творчество (⑩ справочник по вымышленным существам ⑪ история, где герой — вы ⑫ игра с генерацией изображений) и быт & неожиданное (⑬ повар из остатков ⑭ маршрут в Древний Рим или на Луну ⑮ гадалка ради развлечения). Всё работает на бесплатных ChatGPT, Claude или Gemini (кроме № 12 — генерации изображений: Claude её не умеет, используйте ChatGPT или Gemini). Три ключа к веселью — задайте роль, свяжите ограничениями, наращивайте «ещё» — заодно служат основой практичного промптинга. С предостережениями (факт против вымысла, личные данные, игра с детьми) и разделом FAQ.

Claude Fable 5 и Opus 5 — обе модели верхнего эшелона, но ответ звучит ни как «всегда Fable 5», ни как «всегда Opus 5»: выбирать нужно под задачу. Выход Opus 5 24 июля 2026 года заметно сместил этот ответ: предыдущее поколение, Opus 4.8, занимало нишу «на ступеньку слабее Fable 5, зато вдвое дешевле», тогда как Opus 5 сохраняет ту же цену $5 / $25 и при этом не уступает Fable 5 на агентных бенчмарках, а местами и обходит её (Frontier-Bench 43.3% против 33.7% и OSWorld 2.0 70.6% против 66.1% — из сравнительной таблицы Anthropic; по CursorBench 3.2 Anthropic официально заявляет, что укладывается в 0.5% от результата Fable 5 примерно за половину стоимости). Где разрыв мал, порядок зависит от таблицы: в DeepSWE v1.1 у Anthropic впереди Fable 5 (69.7% против 68.8%), у OpenAI — Opus 5 (73.7% против 69.9%). По характеристикам модели совпадают — контекстное окно 1M и максимальный вывод 128K; быстрый режим (примерно в 2.5 раза) есть только у Opus 5, но стоит вдвое дороже и работает только в Claude API, зато у Opus 5 более свежая граница знаний — май 2026 года. Схема решения: сначала пробуйте Opus 5 и поднимайтесь к Fable 5 только там, где он выходит на плато. На практике оптимальна связка «Opus 5 как основа, Fable 5 для сложного», подкреплённая автопереключением при блокировках защиты в приложении и новым резервным режимом «default» в API. Разбираем доступность (приостановка в июне, повторное развёртывание в июле), отказ от зависимости от одной модели, настройку effort ради экономии и частые вопросы — связывая кластер материалов по Fable 5 с руководством по релизу Opus 5.

1 июля 2026 года Anthropic повторно развернула по всему миру свою флагманскую модель Claude Fable 5 (Mythos 5 вернулась только для ряда организаций в США) — всего через 19 дней после того, как 12 июня обе модели полностью остановили по распоряжению США об экспортном контроле. Прямая причина возвращения: 30 июня Министерство торговли США сняло экспортные ограничения. Изначальным поводом стал отчёт о джейлбрейке от исследователей Amazon, но Anthropic последовательно утверждала, что «у Fable 5 нет уникальных наступательных возможностей», и снятие ограничений разрешает вопрос в этом ключе. Модель вернулась не в прежнем виде: новый классификатор, обученный распознавать заявленный метод обхода, блокирует его более чем в 99% случаев, а при срабатывании запрос автоматически перенаправляется в Opus 4.8 (переключатель «сменить модель, если сообщение помечено флагом» в приложении). Пока действует временное ограничение — до 50% недельного лимита на планах Pro, Max, Team и отдельных Enterprise до 7 июля, затем через кредиты на использование. Fable 5 расходует ресурс быстрее, чем Opus 4.8, а доступ через облака (AWS, Google Cloud, Microsoft Foundry) возвращается поэтапно (даты пока нет). Как продолжение статьи об остановке, этот текст разбирает, почему модель смогла вернуться, что изменилось, на что обратить внимание при использовании и почему важно проектировать систему без зависимости от единственной модели — на основе официального заявления и сообщений прессы.

Правила разрешений Claude Code управляют вызовами инструментов через allow, ask и deny в settings.json. Разбираем приоритет настроек, сопоставление команд и путей и практические примеры. Объясняем другие формы вызова Bash, произвольные скрипты, отрицание путей Read/Edit и изменения решений модами. Эти правила не гарантируют запрет доступа к секретам или сети через все возможные пути.

Селектор «Permission Mode» решает, как часто Claude спрашивает разрешение перед правкой файлов и запуском команд. Разбираем все 6 режимов, переключение через Shift+Tab, работу auto mode и то, какой режим выбирать для безопасной и быстрой работы.

Регулятор «Faster ↔ Smarter» в Claude Code задаёт, сколько токенов модель тратит на ответ. У effort 5 уровней (low–max), а Ultracode — отдельный переключатель, который работает на любом уровне. Разбираем, почему «Extra» = xhigh (а не максимум), как настроить через /effort и какой уровень выбирать.

Agent Evals — это процесс систематического измерения того, способен ли агент, который использует инструменты и делает несколько шагов к цели, действительно выполнять свои задачи. Это эволюция LLM evals, расширяющая объект оценки с «одного вывода» до «последовательности действий». Поскольку агент планирует, вызывает инструменты и обновляет состояние, одного финального вывода недостаточно; Google отмечает, что нужно понимать «почему» за действиями агента, и делит оценку на финальный ответ и trajectory. Пять измерений: outcome (успех задачи, судят по финальному состоянию — существует ли бронь в DB, а не по высказыванию «я забронировал»), trajectory (разумные шаги, правильные инструменты в правильном порядке), корректность использования инструментов (правильный инструмент и аргументы, проверка имён функций и типов), эффективность (шаги, токены, стоимость, задержка — часто сигналы observability, привнесённые в оценку) и качество финального ответа (через LLM-as-judge или рубрику). Грейдеры — это код (быстрый/дешёвый/воспроизводимый, но хрупкий), LLM-as-judge (гибкий, но недетерминированный и требует калибровки) и человек (золотой стандарт, но дорогой — избегайте по возможности). Anthropic рекомендует оценивать результат, а не путь: механическое сопоставление trajectory «слишком жёсткое и хрупкое», поскольку агенты находят допустимые альтернативы, тогда как Google и Microsoft предлагают метрики сопоставления trajectory для диагностики провалов. Уникальные подводные камни — недетерминированность (pass^k), накапливающиеся ошибки (p^t), reward hacking (роботизированная рука DeepMind, имитирующая захват) и устаревшие или загрязнённые наборы eval. Практический приём, по Anthropic: превратить 20–50 продакшен-провалов в тест-кейсы, запустить автоматическую оценку в CI, разделить capability и regression evals и писать их рано. Бенчмарки вроде SWE-bench, tau-bench, WebArena, GAIA, OSWorld и BFCL полезны как референсы (оценки меняются от версии, поэтому не принимайте их за чистую монету). На основе официальной информации, с пометкой неопределённостей.