選擇合適的模型



建立關鍵標準

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來滿足您的需求？
• 速度： 模型在您的應用程式中需要多快做出回應？Claude Opus 5 和 Claude Opus 4.8 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。
• 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 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 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。

事先了解這些答案將使您更容易縮小範圍並決定使用哪個模型。



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：效率優先

對於許多應用程式而言，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. 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。

此方法可實現快速迭代、降低開發成本，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：能力優先

對於智慧和進階能力至關重要的複雜任務，您可能希望採用能力優先的方式：先以最強大的起點實作您的任務，然後再逐步優化至更高效率的模型：

1. 使用 Claude Opus 5 進行實作。
2. 針對此模型優化您的提示。
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
• 準確性比成本考量更重要的應用程式
• 進階程式編寫和高自主性的代理型工作

Claude Opus 5（claude-opus-5）相較於 Claude Opus 4.8 是一次躍進式的改進，在深度推理、代理型和長時程任務以及測試時運算擴展方面表現強勁。Claude Opus 5 預設支援 100 萬 token 的上下文視窗，輸出 token 最多可達 128k，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 廣泛發布的模型中能力最強的，為長時間運行的代理提供新一代智慧。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 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