選擇合適的模型



建立關鍵標準

選擇 Claude 模型時，請先考慮評估以下因素：

• 能力： 您需要模型具備哪些特定功能或能力來滿足您的需求？
• 速度： 在您的應用程式中，模型需要多快做出回應？Claude Opus 5、Claude Opus 4.8 和 Claude Opus 4.7 支援快速模式（研究預覽版），以進階定價提供高達 2.5 倍的輸出速度。Claude Opus 4.7 上的快速模式已棄用，將於 2026 年 7 月 24 日移除。
• 成本： 您在開發和生產使用方面的預算是多少？
• 努力程度： 近期的 Opus 和 Sonnet 模型支援 effort 參數，可在單一模型內以智慧換取延遲和成本。調整 effort 通常是比切換模型更好的手段。在 Claude Opus 5 上，從預設值（high）開始，並根據您的評估向上或向下調整。在 Claude Opus 4.8 和 Claude Opus 4.7 上，介於 high 和 max 之間的 xhigh 努力程度等級是大多數程式編寫和代理使用案例的最佳設定。

事先了解這些答案將使縮小範圍和決定使用哪個模型變得更加容易。



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 模型最適合您的需求。



選項 1：從效率優先開始

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

1. 從 Claude Haiku 4.5 開始實作。
2. 徹底測試您的使用案例。
3. 評估效能是否符合您的需求。
4. 僅在特定能力有差距時才升級。

這種方法允許快速迭代、降低開發成本，並且通常足以應付許多常見的應用程式。這種方法最適合：

• 初始原型設計和開發
• 對延遲要求嚴格的應用程式
• 對成本敏感的實作
• 大量、簡單直接的任務



選項 2：從能力優先開始

對於智慧和進階能力至關重要的複雜任務，您可能希望從能力優先開始：以最強的起點實作您的任務，然後再逐步優化為更有效率的模型：

1. 使用 Claude Opus 5 進行實作。
2. 為此模型優化您的提示。
3. 評估效能是否符合您的需求。
4. 考慮透過降低 effort 或隨著工作流程優化程度的提高而逐步降級模型來提高效率。

這種方法最適合：

• 複雜的推理任務
• 科學或數學應用
• 需要細緻理解的任務
• 準確性比成本考量更重要的應用程式
• 進階程式編寫和高自主性代理工作

Claude Opus 5（claude-opus-5）相較於 Claude Opus 4.8 是一個階段性的重大改進，在深度推理、代理和長時程任務以及測試時運算擴展方面表現出色。Claude Opus 5 預設支援 1M token 的上下文視窗和高達 128k 的輸出 token，定價為每百萬輸入 token 5 美元、每百萬輸出 token 25 美元。

Claude Fable 5（claude-fable-5）是 Anthropic 最強大的廣泛發布模型，為長時間運行的代理提供次世代智慧。Claude Mythos 5（claude-mythos-5）可透過 Project Glasswing 取得。這兩個模型預設支援 1M token 的上下文視窗、高達 128k 的輸出 token，以及始終開啟的自適應思考。請參閱 Claude Fable 5 和 Claude Mythos 5 介紹以了解發布詳情。

Claude Fable 5 和 Claude Mythos 5 的定價為每百萬輸入 token 10 美元、每百萬輸出 token 50 美元。



模型選擇矩陣



決定是否升級或更換模型

要確定是否需要升級或更換模型，您應該：

1. 針對您的使用案例建立基準測試——擁有良好的評估集是此過程中最重要的步驟。
2. 使用您的實際提示和資料進行測試。
3. 比較各模型的效能：
   • 回應的準確性
   • 回應品質
   • 邊緣案例的處理
4. 權衡效能和成本的取捨。



下一步