---
title: 針對成本與智慧進行最佳化
url: https://platform.claude.com/docs/zh-TW/about-claude/models/optimizing-for-cost-and-intelligence
description: 在 Claude Platform 上平衡成本與智慧，並提供提示快取、effort、模型選擇、輸出上限與多模型策略的實測結果。
---
能力最強的模型在大規模使用時可能過於昂貴，而成本最低的模型則可能在品質上有所不足。Claude Platform 讓您能直接控制這項取捨。您可以為每個請求選擇模型、「effort」（投入程度）等級與架構，讓您幾乎可以將工作負載放在成本與智慧前緣上的任何位置。
成本與智慧通常被描繪成一條前緣，其中一方可以換取另一方。本頁的第一組槓桿透過在不影響品質的情況下削減成本，將工作負載推向該前緣；只有第二組槓桿會沿著前緣移動：
槓桿分為兩類：
* **免費收益（Free wins）**在不影響品質的情況下削減支出：「prompt caching」（提示快取）、token 衛生、針對您正在執行的模型進行提示稽核、對可等待最多 24 小時的工作以五折進行[批次處理](https://platform.claude.com/docs/zh-TW/build-with-claude/batch-processing)，以及作為最後防線的[工作區支出限制](https://platform.claude.com/docs/zh-TW/api/rate-limits#setting-lower-limits-for-workspaces)。
* **取捨**以成本交換智慧：模型選擇、effort、輸出上限與工作階段預算、經過時間時鐘，以及多模型架構。
每個槓桿都附有實測結果，以及何時值得使用的規則。在 Anthropic 的測量中，提示快取通常是效果最大的槓桿。多模型槓桿的適用範圍較窄；第二個模型以兩種形式進行了測量：顧問（advisor）與協調器（orchestrator）。
## 從這裡開始
找出與您情況相符的那一列。
| 您的情況 | 該怎麼做 | 參考位置 |
| -------------------------------- | ------------------------------------------------------------------------------------ | ------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------ |
| 任何工作負載、任何模型 | 開啟提示快取並精簡不必要的 token；兩者都是免費的 | [快取重複的上下文](https://platform.claude.com/docs/zh-TW/about-claude/models/optimizing-for-cost-and-intelligence#cache-repeated-context) · [精簡 token](https://platform.claude.com/docs/zh-TW/about-claude/models/optimizing-for-cost-and-intelligence#trim-input-and-context-tokens) |
| 使用者會在回合之間等待 | 計算請求之間的間隔，然後從該節的表格中選擇快取期限 | [選擇快取期限](https://platform.claude.com/docs/zh-TW/about-claude/models/optimizing-for-cost-and-intelligence#pick-the-cache-duration) |
| 成本過高，但品質沒問題 | 在您目前使用的模型上嘗試較低的 effort | [調整 effort](https://platform.claude.com/docs/zh-TW/about-claude/models/optimizing-for-cost-and-intelligence#tune-effort) |
| 您未使用最新模型 | 升級；在 Anthropic 的測量中，每個較新的模型解決的任務至少與前一個模型一樣多，而且每個已解決任務的成本通常更低 | [升級模型](https://platform.claude.com/docs/zh-TW/about-claude/models/optimizing-for-cost-and-intelligence#upgrade-the-model) |
| 您正在選擇或切換模型 | 以每個完成任務的成本比較，而非每個 token 的成本 | [比較模型](https://platform.claude.com/docs/zh-TW/about-claude/models/optimizing-for-cost-and-intelligence#compare-models-on-cost-per-task) |
| 輸出可供檢查的大量工作 | 先嘗試 Claude Haiku 5.5 | [比較模型](https://platform.claude.com/docs/zh-TW/about-claude/models/optimizing-for-cost-and-intelligence#compare-models-on-cost-per-task) |
| 品質不夠好 | 如果您降低了 effort，請將其恢復；否則請嘗試以預設 effort 使用更高一級的模型 | [調整 effort](https://platform.claude.com/docs/zh-TW/about-claude/models/optimizing-for-cost-and-intelligence#tune-effort) · [比較模型](https://platform.claude.com/docs/zh-TW/about-claude/models/optimizing-for-cost-and-intelligence#compare-models-on-cost-per-task) |
| 嘗試以 `stop_reason: max_tokens` 結束 | 將 `max_tokens` 提高到 64,000：在 Anthropic 的測試中，約 14,000 個回合中只有 2 個更長，而每個已解決任務的成本大致維持不變 | [設定預算](https://platform.claude.com/docs/zh-TW/about-claude/models/optimizing-for-cost-and-intelligence#set-budgets-and-output-caps) |
| 您可以檢查輸出（測試、驗證器） | 以 `low` effort 執行，並以 `high` 重新執行失敗的項目：在 Anthropic 的測試中，成本比全部以 `high` 執行低約 40%，且通過率相同 | [重新執行失敗項目](https://platform.claude.com/docs/zh-TW/about-claude/models/optimizing-for-cost-and-intelligence#re-run-failures-at-higher-effort) |
| 代理迴圈中有少數成本極高的執行 | 設定 Claude Managed Agents 工作階段預算與工作區支出限制 | [設定預算](https://platform.claude.com/docs/zh-TW/about-claude/models/optimizing-for-cost-and-intelligence#set-budgets-and-output-caps) |
| 您希望代理執行更快完成 | 告訴模型時間很重要，並向其顯示經過的時間：在 Anthropic 的測試中節省 7% 至 47% 的時間，代價是分數降低幾分 | [向模型顯示經過時間](https://platform.claude.com/docs/zh-TW/about-claude/models/optimizing-for-cost-and-intelligence#show-the-model-elapsed-time) |
| 較低成本的模型只在困難決策上卡住 | 嘗試顧問。只有在您的模型諮詢它時才有幫助；請先單獨以低 effort 評估其模型的價格，並測量諮詢率 | [顧問策略](https://platform.claude.com/docs/zh-TW/about-claude/models/optimizing-for-cost-and-intelligence#advisor-strategy-escalate-hard-decisions) |
| 工作量超出單一上下文視窗 | 拆分工作，並將各部分交給較低成本的模型 | [協調器策略](https://platform.claude.com/docs/zh-TW/about-claude/models/optimizing-for-cost-and-intelligence#orchestrator-strategy-delegate-bulk-work) |
這些結果來自 Anthropic 內部測試（[參考的基準測試](https://platform.claude.com/docs/zh-TW/about-claude/models/optimizing-for-cost-and-intelligence#refs)），僅供方向參考，並非保證，因此請使用[四步驟方法](https://platform.claude.com/docs/zh-TW/about-claude/models/optimizing-for-cost-and-intelligence#measure-on-your-own-workload)在您自己的工作負載上進行測量。
## 在不損失品質的情況下削減支出
提示快取、token 衛生、批次處理，以及針對您目前模型的提示稽核，都能在不降低輸出品質的情況下降低您的支出。有兩點需要注意：批次處理以延遲換取折扣，而上下文編輯（一種 token 衛生槓桿）在本節測量的執行中花費超過其節省。
