选择合适的模型

模型层级

Anthropic目前提供四个模型层级，您可以通过API调用中的model参数在它们之间进行选择。

• Claude Fable 是我们迄今为止能力最强的模型——一个位于Opus之上的全新层级，专为您面临的最棘手挑战而打造。它的成本高于Opus，因此请将它留给那些值得为额外能力付费的工作。当前的Fable模型是Claude Fable 5.1（claude-fable-5-1）。
• Claude Opus 是三个核心模型系列中能力最强的，但同时也是三者中速度最慢、成本最高的。请将它用于深度推理、复杂分析、多步骤编码以及需要细致入微的写作场景。当前的Opus模型是Claude Opus 5.5（claude-opus-5-5）。
• Claude Haiku 速度最快、成本最低，针对速度和成本效率进行了优化，而非追求最高智能水平。请将它用于高容量、低复杂度的工作，例如分类、信息提取和路由。当前的Haiku模型是Claude Haiku 4.5（claude-haiku-4-5）。
• Claude Sonnet 处于甜蜜点：智能、速度和成本之间的均衡组合，适用于大多数生产环境的工作。当前的Sonnet模型是Claude Sonnet 5（claude-sonnet-5）。



从简单的评估开始

在编写生产环境代码之前，请先设置一个简单的评估：准备一组示例输入，分别在每个模型上运行，并根据您的使用场景所定义的"良好输出"标准对结果进行评分。您不需要搞得太复杂——从您实际工作负载中抽取20到30个有代表性的示例就足以开始。

然后逐层级往上尝试：

1. 首先用Haiku运行您的示例。如果质量达标，您就完成了——而且您刚刚省下了一大笔钱。
2. 如果不达标，升级到Sonnet。
3. 只有在任务确实需要时，才使用Opus。

并排比较各个层级

让我们实际看看各层级之间的差异，而不只是空谈。我们将相同的提示分别发送给这三个模型，并观察延迟和令牌数量：

models = ["claude-haiku-4-5", "claude-sonnet-5", "claude-opus-5-5"]

for model in models:
    response = client.messages.create(
        model=model,
        max_tokens=300,
        messages=[{"role": "user", "content": prompt}],
    )
    print(model, response.usage)

这里发生了两件事：

• 循环在每次请求时交换model字段。相同的提示、相同的最大令牌数——只有模型发生了变化。
• response.usage直接从API返回输入和输出令牌数量，这正是您的账单的计算依据。



运行一下，您会看到三个模型和三组数字。Opus耗时最长，读起来也最为精致——但对于一个两句话的定义来说，这种精致其实是浪费。Sonnet让文字稍微更简洁一些。而Haiku的响应速度往往不到一秒，给出的两句话答案已经相当不错。对于这类场景来说，它其实完全够用。

这正是关键所在：合适的模型，就是那个您真正愿意用其输出上线的、成本最低的模型。对于一个定义来说，Haiku绰绰有余。而对于起草一份监管回复，您进行同样的比较后，很可能最终会选择Opus。评估的方式每次都是一样的。

将不同工作路由到不同模型

在实际应用中，您会在同一个端点内，将不同类型的工作路由到不同的模型。以一个带有文档处理流程的运营仪表盘为例：

• 每个收到的文件都用Haiku进行分类。
• 客户更新内容用Sonnet起草。
• 只有RFP（招标提案）回复才使用Opus。

一个队列，三个模型，按任务分别选用。

小结

• Anthropic提供四个模型层级：Fable提供目前最高的可用能力，Opus用于处理困难问题，Sonnet用于日常工作，Haiku用于处理大批量任务。
• 在编写生产环境代码之前，先设置一个简单的评估——从您真实的工作负载中抽取20到30个有代表性的示例。
• 从Haiku开始运行评估，逐级向上，并在您真正愿意上线其输出的最便宜模型处停下。
• response.usage会报告输入和输出令牌数量，这正是您账单的计算依据。
• 在生产环境中，应在同一端点内将不同任务路由到不同模型，而不是用一个模型处理所有事情。