模型與定價指南

選擇合適的模型

Copy page



選擇 Claude 模型意味著在能力、速度與成本之間取得平衡。本指南涵蓋應該提出的問題、兩種挑選起始模型的方法，以及如何測試您的選擇。

建立關鍵標準

選擇 Claude 模型時，建議您先評估以下因素：

• 能力： 您需要模型具備哪些特定功能或能力，才能滿足您的需求？
• 速度： 在您的應用程式中，模型需要多快做出回應？Claude Opus 5.5、Claude Opus 5， 以及 Claude Opus 4.8 支援 「fast mode」（快速模式）（研究預覽版），能以較高的定價提供最高 2.5 倍的輸出速度。
• 成本： 您在開發和正式環境使用上的預算是多少？
• Effort： 多個 Claude 模型支援 「effort」（投入程度）參數，可在單一模型內以智慧程度換取「latency」（延遲）和成本上的優勢。調整 effort 通常比切換模型更有效。在 Claude Fable 5.1 和 Claude Opus 5 上，請從預設值（high）開始，並根據您的評估結果向上或向下調整。在 Claude Opus 5.5 上，預設值為 medium；請從該值開始，並以相同方式調整。在 Claude Opus 4.8 和 Claude Opus 4.7 上，介於 high 和 max 之間的 xhigh effort 等級，是大多數程式開發和「agentic」（代理式）使用情境的最佳設定。

---

選擇最佳的起始模型

您可以使用兩種一般方法來開始測試哪個 Claude 模型最符合您的需求。

選項 1：以效率優先開始

對於許多應用程式而言，從更快速、更具成本效益的模型（例如 Claude Haiku 4.5）開始可能是最佳方法：

1. 使用 Claude Haiku 4.5 開始實作。
2. 徹底測試您的使用情境。
3. 評估效能是否符合您的需求。
4. 僅在有特定能力缺口時才升級。

這種方法可實現快速迭代、較低的開發成本，而且通常足以應付許多常見的應用程式。此方法最適合：

• 初期原型設計與開發
• 對延遲有嚴格要求的應用程式
• 對成本敏感的實作
• 大量且單純的任務

選項 2：以能力優先開始

對於智慧程度與進階能力至關重要的複雜任務，您可能會希望以能力優先開始：先以最適合您任務的最強起點進行實作，之後再逐步優化為更有效率的模型：

1. 使用 Claude Opus 5.5 進行實作。
2. 針對此模型最佳化您的提示。
3. 評估效能是否符合您的需求。
4. 隨著工作流程進一步最佳化，考慮透過降低 effort 或逐步降級模型來提升效率。
5. 如果您在 xhigh 或 max effort 下的評估結果，在高要求的推理或長時程代理式工作上仍然不足，請改用 Claude Fable 5.1。

此方法最適合：

• 複雜的推理任務
• 科學或數學應用
• 需要細膩理解的任務
• 準確性重於成本考量的應用程式
• 進階程式開發與高自主性的代理式工作

Claude Opus 5.5（claude-opus-5-5）專為長時間執行的代理式程式開發和知識工作而打造，並始終啟用「adaptive thinking」（自適應思考）。如果您的整合會強制「tool use」（工具使用）（tool_choice 的類型為 any 或 tool）、關閉思考功能，或使用 computer_20251124 電腦使用工具，請在切換前參閱重大變更。

Claude Fable 5.1（claude-fable-5-1）是 Anthropic 廣泛發布的模型中能力最強的一款。它在 Claude Fable 5 的基礎上，以相同的輸入與輸出價格提供更強的長時間執行代理式程式開發、知識工作與研究能力，且快取讀取成本僅為四分之一。Claude Mythos 5.1（claude-mythos-5-1）僅向 Project Glasswing 參與者提供相同的能力。這兩個模型皆使用常時啟用的 adaptive thinking（自適應思考）。詳情請參閱 Claude Fable 5.1 的新功能。

關於「context window」（上下文視窗）、輸出限制和價格，請參閱模型比較表。

模型選擇矩陣

大多數工作負載都從 Claude Opus 5.5 開始。

---

決定是否升級或更換模型

若要判斷您是否需要升級或更換模型，您應該：

1. 針對您的使用情境建立基準測試——擁有良好的評估集是整個流程中最重要的一步。
2. 使用您實際的提示與資料進行測試。
3. 比較各模型在以下方面的效能：
   • 回應的準確性
   • 回應品質
   • 邊界情況的處理
4. 權衡效能與成本的取捨。

組合模型

多模型策略將較低成本的模型與前沿模型搭配使用，使大多數 token 以較低費率計費。兩種常見模式為：將困難決策上呈給顧問模型的執行者，以及將大量工作委派給較低成本工作者的協調者。關於這兩種策略、實測範例與實作選項，請參閱針對成本與智慧程度進行優化。

後續步驟