### 快取重複的上下文
#### 為何快取優先
請在使用任何其他槓桿之前先開啟[提示快取](https://platform.claude.com/docs/zh-TW/build-with-claude/prompt-caching)，因為代理任務的每個回合都會重新傳送整個不斷增長的對話：系統提示、工具定義，以及之前的每個回合。
* 一個 40 回合的任務會將其第一個回合傳送 40 次，因此任務成本大約隨回合數的平方增長。
* 快取不會停止重新傳送，但每次重新傳送的成本約為十分之一（在 Claude Opus 5.5 和 Claude Sonnet 5.5 上為二十分之一，在 Claude Fable 5.1以及 Claude Mythos 5.1 上為四十分之一），且處理速度更快。
* 前綴以[快取讀取費率](https://platform.claude.com/docs/zh-TW/build-with-claude/prompt-caching#pricing)計費，而非輸入價格，且每個回合只需為新增的內容支付 1.25 倍的快取寫入費率。
**良好的表現是什麼樣子。**
* 在一整天的真實流量中，代理迴圈的輸入中位數有 84% 從快取讀取，而其中前 10%（無論是否為程式設計）讀取了 94% 或更多[17](https://platform.claude.com/docs/zh-TW/about-claude/models/optimizing-for-cost-and-intelligence#refs)。
* 在任務深處，一個建構良好的迴圈只有不到 1% 的輸入需支付全價。
* 若低於約 80%，請尋找破壞快取的原因（請參閱[什麼會破壞快取](https://platform.claude.com/docs/zh-TW/about-claude/models/optimizing-for-cost-and-intelligence#what-breaks-the-cache)）。
在 Anthropic 的實測執行中，快取讀取通常是任務成本中最大的單一組成部分，使快取的價值超過大多數模型選擇決策。Anthropic 對 DeepResearch Bench II[7](https://platform.claude.com/docs/zh-TW/about-claude/models/optimizing-for-cost-and-intelligence#refs) 的執行分別在有快取與無快取的情況下定價：
快取的預設存留時間為 5 分鐘，而代理迴圈的回合之間僅相隔數秒，因此折扣適用於每個回合的大部分 token。快取圖表中的執行有 84% 至 90% 的輸入 token 是從快取讀取的。
以相同方式對其他執行所記錄的 token 數量計價，每個模型都使用其預設 effort，可得出無快取時每個任務的平均 token 成本（這些執行都不是在關閉快取的情況下進行的）：
| 基準測試 | 模型 | 無快取 |
| ------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------ | ----------------- | ------------- |
| SWE-bench Pro[3](https://platform.claude.com/docs/zh-TW/about-claude/models/optimizing-for-cost-and-intelligence#refs) | Claude Opus 5.5 | 有快取時成本的 3.3 倍 |
| SWE-bench Pro | Claude Sonnet 5.5 | 有快取時成本的 3.1 倍 |
| Claude Managed Agents 任務集[25](https://platform.claude.com/docs/zh-TW/about-claude/models/optimizing-for-cost-and-intelligence#refs)，其工作階段較短 | Claude Haiku 5.5 | 有快取時成本的 1.7 倍 |
| 一個分類錯誤報告的小型代理（[精簡輸入與上下文 token](https://platform.claude.com/docs/zh-TW/about-claude/models/optimizing-for-cost-and-intelligence#trim-input-and-context-tokens)）[16](https://platform.claude.com/docs/zh-TW/about-claude/models/optimizing-for-cost-and-intelligence#refs) | Claude Sonnet 5.5 | 有快取時成本的 7.3 倍 |
節省的幅度會隨任務所需的回合數而變化，因為較短的迴圈重新讀取的內容較少。
在 Claude Haiku 5.5 上，請在任務邊界、於請求超過 100,000 個提示 token 之前[壓縮長工作階段](https://platform.claude.com/docs/zh-TW/about-claude/models/optimizing-for-cost-and-intelligence#manage-the-context-lifecycle)。提示超過 100,000 個 token 的請求，其每個 token（包括輸出）都需支付 5 倍的費用。快取讀取和快取寫入都會計入這 100,000 個 token，因此具有大型快取前綴的請求仍可能超過此限制。請參閱[長上下文定價](https://platform.claude.com/docs/zh-TW/about-claude/pricing#long-context-pricing)。
#### 選擇快取期限
如果您的迴圈在回合之間需要等待使用者，當大約每 20 個回合中有 1 個是在 5 分鐘到 1 小時之間的暫停之後，且很少有間隔超過 1 小時時，請使用 [1 小時快取期限](https://platform.claude.com/docs/zh-TW/build-with-claude/prompt-caching#1-hour-cache-duration)。在 Claude Fable 5.1、Claude Opus 5.5 和 Claude Sonnet 5.5 上，讓 5 分鐘快取保持溫熱的成本可能更低。
1 小時期限的寫入成本較高（輸入價格的 2 倍，而非 1.25 倍）。任一期限發生未命中時，整個前綴都會以寫入價格而非讀取價格計費。
Anthropic 測量了一個分類錯誤報告的小型代理（[精簡輸入與上下文 token](https://platform.claude.com/docs/zh-TW/about-claude/models/optimizing-for-cost-and-intelligence#trim-input-and-context-tokens)），並在某些回合之前插入暫停以模擬人的延遲[16](https://platform.claude.com/docs/zh-TW/about-claude/models/optimizing-for-cost-and-intelligence#refs)。在所有測量的設定下，準確度都維持在執行間的雜訊範圍內。Anthropic 也測量了讓 5 分鐘快取保持溫熱的額外請求（keep-alive 請求）。
若要做出決定，請計算對話中連續請求之間的間隔，並在下表中找到您對應的列：
| 您的請求間隔 | 模型 | 使用 |
| ------------------------------------------------ | ----------------------------------- | ---------------------- |
| 回合之間相隔數秒 | 任何 | 5 分鐘預設值 |
| 大約每 20 個間隔中有 1 個或更多落在 5 分鐘到 1 小時之間，且很少有間隔超過 1 小時 | 任何 | 1 小時期限 |
| 超過 1 小時的間隔很常見：超過 5 分鐘的暫停中，約 60% 或更多也超過 1 小時 | 任何 | 5 分鐘預設值 |
| 每 20 個間隔中只有 1 或 2 個落在 5 分鐘到 1 小時之間，且沒有任何間隔超過約半小時 | Claude Opus 5.5 和 Claude Sonnet 5.5 | 保持溫熱的 5 分鐘快取，而非 1 小時期限 |
| 每個回合之前都有暫停 | Claude Opus 5.5 和 Claude Sonnet 5.5 | 1 小時期限 |
| 暫停持續數分鐘 | Claude Fable 5.1 | 保持溫熱的 5 分鐘快取，而非 1 小時期限 |
| 暫停接近 1 小時 | Claude Fable 5.1 | 1 小時期限 |
在 Claude Haiku 5.5 上，請使用「任何」列。keep-alive 請求未在其上進行測量。依據牌價（而非測量），每個 keep-alive 請求相對於輸入價格的成本是 Claude Opus 5.5 和 Claude Sonnet 5.5 的兩倍：Claude Haiku 5.5 以標準的 0.1 倍讀取快取，而那兩個模型為 0.05 倍。
**逐列說明原因。**
* **任何模型。**
* **回合之間相隔數秒。** 沒有暫停：在 Claude Sonnet 5.5 上，預設值的成本比 1 小時設定低約 19%，在 Claude Opus 5.5 上低約 15% 至 18%。
* **大約每 20 個間隔中有 1 個或更多。** 根據 token 數量計算，損益平衡點在 Claude Sonnet 5.5 和 Claude Opus 5.5 上約為每 30 個回合中有 1 個。
* **超過 1 小時的間隔很常見。** 在任何模型上，超過 1 小時的間隔都會使兩種期限過期，而 1 小時設定接著會以其較高的寫入價格重新寫入前綴。
* **Claude Opus 5.5 和 Claude Sonnet 5.5**，其快取讀取成本為輸入價格的 0.05 倍。
* **每 20 個間隔中只有 1 或 2 個。** 在預設 effort 下，keep-alive 請求的成本在 Claude Opus 5.5 上比 1 小時期限低 8% 至 13%，在 Claude Sonnet 5.5 上低 8% 至 16%。
* **每個回合之前都有暫停。** 在 Claude Opus 5.5 和 Claude Sonnet 5.5 上，keep-alive 請求在 6 分鐘暫停時的成本比 1 小時期限高幾個百分點，在 45 分鐘暫停時則高出 50% 以上。
