選擇合適的模型



確立關鍵標準

在選擇 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才能滿足您的需求？
• 速度： 模型在您的應用程式中需要多快做出回應？Claude Opus 4.8、Claude Opus 4.7 和 Claude Opus 4.6 支援 fast mode（快速模式，研究預覽版），可提供高達 2.5 倍的輸出速度，但採用進階定價。Claude Opus 4.6 上的快速模式已被棄用，即將移除。
• 成本： 您在開發和生產使用上的預算是多少？
• Effort（運算投入）： 近期的 Opus 和 Sonnet 模型支援 effort 參數，可在單一模型內以智慧程度換取延遲和成本。調整 effort 通常是比切換模型更好的調節手段。在 Claude Opus 4.8 和 Claude Opus 4.7 上，介於 high 和 max 之間的 xhigh effort 等級是大多數程式編寫和代理型使用案例的最佳設定。

事先了解這些問題的答案，將使您更容易縮小範圍並決定要使用哪個模型。



選擇最適合的起始模型

您可以採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：從快速、具成本效益的模型開始

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

1. 使用 Claude Haiku 4.5 開始實作
2. 徹底測試您的使用案例
3. 評估效能是否符合您的需求
4. 僅在需要彌補特定能力缺口時才升級

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。此方法最適合：

• 初期原型設計和開發
• 對延遲有嚴格要求的應用程式
• 對成本敏感的實作
• 高流量、直接明確的任務



選項 2：從最強大的模型開始

對於智慧和進階能力至關重要的複雜任務，您可能希望從最強大的模型開始，然後再考慮優化至更高效率的模型：

1. 使用 Claude Opus 4.8 進行實作
2. 針對這些模型優化您的提示
3. 評估效能是否符合您的需求
4. 隨著工作流程的進一步優化，考慮透過降低 effort 或降級模型來提高效率

此方法最適合：

• 複雜的推理任務
• 科學或數學應用
• 需要細緻理解的任務
• 準確性優先於成本考量的應用程式
• 進階程式編寫和高自主性的代理型工作

Claude Fable 5（claude-fable-5）是 Anthropic 最強大的廣泛發布模型。請選擇它來處理最具挑戰性的推理和長時程代理型任務。Claude Mythos 5（claude-mythos-5）可透過 Project Glasswing 取得。這兩個模型預設均支援 100 萬 token 的上下文視窗、最多 128k 的輸出 token，以及始終啟用的 adaptive thinking（自適應思考）。請參閱 Claude Fable 5 與 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

若要判斷是否需要升級或更換模型，您應該：

1. 建立基準測試，針對您的使用案例量身打造——擁有良好的評估集是此流程中最重要的步驟
2. 使用您實際的提示和資料進行測試
3. 比較各模型在以下方面的效能：
   • 回應的準確性
   • 回應品質
   • 邊緣案例的處理
4. 權衡效能與成本之間的取捨



後續步驟