模型与定价指南

选择合适的模型

Copy page



选择 Claude 模型意味着在能力、速度和成本之间取得平衡。本指南涵盖了需要考虑的问题、两种选择起始模型的方法，以及如何测试您的选择。

确立关键标准

在选择 Claude 模型时，建议首先评估以下因素：

• 能力： 您需要模型具备哪些特定功能或能力才能满足您的需求？
• 速度： 在您的应用中，模型需要多快地响应？Claude Opus 5 和 Claude Opus 4.8 支持 fast mode（快速模式）（研究预览版），以高级定价提供最高 2.5 倍的输出速度。
• 成本： 您在开发和生产使用方面的预算是多少？
• Effort（努力程度）： 多个 Claude 模型支持 effort 参数，可在单个模型内以智能换取延迟和成本。调整 effort 通常是比切换模型更好的手段。在 Claude Fable 5.1 和 Claude Opus 5 上，请从默认值（high）开始，并根据您的评估结果向上或向下调整。在 Claude Opus 4.8 和 Claude Opus 4.7 上，介于 high 和 max 之间的 xhigh effort 级别是大多数编码和智能体用例的最佳设置。

---

选择最佳的起始模型

您可以使用两种通用方法来开始测试哪个 Claude 模型最适合您的需求。

选项 1：效率优先

对于许多应用而言，从更快、更具成本效益的模型（如 Claude Haiku 4.5）开始可能是最佳方法：

1. 使用 Claude Haiku 4.5 开始实现。
2. 全面测试您的用例。
3. 评估性能是否满足您的要求。
4. 仅在存在特定能力差距且确有必要时才升级。

这种方法可以实现快速迭代、降低开发成本，并且通常足以满足许多常见应用的需求。这种方法最适合：

• 初始原型设计和开发
• 对延迟要求严格的应用
• 对成本敏感的实现
• 高容量、简单直接的任务

选项 2：能力优先

对于智能和高级能力至关重要的复杂任务，您可能希望采用能力优先的方式：先使用最适合您任务的最强起点进行实现，然后再逐步优化到更高效的模型：

1. 使用 Claude Opus 5 进行实现。
2. 针对该模型优化您的提示。
3. 评估性能是否满足您的要求。
4. 随着工作流程的进一步优化，考虑通过降低 effort 或逐步降级模型来提高效率。
5. 如果您在 xhigh 或 max effort 下的评估在高要求推理或长周期智能体工作上仍然不达标，请转向 Claude Fable 5.1。

这种方法最适合：

• 复杂推理任务
• 科学或数学应用
• 需要细致理解的任务
• 准确性优先于成本考量的应用
• 高级编码和高自主性智能体工作

Claude Opus 5（claude-opus-5）专为复杂的智能体编码和企业工作而构建，具备深度推理、长周期任务处理和测试时计算扩展能力。

Claude Fable 5.1（claude-fable-5-1）是 Anthropic 广泛发布的能力最强的模型。它在 Claude Fable 5 的基础上进行了扩展，以相同的输入和输出价格提供更强的长时间运行智能体编码、知识工作和研究能力，且缓存读取成本仅为四分之一。Claude Mythos 5.1（claude-mythos-5-1）仅向 Project Glasswing 参与者提供相同的能力。这两个模型都使用始终开启的 adaptive thinking（自适应思考）。详情请参阅 Claude Fable 5.1 的新功能。

Claude Fable 5 和 Claude Mythos 5 也可供使用。详情请参阅 Claude Fable 5 和 Claude Mythos 5 介绍。有关上下文窗口、输出限制和价格，请参阅模型比较表。

模型选择矩阵

大多数工作负载从 Claude Opus 5 开始。

---

决定是否升级或更换模型

要确定是否需要升级或更换模型，您应该：

1. 创建基准测试，专门针对您的用例——拥有一个良好的评估集是整个过程中最重要的一步。
2. 使用您的实际提示和数据进行测试。
3. 比较各模型在以下方面的性能：
   • 响应的准确性
   • 响应质量
   • 边缘情况的处理
4. 权衡性能与成本之间的取舍。

组合模型

多模型策略将低成本模型与前沿模型配对，使大多数令牌按较低费率计费。两种常见模式是：执行者将困难决策上报给顾问，以及编排者将批量工作委派给低成本的工作者。有关这两种策略、实测示例和实现选项，请参阅针对成本和智能进行优化。

后续步骤