* **Claude Fable 5.1**，其[快取讀取](https://platform.claude.com/docs/zh-TW/about-claude/pricing#prompt-caching)成本為輸入價格的 0.025 倍。
* **暫停持續數分鐘。** 在 Claude Fable 5.1 上，無論是 10% 的回合有暫停，還是每個回合之前都有 6 分鐘暫停，keep-alive 請求[19](https://platform.claude.com/docs/zh-TW/about-claude/models/optimizing-for-cost-and-intelligence#refs)的成本都比 1 小時快取低13% 至 20%。
* **暫停接近 1 小時。** 在 Claude Fable 5.1 上，只有在每個回合之前都有 45 分鐘暫停時，1 小時快取才勝出，在包含 5 份錯誤報告的工作階段中約勝出 $0.12 USD。
下圖繪製了 Claude Sonnet 5.5 上每個工作階段的成本與暫停回合比例之間的關係：
下圖加入了在 Claude Fable 5.1、Claude Opus 5.5 和 Claude Sonnet 5.5 上由 keep-alive 請求保持溫熱的 5 分鐘快取：
**須知事項。**
* 每 20 個中有 1 個的規則，相對於約每 30 個回合中有 1 個的損益平衡點保留了餘裕。在每 20 個回合中有 1 個時，5 分鐘與 1 小時設定在 Claude Sonnet 5.5 上的成本大致相同，落在執行間的變異範圍內；在每 10 個回合中有 1 個時，5 分鐘設定的成本高出 54%（參考資料 16）。
* 在 Claude Sonnet 5.5 和 Claude Opus 5.5 以外的模型上，依價格計算的損益平衡點落在相同範圍內：所有現行模型都使用相同的快取寫入倍數，且除了 Claude Fable 5.1、Claude Mythos 5.1、Claude Opus 5.5 和 Claude Sonnet 5.5 之外的所有模型也都使用相同的讀取價格。
* Claude Opus 5.5 和 Claude Sonnet 5.5 的 keep-alive 數據來自以 `max_tokens: 1` 傳送的請求。`max_tokens: 0` 請求是否會刷新現有的快取項目，並未在 Claude Opus 5.5 上進行測量（參考資料 16）。
若要讓快取保持溫熱：
1. 取用前一個請求，將 `max_tokens` 設為 0，如果有設定 `stream` 則將其移除。不要更改前綴的任何一個位元組。
2. 將請求的標頭與其主體一起重新傳送。若沒有原始請求的 `anthropic-beta` 標頭，重新傳送的主體中受 beta 限制的欄位將會被拒絕。
3. 在前一個請求開始後的 4 分鐘內傳送，之後每 4 分鐘傳送一次。請從請求開始時計算，因為[快取的 5 分鐘存留時間](https://platform.claude.com/docs/zh-TW/build-with-claude/prompt-caching#how-prompt-caching-works)是從那時開始計算的。
這就是[預熱請求](https://platform.claude.com/docs/zh-TW/build-with-claude/prompt-caching#pre-warming-the-cache)：它會刷新快取的存留時間、不傳回任何輸出，且成本僅略高於快取讀取。一旦快取過期，下一個請求（無論是否為 keep-alive）都會以快取寫入價格重新寫入前綴[16](https://platform.claude.com/docs/zh-TW/about-claude/models/optimizing-for-cost-and-intelligence#refs)。
在以下情況中，`max_tokens: 0` 請求會被拒絕：
* 請求設定了 `thinking.type: "enabled"`（Claude Fable 5.1 上預設的自適應思考則沒問題）、結構化輸出或強制工具選擇（[其限制](https://platform.claude.com/docs/zh-TW/build-with-claude/prompt-caching#limitations)）。在這些工作負載上，請改為購買 1 小時期限。
* 請求帶有頂層 `compaction` 參數，因此請勿將來自[隨需壓縮](https://platform.claude.com/docs/zh-TW/build-with-claude/compaction-on-demand)的壓縮請求作為 keep-alive 請求重新傳送。
```bash cURL
# 在最後一個請求開始後的 4 分鐘內（產生回應所花的時間會計入
# 快取的存留時間），重新傳送該請求，並將 max_tokens 設為
# 0，同時移除 stream（max_tokens: 0 的請求無法串流）。請傳送與
# 原始請求相同的標頭，包括任何 anthropic-beta 標頭。
jq '.max_tokens = 0 | del(.stream)' last_request.json | \
curl https://api.anthropic.com/v1/messages \
-H "x-api-key: $ANTHROPIC_API_KEY" \
-H "anthropic-version: 2023-06-01" \
-H "content-type: application/json" \
--data-binary @-
```
#### 開啟快取
設定所需的工作很少。[自動快取](https://platform.claude.com/docs/zh-TW/build-with-claude/prompt-caching#automatic-caching)會為您放置斷點；否則，隨 Claude Code 提供的 [Claude API 技能](https://platform.claude.com/docs/zh-TW/agents-and-tools/agent-skills/claude-api-skill)可以透過一個提示 `/claude-api add prompt caching to this integration`，為現有整合加入快取。在產生這些測量結果的程式碼上，它在系統區塊上放置了一個斷點，並在最近的兩個使用者回合上各放置一個；[明確快取斷點](https://platform.claude.com/docs/zh-TW/build-with-claude/prompt-caching#explicit-cache-breakpoints)說明了應將它們放在何處。
#### 什麼會破壞快取
請將每個請求特有的文字放在最新的使用者回合中、最後一個快取斷點之後，並在自然的斷點（例如壓縮後的第一個請求）進行所有會使快取失效的變更。快取是依序（工具、系統提示、訊息）對請求進行的位元組精確前綴比對，因此任何位置的變更都會使其後的所有內容失效。
在 Claude Fable 5.1以及 Claude Mythos 5.1 上影響最大，因為中斷會以輸入價格的 1.25 倍重新寫入前綴，而非以 0.025 倍讀取。下表列出在 100,000 個 token 的前綴上，一次中斷的回合所需的成本，這是根據牌價以 5 分鐘快取計算得出，而非實際測量：
| 模型 | 一次中斷的回合 | 改為讀取 | 與讀取相比 |
| ------------------------------------ | --------- | ---------- | ----- |
| Claude Fable 5.1 和 Claude Mythos 5.1 | $1.25 USD | $0.025 USD | 50 倍 |
| Claude Opus 5.5 | $0.50 USD | $0.02 USD | 25 倍 |
| Claude Sonnet 5.5 | $0.25 USD | $0.01 USD | 25 倍 |
在其他現行模型上，其成本為讀取的 12.5 倍。
**該怎麼做。**
* 不要將任何每個請求都會變化的內容（例如時間戳記或佇列位置）放在穩定前綴之前：這會使每個請求都變成完整的快取寫入。在一項針對較早模型的測量中，系統提示開頭的一行 25 個 token 的狀態列，使一個分類錯誤報告的小型代理（[精簡輸入與上下文 token](https://platform.claude.com/docs/zh-TW/about-claude/models/optimizing-for-cost-and-intelligence#trim-input-and-context-tokens)）的執行成本比關閉快取時還高[18](https://platform.claude.com/docs/zh-TW/about-claude/models/optimizing-for-cost-and-intelligence#refs)。
* [提示快取](https://platform.claude.com/docs/zh-TW/build-with-claude/prompt-caching#what-invalidates-the-cache)頁面列出了會使快取失效的變更，例如變更 [`effort`](https://platform.claude.com/docs/zh-TW/build-with-claude/effort)、思考設定、系統提示或工具定義。變更輸出格式會使該對話的快取失效（請參閱[結構化輸出](https://platform.claude.com/docs/zh-TW/build-with-claude/structured-outputs#prompt-modification-and-token-costs)）。
