Maison
Claude Mythos fait ses débuts à 125 dollars pour 1 million de jetons ; la méthode « Frugal Mountain Cave Man » gagne en popularité
Récemment, Anthropic a lancé le modèle d’IA « Claude Mythos », présenté comme sa version la plus puissante à ce jour. Cependant, sa tarification a provoqué une véritable onde de choc au sein de la communauté des développeurs : les coûts de production sont fixés à 125 dollars par million de tokens, soit près de huit fois plus que ceux de son produit phare actuel, « Claude Sonnet 4.6 ».

Point clé : Mythos, un prix prohibitif
La structure tarifaire de Claude Mythos marque le début d’une nouvelle ère de surcoûts liés à la puissance de calcul de l’IA :
Des coûts exorbitants : les coûts d’entrée et de sortie sont respectivement de 25 $ et 125 $ par million de jetons. À titre de comparaison, Claude Sonnet 4.6 ne coûte que 3 $ et 15 $.
Une barrière à l’entrée élevée : en raison de sa puissance et de son coût extrêmes, le modèle n’est pas encore accessible aux utilisateurs lambda. Certains utilisateurs de Reddit ont plaisanté en disant que même un simple « Bonjour » pourrait consommer 13 % d’une allocation mensuelle de jetons.
Auto-sauvetage de geeks : la méthode de sauvegarde virale « Caveman »
Les coûts des jetons rivalisant avec ceux de l’or, les développeurs se sont tournés vers des tactiques d’économie extrêmes. Un projet, judicieusement baptisé « Caveman », est rapidement devenu viral sur GitHub :
Logique de base : il oblige l’IA à supprimer toutes les formules de politesse (comme « C’est un plaisir de vous servir »), à éliminer les articles, à éviter les banalités vagues et à ne produire que des termes techniques essentiels.
Des résultats impressionnants : les tests indiquent que ce mode « langage de l’homme des cavernes » permet d’économiser environ 65 % de jetons sans sacrifier la précision des résultats.
Fondement scientifique : des études montrent que le fait de forcer le modèle à produire des réponses concises permet non seulement de réduire les coûts, mais aussi d’éliminer les effets négatifs d’une réflexion excessive, ce qui améliore la précision de 26 % sur certains benchmarks.
Conseils pratiques : 10 astuces pour économiser des tokens
Au-delà des solutions techniques, les utilisateurs lambda peuvent échapper au « tueur de tokens » en modifiant leurs habitudes d’interaction :
Modifier sur place : si un résultat n’est pas satisfaisant, utilisez le bouton « Modifier » pour affiner la requête initiale, évitant ainsi les facturations répétées liées à des conversations trop longues.
Raccourcissez les conversations : lancez une nouvelle discussion tous les 15 à 20 messages pour éviter que l’accumulation de contexte ne se transforme en un véritable gouffre de jetons.
Regroupez les questions : regroupez plusieurs instructions dans un seul message pour réduire la charge du système.
Utilisez judicieusement l’espace « Projets » : téléchargez les documents volumineux dans la section « Projets » et tirez parti de la mise en cache pour éviter que le document ne soit analysé à plusieurs reprises.
Optez pour des modèles moins performants lorsque c’est possible : confiez les tâches simples, comme les vérifications grammaticales, à des modèles moins coûteux tels que Haiku, en réservant le coûteux Claude Mythos aux tâches les plus exigeantes.
Profitez des heures creuses : évitez la plage horaire de pointe de 5 h à 11 h, heure du Pacifique, pour bénéficier de coûts réduits.
Conclusion : du gaspillage à la précision
Des courts messages de l’année 2000 facturés au mot aux grands modèles actuels facturés au jeton, notre quête d’efficacité en matière de communication a bouclé la boucle. C’est l’ère de l’IA à coût élevé inaugurée par Claude Mythos .
Article connexe
PDG de DeepMind, Hassabis : Je dors six heures par jour et je me sens généralement plein d’énergie vers 1 h du matin.
