模型与定价指南

选择合适的模型

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。

确定关键标准

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来满足您的需求？
速度： 在您的应用程序中，模型需要多快做出响应？快速模式在支持的模型上以溢价定价提供最高 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更低的 "latency"（延迟）和成本。调整 effort 通常比切换模型更有效。在 Claude Fable 5.1、Claude Opus 5 和 Claude Sonnet 5.5 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 5.5 和 Claude Haiku 5.5 上，默认值为 medium；请从该值开始并以同样的方式调整。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

对于许多应用程序，从更快、更具成本效益的模型（如 Claude Haiku 5.5）开始可能是最佳方法：

使用 Claude Haiku 5.5 开始实现。
全面测试您的用例。
评估性能是否满足您的要求。
仅在特定能力存在差距时才进行升级。

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程序的需求。这种方法最适合：

初始原型设计和开发
对延迟有严格要求的应用程序
对成本敏感的实现
大批量、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：使用最适合您任务的最强起点进行实现，然后再逐步优化为更高效的模型：

使用 Claude Opus 5.5 进行实现。
针对该模型优化您的提示。
评估性能是否满足您的要求。
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。
如果在 xhigh 或 max effort 下，您的评估结果在高要求推理或长周期智能体工作方面仍然不足，请改用 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
准确性比成本考虑更重要的应用程序
高级编码和高自主性智能体工作

Claude Opus 5.5（claude-opus-5-5）专为长时间运行的智能体编码和知识工作而构建，并始终启用 "adaptive thinking"（自适应思考）。如果您的集成强制使用工具（tool_choice 类型为 any 或 tool）、关闭思考，或使用 computer_20251124 计算机使用工具，请在切换之前查看破坏性变更。

Claude Fable 5.1（claude-fable-5-1）是 Anthropic 面向所有客户开放的能力最强的模型。它在 Claude Fable 5 的基础上增强了长时间运行的智能体编码、知识工作和研究能力，输入和输出价格保持不变，缓存读取成本仅为四分之一。Claude Mythos 5.1（claude-mythos-5-1）提供相同的能力，但仅面向通过 Anthropic 验证计划（例如 Cyber Verification Program）验证的组织。这两个模型都始终启用自适应思考。详情请参阅 Claude Fable 5.1 的新特性。

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 5.5 开始。

当您需要……	建议从以下模型开始……	示例用例
最高可用能力	Claude Fable 5.1	运行数小时的智能体会话、多步骤深度研究、贯穿至完成文档、电子表格或演示文稿的分析
复杂的智能体编码和企业工作	Claude Opus 5.5	持续数小时的自主编码智能体、大规模重构、复杂系统工程、视觉密集型工作流程、计算机使用
适用于日常编码、智能体和企业工作负载的速度与能力	Claude Sonnet 5.5	代码生成、数据分析、内容创作、视觉理解、智能体工具使用
最低的延迟和价格	Claude Haiku 5.5	实时应用程序、大批量智能处理、需要强大推理能力的成本敏感型部署、子智能体任务