* 在最新的模型上，請使用[對話中途系統訊息](https://platform.claude.com/docs/zh-TW/build-with-claude/mid-conversation-system-messages)（附加到 `messages` 的 `{"role": "system"}` 訊息）來變更指示，而非編輯頂層的 `system` 欄位：快取的前綴會保持完整。請查看該頁面以了解哪些模型支援此功能。每則訊息的 effort 變更也會讓快取的前綴保持完整，但支援的模型較少：[在對話中途變更 effort](https://platform.claude.com/docs/zh-TW/build-with-claude/effort#changing-effort-mid-conversation) 列出了這些模型。
* 在進行會使快取失效的變更後，請確認快取讀取沒有下降；如果有下降，[快取診斷](https://platform.claude.com/docs/zh-TW/build-with-claude/cache-diagnostics)會顯示前綴在何處出現分歧。
Anthropic 在一個較早的模型上，針對分類代理的長工作階段測量了變更的時機[18](https://platform.claude.com/docs/zh-TW/about-claude/models/optimizing-for-cost-and-intelligence#refs)。在該測量中，當 effort 變更和新增工具是在工作階段中途或在觸發壓縮的請求上進行時，工作階段的成本高於在壓縮後第一個請求上進行相同兩項變更的情況。在所有情況下，準確度都在執行間的雜訊範圍內。
沒有任何變更的工作階段，其成本高於在壓縮後進行變更的工作階段，但原因並非快取。它們全程以預設 effort 執行，且其中兩個進行了第二次壓縮，而其他工作階段則是以低 effort 開始（參考資料 18）：
### 精簡輸入與上下文 token
大多數代理請求都帶有對答案毫無影響的 token。精簡這些 token 很少會損及輸出品質，不過在實測中，並非這裡的每個槓桿都能省錢。有兩個地方值得檢查：
* **輸入精簡。**
* 網頁擷取工具中的[動態過濾](https://platform.claude.com/docs/zh-TW/agents-and-tools/tool-use/web-fetch-tool#dynamic-filtering)可將樣板內容排除在擷取的頁面之外。
* [圖片縮放](https://platform.claude.com/docs/zh-TW/build-with-claude/vision#evaluate-image-size)可將視覺輸入調整為適當大小。
* [搭配延遲載入的工具搜尋](https://platform.claude.com/docs/zh-TW/agents-and-tools/tool-use/tool-search-tool)只在需要時載入工具定義（本節稍後會進行測量）。
* [程式化工具呼叫](https://platform.claude.com/docs/zh-TW/agents-and-tools/tool-use/programmatic-tool-calling)讓 Claude 從程式碼執行多個工具呼叫，因此只有篩選後的結果會進入上下文；其文件報告在代理搜尋基準測試中輸入 token 減少了 24%，且分數更高。
* [管理工具上下文](https://platform.claude.com/docs/zh-TW/agents-and-tools/tool-use/manage-tool-context)比較了工具搜尋、程式化工具呼叫、提示快取和上下文編輯。
* **上下文生命週期。** [上下文編輯](https://platform.claude.com/docs/zh-TW/build-with-claude/context-editing)會清除過時的工具結果，而[自動壓縮](https://platform.claude.com/docs/zh-TW/build-with-claude/compaction-threshold)及其閾值可避免長迴圈一路攜帶完整的歷史記錄。
這些槓桿會與快取以及彼此相互影響，因此請依淨效果來評斷它們，並使用[快取診斷](https://platform.claude.com/docs/zh-TW/build-with-claude/cache-diagnostics)確認您的快取前綴在每次變更後仍然有效。
在針對較早模型的測量中[28](https://platform.claude.com/docs/zh-TW/about-claude/models/optimizing-for-cost-and-intelligence#refs)，Anthropic 在一個處理來自公開儲存庫、附有螢幕截圖的 20 份真實錯誤報告的問題分類代理上執行了這些槓桿，也在同一工作的較長變體（token 數量為 2.6 倍）上執行。在開啟快取的情況下，輸入精簡（圖片縮放和工具搜尋）進一步降低了兩次執行的成本。
#### 延遲未使用的工具定義
附加到請求的每個工具定義在每個回合都是輸入，而幾個 MCP 伺服器加起來就可能有數百個工具定義。
在針對較早模型的測量中[27](https://platform.claude.com/docs/zh-TW/about-claude/models/optimizing-for-cost-and-intelligence#refs)，Anthropic 以分類代理自身的兩個工具，加上來自公開 MCP 伺服器的真實工具定義目錄（總共最多 502 個工具）執行該代理，並分別載入所有工具，或將額外的工具標記為 `defer_loading` 並置於[工具搜尋](https://platform.claude.com/docs/zh-TW/agents-and-tools/tool-use/tool-search-tool)之後：
* 載入所有定義時，執行成本隨著目錄增長而上升，與每個請求上的結構描述 token 同步變化。
* 使用工具搜尋時，執行成本在所有目錄大小下都維持平穩。
* 兩種方式的準確度都在相同範圍內，且模型從未呼叫錯誤的工具，因此在此規模下，目錄耗費的是金錢，而非正確性。
* 在同一個較早的模型上，透過 [MCP 連接器](https://platform.claude.com/docs/zh-TW/agents-and-tools/mcp-connector)附加公開的 GitHub MCP 伺服器時，延遲載入其工具集（`default_config: {defer_loading: true}`）在相同準確度下降低了執行成本。
#### 將資料檔案排除在提示之外
當模型必須對表格進行計算時，請使用 [Files API](https://platform.claude.com/docs/zh-TW/build-with-claude/files) 上傳它，並讓模型以[程式碼執行](https://platform.claude.com/docs/zh-TW/agents-and-tools/tool-use/code-execution-tool)查詢它，而非將其貼入。Anthropic 對一份 1,862 列的公開 CSV 提出了 25 個彙總問題[15](https://platform.claude.com/docs/zh-TW/about-claude/models/optimizing-for-cost-and-intelligence#refs)（加總、過濾計數、分組，以及一個日期過濾），答案由 pandas 計算：
貼入提示時，表格在每個請求上約佔 91,000 個輸入 token，而 Claude Sonnet 5 在 25 個問題中答對了 7 個。上傳並使用程式碼執行時，它答對了全部 25 個，且執行成本約為十二分之一。Claude Opus 5 也呈現相同的模式。
#### 管理上下文生命週期
上下文槓桿只在工作階段長到需要它們時才划算：
Anthropic 在一個較早的模型上測量了這些槓桿[28](https://platform.claude.com/docs/zh-TW/about-claude/models/optimizing-for-cost-and-intelligence#refs)：
* 在 20 個問題的執行中，這些槓桿節省很少或完全沒有節省，而上下文編輯使執行成本更高。
* 在長執行中，修剪和壓縮都降低了成本，而上下文編輯則沒有任何改變。
* 修剪只需您自己撰寫幾行程式碼：在每個任務邊界，將大型的過時工具結果替換為一行摘錄。
* 修剪的快取效果良好，因為編輯位於對話的尾端，而下一個任務無論如何都會在那裡加入新內容。
* 就整個執行而言，修剪和上下文編輯的快取效果大致相同。如果您使用上下文編輯，請[以少數幾個大批次進行清除](https://platform.claude.com/docs/zh-TW/build-with-claude/context-editing#context-editing-and-prompt-caching)。
在 Claude Fable 5.1、Claude Opus 5.5、Claude Sonnet 5.5 和 Claude Haiku 5.5 上，重寫較早的工具結果會[使其後的每個思考區塊失效](https://platform.claude.com/docs/zh-TW/build-with-claude/preserved-thinking#prefix-check)，因此請改用壓縮。修剪是在沒有[保留思考](https://platform.claude.com/docs/zh-TW/build-with-claude/preserved-thinking)的較早模型上測量的；在這四個模型上，[上下文編輯](https://platform.claude.com/docs/zh-TW/build-with-claude/context-editing)和[壓縮](https://platform.claude.com/docs/zh-TW/build-with-claude/compaction)在伺服器上執行，不會使思考區塊失效。
修剪程式碼，改編自分類代理的程式碼：
```python
import re
PRUNED = "[pruned at issue boundary]"
def prune_task_boundary(messages, tool_name_by_id, threshold=2000):
"""Call once per task boundary. Replaces large, stale search results with a one-line extract."""