Fortune a récemment publié une interview avec Demis Hassabis, PDG de Google DeepMind, révélant son approche non conventionnelle du repos et de la productivité. Hassabis a divulgué qu’il dort très peu, structurant ses heures d’éveil en deux blocs de t
OpenAI et Anthropic se disputent des parts de marché malgré des résultats en deçà des attentes
Bien que des informations récentes laissent entendre qu’OpenAI n’aurait pas atteint ses objectifs de chiffre d’affaires, ce qui a pesé sur les valeurs technologiques ce mardi, les investisseurs privés
Conformité des véhicules autonomes en Californie : une nouvelle ère marquée par les amendes, les zones de géolocalisation et 1 million de miles
Guident exploite une navette AuveTech dans le sud de la Floride, gérant un parcours de quatre miles à West Palm Beach et un parcours d’un mile à Boca Raton grâce à sa technologie de surveillance à dis
Recommandations de sujets spéciaux liés
commentaires (0)
Récemment,

Point clé : Mythos, un prix prohibitif
La structure tarifaire de
Des coûts exorbitants : les coûts d’entrée et de sortie sont respectivement de 25 $ et 125 $ par million de jetons. À titre de comparaison,
Une barrière à l’entrée élevée : en raison de sa puissance et de son coût extrêmes, le modèle n’est pas encore accessible aux utilisateurs lambda. Certains utilisateurs de Reddit ont plaisanté en disant que même un simple « Bonjour » pourrait consommer 13 % d’une allocation mensuelle de jetons.
Auto-sauvetage de geeks : la méthode de sauvegarde virale « Caveman »
Les coûts des jetons rivalisant avec ceux de l’or, les développeurs se sont tournés vers des tactiques d’économie extrêmes. Un projet, judicieusement baptisé « Caveman », est rapidement devenu viral sur GitHub :
Logique de base : il oblige l’IA à supprimer toutes les formules de politesse (comme « C’est un plaisir de vous servir »), à éliminer les articles, à éviter les banalités vagues et à ne produire que des termes techniques essentiels.
Des résultats impressionnants : les tests indiquent que ce mode « langage de l’homme des cavernes » permet d’économiser environ 65 % de jetons sans sacrifier la précision des résultats.
Fondement scientifique : des études montrent que le fait de forcer le modèle à produire des réponses concises permet non seulement de réduire les coûts, mais aussi d’éliminer les effets négatifs d’une réflexion excessive, ce qui améliore la précision de 26 % sur certains benchmarks.
Conseils pratiques : 10 astuces pour économiser des tokens
Au-delà des solutions techniques, les utilisateurs lambda peuvent échapper au « tueur de tokens » en modifiant leurs habitudes d’interaction :
Modifier sur place : si un résultat n’est pas satisfaisant, utilisez le bouton « Modifier » pour affiner la requête initiale, évitant ainsi les facturations répétées liées à des conversations trop longues.
Raccourcissez les conversations : lancez une nouvelle discussion tous les 15 à 20 messages pour éviter que l’accumulation de contexte ne se transforme en un véritable gouffre de jetons.
Regroupez les questions : regroupez plusieurs instructions dans un seul message pour réduire la charge du système.
Utilisez judicieusement l’espace « Projets » : téléchargez les documents volumineux dans la section « Projets » et tirez parti de la mise en cache pour éviter que le document ne soit analysé à plusieurs reprises.
Optez pour des modèles moins performants lorsque c’est possible : confiez les tâches simples, comme les vérifications grammaticales, à des modèles moins coûteux tels que Haiku, en réservant le coûteux
Profitez des heures creuses : évitez la plage horaire de pointe de 5 h à 11 h, heure du Pacifique, pour bénéficier de coûts réduits.
Conclusion : du gaspillage à la précision
Des courts messages de l’année 2000 facturés au mot aux grands modèles actuels facturés au jeton, notre quête d’efficacité en matière de communication a bouclé la boucle. C’est l’ère de l’IA à coût élevé inaugurée par
PDG de DeepMind, Hassabis : Je dors six heures par jour et je me sens généralement plein d’énergie vers 1 h du matin.
Fortune a récemment publié une interview avec Demis Hassabis, PDG de Google DeepMind, révélant son approche non conventionnelle du repos et de la productivité. Hassabis a divulgué qu’il dort très peu, structurant ses heures d’éveil en deux blocs de t
OpenAI et Anthropic se disputent des parts de marché malgré des résultats en deçà des attentes
Bien que des informations récentes laissent entendre qu’OpenAI n’aurait pas atteint ses objectifs de chiffre d’affaires, ce qui a pesé sur les valeurs technologiques ce mardi, les investisseurs privés