for message in messages:
if message["role"] != "user" or not isinstance(message["content"], list):
continue
for block in message["content"]:
if not (isinstance(block, dict) and block.get("type") == "tool_result"):
continue
if tool_name_by_id.get(block.get("tool_use_id")) != "search_issues":
continue
result_text = block.get("content")
if not isinstance(result_text, str) or len(result_text) <= threshold:
continue
if result_text.startswith(PRUNED):
continue # already pruned on an earlier boundary
# 限制單行結果的長度，讓擷取內容保持簡短
first_line = result_text.split("\n", 1)[0].strip()[:200]
refs = re.findall(r"#(\d+)", result_text)[:5]
extract = f"{PRUNED} {first_line}"
if refs:
extract += " kept refs: " + " ".join("#" + r for r in refs)
block["content"] = extract
```
### 批次處理可以等待的工作
將所有沒有人在等待的請求透過 [Batch API](https://platform.claude.com/docs/zh-TW/build-with-claude/batch-processing) 傳送，並將互動式路徑保留給其餘請求。Batch API 對請求的每個 token（包括快取的 token）提供 50% 折扣，代價是結果會在 24 小時內的任何時間送達。
* 對於無人值守的代理工作，批次處理是僅次於快取的第二大免費槓桿：評估執行、回填，以及排程工作，例如定期執行來自 [token 精簡測量](https://platform.claude.com/docs/zh-TW/about-claude/models/optimizing-for-cost-and-intelligence#trim-input-and-context-tokens)的問題分類代理。
* 批次處理可與本頁上除互動性以外的所有項目結合使用，但不適用於 Claude Managed Agents 工作階段，因為這些工作階段在設計上就是互動式的（請參閱 [Claude Managed Agents 定價](https://platform.claude.com/docs/zh-TW/about-claude/pricing#claude-managed-agents-pricing)）。
### 針對目前模型稽核提示
請針對您目前執行的模型稽核提示，並在每次更換模型時再次稽核：這是一項免費收益。
* 每一代模型對提示的反應都不同，因此提示會累積為您已不再使用的模型所撰寫的文字。
* 常見的情況是為了彌補舊模型而加入的過度具體指示：「驗證兩次」、「盡可能徹底」、強制性的逐步程序，或手動打造的推理草稿區。
* 較新的模型會逐字遵循這類指示，產生額外的工具回合和額外的文字，因此帳單增加，準確度卻沒有提升。
稽核只需一個指令。隨 Claude Code 提供的 [Claude API skill](https://platform.claude.com/docs/zh-TW/agents-and-tools/agent-skills/claude-api-skill) 有一個 `prompt-audit` 指令，可讀取專案的提示與請求程式碼，並報告哪些是為不同模型撰寫的。這段縮短的摘錄顯示它針對包含這些模式的客服台提示與請求程式碼執行：
```text wrap
$ claude
> /claude-api prompt-audit
10 findings. The three that matter most:
1. budget_tokens returns a 400 on Opus 5 (support_agent.py:10). This code
does not run against its own target model. Everything else here is
quality; this one is an outage.
2. The prompt contains two live contradictions. Line 15 says confirm before
every refund, line 17 says process every eligible refund immediately.
Line 19 asks for a complete recap *and* a three-sentence maximum.
3. The reasoning scaffold and the 6-step script fight the model rather than
steer it. + "reason step by step" is now a request
parameter, not prose; the mandatory 6-step procedure plus "investigate
fully even when the ticket looks simple" forces four tool calls on a
"where's my package" ticket.
...
-After any refund or escalation, verify twice before submitting: re-fetch
-the order, re-check every figure in your reply against the fresh lookup,
-and review the reply a second time for errors.
+Before submitting a refund or an escalation, re-fetch the order and confirm
+every figure in your reply matches the fresh lookup.
```
該指令隨後以 diff 形式提出其編輯（顯示一個區塊），並列出它刻意保留不動的內容：退款期限、語氣要求與品質標準。您審查的是一個修補，而非重寫。
Anthropic 在一項客服台評估[14](https://platform.claude.com/docs/zh-TW/about-claude/models/optimizing-for-cost-and-intelligence#refs)中，針對兩次較早模型之間的遷移測量了其效果：
* 從 Claude Opus 4.8 遷移到 Claude Opus 5 時，為舊模型撰寫的提示在新模型上每張工單的成本更高，而準確度沒有變化。
* 對相同提示執行稽核後，Claude Opus 5 比未稽核的版本更便宜也更準確，且提升幅度超出雜訊範圍。
* 從 Claude Sonnet 4.6 遷移到 Claude Sonnet 5 時，稽核在相同準確度下降低了每張工單的成本。
兩種過時文字的代價不同：
* 新模型過於字面遵循的指示會耗費金錢：移除「驗證兩次」降低了 Claude Opus 5 每張工單的成本，而移除「盡可能徹底」也降低了幾乎同樣多的成本。
* 不再適合模型的文字則會耗費準確度：已淘汰的思考設定、矛盾的規則，以及與模型自身思考衝突的手動草稿區，在移除後都各自恢復了 Claude Opus 5 的準確度。
相同的模式往往也出現在工具描述與 skill 中，這些也值得稽核。
## 在成本與智慧之間取捨
這些槓桿決定單一模型在成本與智慧之間的位置：模型選擇、effort、以較高設定重新執行失敗項目、模型運作時所受的預算與上限，以及模型是否能看到經過了多少時間。請先在目前的模型上進行 effort 掃描（[調整 effort](https://platform.claude.com/docs/zh-TW/about-claude/models/optimizing-for-cost-and-intelligence#tune-effort)）。依成本與能力由低到高，現行模型為 Claude Haiku 5.5、Claude Sonnet 5.5、Claude Opus 5.5 和 Claude Fable 5.1（前緣模型）；[模型概覽](https://platform.claude.com/docs/zh-TW/models/overview)列出了完整的模型陣容與價格。
### 以每個任務的成本比較模型
請以每項完成任務的成本來比較模型，而非以每個 token 的成本，因為您付費購買的是完成的任務。對於大多數代理工作負載，請從預設 effort（`medium`）下的 Claude Opus 5.5 開始。
能力更強的模型可以用更少的工作量完成任務，這可以抵銷大部分的每 token 溢價。Anthropic 在 SWE-bench Pro[3](https://platform.claude.com/docs/zh-TW/about-claude/models/optimizing-for-cost-and-intelligence#refs) 子集上測量了這一點（其分數無法與公開排行榜相比），並按照客戶實際計費的方式定價：
下表列出結果：
| 基準測試 | 模型 | Effort | 分數 | 成本 |
| ------------------------------------------------------------------------------------------------------------------------------------------ | ----------------- | ------------ | ------------------------------------------------------- | ---------------------------------------------------------- |
| SWE-bench Pro[3](https://platform.claude.com/docs/zh-TW/about-claude/models/optimizing-for-cost-and-intelligence#refs) 子集 | Claude Sonnet 5.5 | `high`（預設） | 解決 87.6% 的任務 | 每個已解決任務 $0.11 USD |
| SWE-bench Pro 子集 | Claude Opus 5.5 | `low` | 解決 87.4% 的任務 | 每個已解決任務 $0.12 USD |
| SWE-bench Pro 子集 | Claude Opus 5.5 | `medium`（預設） | 解決 92.8% 的任務 | 每個已解決任務 $0.22 USD |
| SWE-bench Pro 子集 | Claude Fable 5.1 | `high`（預設） | 解決 92.3% 的任務（單次執行） | 每個已解決任務 $1.19 USD |
| 內部代理式程式設計基準測試[11](https://platform.claude.com/docs/zh-TW/about-claude/models/optimizing-for-cost-and-intelligence#refs) | Claude Opus 5.5 | `medium`（預設） | 86.6% | 每次嘗試 $0.84 USD |
| 內部代理式程式設計基準測試 | Claude Fable 5.1 | `medium` | 84.2%（單次執行） | 每次嘗試 $2.68 USD |
| GPQA Diamond[9](https://platform.claude.com/docs/zh-TW/about-claude/models/optimizing-for-cost-and-intelligence#refs) | Claude Haiku 5.5 | `medium`（預設） | 準確率 85%，相較之下 Claude Opus 5.5 和 Claude Sonnet 5.5 各為 91% | 每個正確答案的成本約為 Claude Opus 5.5 的二十分之一、Claude Sonnet 5.5 的十分之一 |
| Claude Managed Agents 任務集[25](https://platform.claude.com/docs/zh-TW/about-claude/models/optimizing-for-cost-and-intelligence#refs)，79 項任務 | Claude Haiku 5.5 | `medium` | 93% 的嘗試通過（單次執行） | 每次通過的嘗試約 $0.011 USD |
**該怎麼做。**
* 從預設 effort 的 Claude Opus 5.5 開始：在 SWE-bench Pro 子集上，它與預設值下的 Claude Fable 5.1 表現相當（在執行間雜訊範圍內），而每個已解決任務的成本約為其五分之一。Opus 5.5 和 Fable 5.1 在 SWE-bench Pro 子集上都已大致飽和。對於要求嚴苛的推理和長時程代理工作，或當您在較高 effort 下對 Claude Opus 5.5 的評估仍然不足時，請使用 Claude Fable 5.1。
* 在另一端，Claude Haiku 5.5 適合輸出可檢查的大量工作和對延遲敏感的工作。
* 在您自己的流量上，以每項完成任務的成本為每個候選方案定價，包括預設 effort 的 Claude Opus 5.5 以及降低 effort 的前沿模型。Claude Opus 5.5 的每項 token 價格（包括快取讀取）都是 Claude Sonnet 5.5 的兩倍，但在 SWE-bench Pro 子集上，`low` 下的 Opus 5.5 解決的任務比例與預設值下的 Sonnet 5.5 大致相同（在執行間雜訊範圍內），每個已解決任務的成本約高出 7%。
* 排名會因工作負載而翻轉，而任何價目表都無法告訴您翻轉的方向，因此請在您自己的工作負載上測量。在長時間的研究迴圈中，Claude Fable 5.1 可能做更多而非更少的工作，因此每項任務的成本更高（DeepResearch Bench II[7](https://platform.claude.com/docs/zh-TW/about-claude/models/optimizing-for-cost-and-intelligence#refs)）。
* 為工作負載的尾部定價，而非中位數：在您最困難的十分之一任務上比較模型，而非典型任務。
帳單取決於較便宜模型失敗的任務，因為失敗的任務仍會計費其 token，接著是重試，然後是失敗在下游造成的任何成本。即使沒有任何失敗，尾部也是花費集中之處。在一次 20 個問題的 WideSearch[1](https://platform.claude.com/docs/zh-TW/about-claude/models/optimizing-for-cost-and-intelligence#refs) 執行中，兩個問題就佔了 43% 的花費：
[多模型策略](https://platform.claude.com/docs/zh-TW/about-claude/models/optimizing-for-cost-and-intelligence#combine-models)的存在是為了將前緣智慧花在該尾端上，而不必為其餘部分支付前緣費率。
### 升級模型
如果您落後一兩個模型版本，最便宜的槓桿就是模型字串。在 Anthropic 的測量中，每個較新的模型解決的任務至少與前一個模型一樣多，且通常每個已解決任務的成本較低。圖表繪製了近期 Claude 模型在 SWE-bench Pro[3](https://platform.claude.com/docs/zh-TW/about-claude/models/optimizing-for-cost-and-intelligence#refs) 子集（每個模型都透過相同的測試設定執行）以及 Terminal-Bench 3[20](https://platform.claude.com/docs/zh-TW/about-claude/models/optimizing-for-cost-and-intelligence#refs) 上的表現；表格列出每次升級帶來的變化：
| 基準測試 | 升級 | Effort | 分數 | 成本 |
| ----------------------------------------------------------------------------------------------------------------------------------- | ------------------------------------- | --------------------------------- | ----------------------------- | -------------------------------------------------------- |
| SWE-bench Pro[3](https://platform.claude.com/docs/zh-TW/about-claude/models/optimizing-for-cost-and-intelligence#refs) 子集 | Claude Sonnet 4.6 升級至 Claude Sonnet 5 | 預設 | 高出 5 分 | 每個已解決任務減少 16% |
| SWE-bench Pro 子集 | Claude Sonnet 5 升級至 Claude Sonnet 5.5 | 預設 | 約高出 10 分 | 每個已解決任務減少 87%；以 Claude Sonnet 5 的價格計算減少 85% |
| SWE-bench Pro 子集 | Claude Opus 5 升級至 Claude Opus 5.5 | 預設：`high` 至 `medium` | 大致相同：解決的任務從 91.9% 到 92.8% | 每個已解決任務減少 78%；以 Claude Opus 5 的價格計算約減少 69% |
| SWE-bench Pro 子集 | Claude Fable 5 升級至 Claude Fable 5.1 | 預設 | 分數大致相同 | 每個已解決任務減少 43% |
| DeepResearch Bench II[7](https://platform.claude.com/docs/zh-TW/about-claude/models/optimizing-for-cost-and-intelligence#refs) | Claude Fable 5 升級至 Claude Fable 5.1 | `high` | 在沒有任何嘗試被中斷的 21 項任務上高出 2 到 3 分 | 在全部 50 項任務上每項任務增加 46% |
| DeepResearch Bench II | Claude Fable 5 升級至 Claude Fable 5.1 | `low` | 在沒有任何嘗試被中斷的 21 項任務上高出 2 到 3 分 | 在全部 50 項任務上每項任務增加 94% |
| Terminal-Bench 3[20](https://platform.claude.com/docs/zh-TW/about-claude/models/optimizing-for-cost-and-intelligence#refs) | Claude Opus 4.7 升級至 Claude Opus 4.8 | `high` | 解決的任務從 7% 到 15% | 每個已解決任務從 $183 USD 降至 $63 USD |
| Terminal-Bench 3 | Claude Opus 4.8 升級至 Claude Opus 5 | `high` | 解決的任務從 15% 到 41% | 每個已解決任務從 $63 USD 降至 $28 USD，節省 56% |
| Claude Managed Agents 任務集[25](https://platform.claude.com/docs/zh-TW/about-claude/models/optimizing-for-cost-and-intelligence#refs) | Claude Haiku 4.5 升級至 Claude Haiku 5.5 | 依服務設定；Claude Haiku 5.5 為 `medium` | 通過的嘗試從 62% 到 93%，每個模型執行一次 | 每次嘗試的 token 成本從 $0.041 USD 降至約 $0.010 USD；每次通過的嘗試約減少 84% |
**何時划算。**
* 當舊模型已經能解決大多數任務時，每次嘗試的成本決定了節省幅度：在 SWE-bench Pro 子集上，Claude Opus 5.5 的分數與 Claude Opus 5 大致相同，而每個已解決任務的成本減少 78%。
* 當舊模型大多失敗時，通過率決定了節省幅度：在 Terminal-Bench 3[20](https://platform.claude.com/docs/zh-TW/about-claude/models/optimizing-for-cost-and-intelligence#refs) 上，從 Claude Opus 4.8 升級至 Claude Opus 5 將解決的任務從 15% 提高到 41%，每個已解決任務的成本減少 56%。
* 在假設升級能節省成本之前，請先在您自己的工作負載上測量。節省並非必然：在 DeepResearch Bench II[7](https://platform.claude.com/docs/zh-TW/about-claude/models/optimizing-for-cost-and-intelligence#refs) 上，Claude Fable 5.1 每項任務的成本高於 Claude Fable 5，因為新模型在該處每項任務做了更多工作，儘管輸入和輸出價格相同，且快取讀取便宜 4 倍。
* 以每個已解決任務的成本比較，而非每個 token：相同的文字在 Claude 4.7 及更新的模型上約多耗用 30% 的 token，因此以每 token 比較，在結構上就會讓較新的模型看起來更昂貴。
### 調整 effort
在加入第二個模型之前，請先在您自己的工作負載上掃描 effort。較低的 effort 成本較低且通常較快，而它犧牲多少準確度則取決於任務：在長時程程式設計上，effort 換來了準確度；在研究任務上，它在一次測量中換來了大量準確度，在另一次測量中則毫無幫助。[`effort`](https://platform.claude.com/docs/zh-TW/build-with-claude/effort) 參數控制模型進行多少思考、工具呼叫和自我驗證；大多數模型的預設值為 `high`，Claude Opus 5.5 和 Claude Haiku 5.5 則為 `medium`。
下表列出 Anthropic 使用目前模型在兩個基準測試上的測量結果；兩個基準測試之間的分數和成本無法相互比較。成本以每項任務計算，而非如[以每個任務的成本比較模型](https://platform.claude.com/docs/zh-TW/about-claude/models/optimizing-for-cost-and-intelligence#compare-models-on-cost-per-task)中以每個已解決任務計算。除非儲存格另有說明，否則每個分數在 SWE-bench Pro 上彙總兩次執行，在 DeepResearch Bench II 上彙總三次執行：
| 基準測試 | 模型 | Effort | 分數 | 每項任務成本 |
| ------------------------------------------------------------------------------------------------------------------------------ | ---------------- | ------------ | ------------------ | --------- |
| SWE-bench Pro[3](https://platform.claude.com/docs/zh-TW/about-claude/models/optimizing-for-cost-and-intelligence#refs) 子集 | Claude Opus 5.5 | `low` | 解決 87.4% 的任務 | $0.11 USD |
| SWE-bench Pro 子集 | Claude Opus 5.5 | `medium`（預設） | 解決 92.8% 的任務 | $0.21 USD |
| SWE-bench Pro 子集 | Claude Opus 5.5 | `high` | 解決 95.3% 的任務 | $0.29 USD |
| SWE-bench Pro 子集 | Claude Opus 5.5 | `xhigh` | 解決 96.7% 的任務（單次執行） | $0.74 USD |
| DeepResearch Bench II[7](https://platform.claude.com/docs/zh-TW/about-claude/models/optimizing-for-cost-and-intelligence#refs) | Claude Fable 5.1 | `low` | 評分標準分數 66% | $4.48 USD |
| DeepResearch Bench II | Claude Fable 5.1 | `high`（預設） | 評分標準分數 65% | $6.89 USD |
下圖繪製 Claude Opus 5.5 在 SWE-bench Pro[3](https://platform.claude.com/docs/zh-TW/about-claude/models/optimizing-for-cost-and-intelligence#refs) 子集上的準確度與每項任務成本的關係：
下圖繪製 Claude Fable 5.1 在 DeepResearch Bench II[7](https://platform.claude.com/docs/zh-TW/about-claude/models/optimizing-for-cost-and-intelligence#refs) 上的評分標準分數與每項任務成本的關係：
**該怎麼做。**
* 在您自己流量的樣本上掃描兩到三個 effort 等級，每個等級在獨立的工作階段中進行：在工作階段中途變更頂層 effort 會[使快取失效](https://platform.claude.com/docs/zh-TW/about-claude/models/optimizing-for-cost-and-intelligence#cache-repeated-context)並扭曲比較結果。這條曲線是任何多模型策略都必須超越的基準（[在您自己的工作負載上測量的步驟 2](https://platform.claude.com/docs/zh-TW/about-claude/models/optimizing-for-cost-and-intelligence#measure-on-your-own-workload)）。
* 在長時程程式設計上，effort 是真正的取捨，而[以較高 effort 重新執行失敗任務](https://platform.claude.com/docs/zh-TW/about-claude/models/optimizing-for-cost-and-intelligence#re-run-failures-at-higher-effort)可以將其轉回節省。在 `medium` 下，Claude Sonnet 5.5 在 SWE-bench Pro[3](https://platform.claude.com/docs/zh-TW/about-claude/models/optimizing-for-cost-and-intelligence#refs) 子集上的分數比其預設值 `high` 低約 7 分，每項任務的成本約為其 59%（各執行 2 次）；在內部代理式程式設計基準測試[11](https://platform.claude.com/docs/zh-TW/about-claude/models/optimizing-for-cost-and-intelligence#refs) 上的分數為 62.7%，相較之下預設值為 77.8%（每項任務嘗試 1 次）。
* 在研究任務上，請測量您實際部署的模型。Claude Fable 5.1 在 DeepResearch Bench II 上從 `low` 到 `high` 的分數幾乎相同；Claude Opus 5.5 在 DRACO[21](https://platform.claude.com/docs/zh-TW/about-claude/models/optimizing-for-cost-and-intelligence#refs) 上 `low` 的分數比 `medium` 低 13.3 分。這兩個結果來自不同基準測試上的不同模型，因此它們顯示的是答案會有所不同，而非原因。
* 在 `low` 下，Claude Opus 5.5 的典型任務所花時間比 `medium` 少：在 DRACO[21](https://platform.claude.com/docs/zh-TW/about-claude/models/optimizing-for-cost-and-intelligence#refs) 上少 84%，在 HLE[22](https://platform.claude.com/docs/zh-TW/about-claude/models/optimizing-for-cost-and-intelligence#refs) 上少 30%，在一組內部物理問題[23](https://platform.claude.com/docs/zh-TW/about-claude/models/optimizing-for-cost-and-intelligence#refs) 上少 47%，而分數分別低 13.3、3.4 和 14.0 分（每項任務分別嘗試 3、3 和 4 次）。
* 在一個針對超過單一「context window」（上下文視窗）之工作的內部缺陷搜尋基準測試[8](https://platform.claude.com/docs/zh-TW/about-claude/models/optimizing-for-cost-and-intelligence#refs) 上，Claude Fable 5.1 在 `low`、`medium` 和 `high` 下每次執行分別花費 15.2、17.5 和 19.9 小時（各執行 3 次）。若要節省時間，也請將較低的 effort 與[向模型顯示經過時間](https://platform.claude.com/docs/zh-TW/about-claude/models/optimizing-for-cost-and-intelligence#show-the-model-elapsed-time)中的兩項變更進行比較：`low` effort 節省了更多時間，而這兩項變更保留了更多分數。
### 以較高 effort 重新執行失敗任務
當任務的結果可被檢查時，effort 曲線上最便宜的策略並不是固定設定：以低設定執行每項任務，並只以較高設定重新執行失敗的任務。
Anthropic 根據[調整 effort](https://platform.claude.com/docs/zh-TW/about-claude/models/optimizing-for-cost-and-intelligence#tune-effort)中 Claude Opus 5.5 在 SWE-bench Pro[3](https://platform.claude.com/docs/zh-TW/about-claude/models/optimizing-for-cost-and-intelligence#refs) 子集上的 effort 執行結果，逐項任務計算了此策略：
在下表中，重新執行的成本包含失敗的低成本嘗試：
| 策略 | 解決的任務 | 每項任務成本 |
| --------------------------- | ----- | ----------- |
| `low`，失敗的任務以 `high` 重新執行 | 約 97% | 約 $0.17 USD |
| `medium`，失敗的任務以 `high` 重新執行 | 約 97% | 約 $0.24 USD |
| 全部以 `high` 執行 | 95.3% | $0.29 USD |
* 在 `low` 下，13% 的任務失敗。將這些任務以 `high` 重新執行後，通過率略高於全部以 `high` 執行，而成本僅略高於一半。
* 使用此策略是為了節省成本，而非提升分數。小幅提升大多來自第二次嘗試：將一次 `high` 執行中失敗的任務以 `high` 重新執行，分數大致相同，但花費更多。
有兩個條件適用。第一，您需要一個失敗訊號（此處為基準測試自己的測試）；一個會放行不良工作的檢查器會讓那些失敗漏過。第二，每個第一輪失敗都需要兩次執行的實際時間，因此節省是以失敗任務上的延遲為代價換來的。
### 設定預算與輸出上限
兩種控制項負責兩種不同的工作：工作階段預算限制一個 Claude Managed Agents 工作階段可以花費的金額，而 `max_tokens` 限制一個回應的長度。請在各自適用之處設定，並以[工作區支出限制](https://platform.claude.com/docs/zh-TW/api/rate-limits#setting-lower-limits-for-workspaces)作為最後的防線。
* **Claude Managed Agents 上的工作階段預算**是支出的硬性上限。[工作階段預算](https://platform.claude.com/docs/zh-TW/managed-agents/budgets)是對單一工作階段[牌價成本](https://platform.claude.com/docs/zh-TW/managed-agents/budgets#how-list-cost-is-measured)的美元上限，平台會針對 token、網路搜尋和工作階段執行時間進行計量。
* 達到上限（或略微超過）時，工作階段會以 `stop_reason: budget_reached` 暫停；提高預算即可恢復。此機制由平台強制執行，適用於任何有牌價的模型。部署會對其啟動的每個工作階段套用相同的預算。
* **`max_tokens`** 限制單一回應，且模型看不到此限制，因此降低它並不會讓模型節約。需要更多空間的回合會被捨棄，但仍會計費。重試被截斷的嘗試很少有幫助：在相同上限下，大多數會再次失敗；而在較高上限下，您還要為浪費的嘗試付費。
* 對於代理工作，請將 `max_tokens` 設為 64,000；當單次被截斷的嘗試代價高昂時，請設為最大值 128,000。對如此大的回應使用[串流回應](https://platform.claude.com/docs/zh-TW/build-with-claude/streaming)，將 [`stop_reason: max_tokens`](https://platform.claude.com/docs/zh-TW/build-with-claude/handling-stop-reasons#max-tokens) 視為失敗，並透過模型看得到的 effort 來節省成本。
下表顯示在一個內部儲存庫任務基準測試[12](https://platform.claude.com/docs/zh-TW/about-claude/models/optimizing-for-cost-and-intelligence#refs) 上，每個模型在各上限下解決了多少任務以及每個已解決任務的成本，每項任務嘗試一次，每個模型使用其預設 effort。16,384 的列為兩次執行的平均值，其他列各為一次執行：
| 模型 | `max_tokens` | 因上限而結束的嘗試 | 解決的任務 | 每個已解決任務的成本 |
| ---------------- | ------------ | --------- | ----- | ----------------- |
| Claude Opus 5.5 | 16,384 | 25% | 57.6% | 以牌價計 $5.38 USD |
| Claude Opus 5.5 | 64,000 | 0% | 75.6% | 以牌價計 $5.38 USD |
| Claude Opus 5.5 | 128,000 | 0% | 68.9% | 以牌價計 $5.94 USD |
| Claude Fable 5.1 | 16,384 | 43% | 36.3% | 以實際計費計 $21.37 USD |
| Claude Fable 5.1 | 64,000 | 0% | 58.5% | 以實際計費計 $21.53 USD |
| Claude Fable 5.1 | 128,000 | 1% | 60.0% | 以實際計費計 $21.74 USD |
**Claude Opus 5.5 在 64,000 和 128,000 下：** 在這兩個上限下都沒有任何嘗試被截斷，因此上限無法解釋這兩列在解決的任務或每個已解決任務成本上的差異。每列為一次執行。
請在每個模型內部比較各上限。這兩個模型的執行相隔一個月，且其成本以不同的基礎定價。
要求更簡短的答案。在 Claude Haiku 5.5、Claude Sonnet 5.5、Claude Opus 5.5 和 Claude Fable 5.1 上，輸出 token 的成本是輸入 token 的五倍；而在代理迴圈中，模型寫出的每個 token 都會在之後的每個回合中作為輸入回傳，因此您會為一個冗長的答案一再付費。
在一次針對較早模型的測量[26](https://platform.claude.com/docs/zh-TW/about-claude/models/optimizing-for-cost-and-intelligence#refs) 中，Anthropic 以三種最終答案指示執行了一個分類錯誤報告的小型代理（[精簡輸入與上下文 token](https://platform.claude.com/docs/zh-TW/about-claude/models/optimizing-for-cost-and-intelligence#trim-input-and-context-tokens)），每種各執行三次，使用相同的模型和工具：
* 原始版本要求兩行。
* 較短的變體要求一行。
* 較長的變體要求一份包含六個標題段落的備忘錄。
下圖繪製每種格式每次執行的成本：
三者相對於正確標籤的分數彼此都在執行間雜訊範圍內，因此這些格式在您支付的費用上的差異，遠大於它們在正確性上的差異。請要求您會閱讀的答案，而非看起來詳盡的答案。
在內部儲存庫任務[12](https://platform.claude.com/docs/zh-TW/about-claude/models/optimizing-for-cost-and-intelligence#refs) 上，幾乎每個回合都遠低於 16,384 token 的上限就結束了。較高上限所換來的，正是那些罕見的長回合：
### 向模型顯示經過時間
若要讓代理更快完成並降低成本，請告訴它時間很重要，並在每個請求中向它顯示經過的時間。在 Anthropic 的測量中，這兩項變更使 `medium` effort 下的單一 Claude Opus 5.5 代理在典型（中位數）DRACO[21](https://platform.claude.com/docs/zh-TW/about-claude/models/optimizing-for-cost-and-intelligence#refs) 研究任務上的時間減少 47%、成本減少 60%，而其平均分數低了 4.1 分。
在 HLE[22](https://platform.claude.com/docs/zh-TW/about-claude/models/optimizing-for-cost-and-intelligence#refs) 和一組內部物理問題[23](https://platform.claude.com/docs/zh-TW/about-claude/models/optimizing-for-cost-and-intelligence#refs) 上，典型任務所花時間分別減少 14% 和 7%，而物理分數低了 3.0 分。將 effort 降至 `low` 比這些變更節省了更多時間和成本，但損失了更多分數（參考資料 21）。在採用這些變更之前，請先在您自己的任務上檢查分數。
如需可運作的程式碼，請參閱 Claude Cookbook 範例 [Multi-agent teams under latency pressure and budgets](https://github.com/anthropics/claude-cookbooks/blob/main/patterns/agents/latency_multi_agent.ipynb)，其中將這兩項變更套用於一組代理。若要改為在系統提示中說明時間很重要，請參閱[多代理 harness 的時間訊號](https://platform.claude.com/docs/zh-TW/build-with-claude/prompt-engineering/prompting-claude-opus-5-5#time-signals-for-multi-agent-harnesses)。
下圖也繪製了一個團隊（其主導代理很少啟動輔助代理）以及一個 `low` effort 下的單一代理：
## 組合模型
在加入第二個模型之前，請先調整單一模型：先在您目前的模型上掃描 effort，因為大多數工作負載到此就足夠了；如果掃描顯示有差距，再為低 effort 下單獨使用的較強模型定價。只有當組合能超越單一模型整條分數對花費的曲線時，才建立組合。本頁的多模型結果是與較低 effort 下的同一模型，以及單獨執行的次一級模型進行比較，這也是您應在自己的工作負載上執行的比較。
下表比較兩種策略：
| 策略 | 控制流程 | 前沿模型的角色 | 適合 | 前沿成本隨何者擴展 |
| ------- | --------------- | ----------- | ----------------------------------- | --------- |
| **顧問** | 較小模型執行迴圈，按需升級 | 被諮詢以提供計畫與修正 | 局部困難的序列工作，例如程式開發代理在少數真正決策之間的許多輪次 | 執行者卡住的頻率 |
| **協調器** | 前沿模型執行迴圈，委派大量工作 | 規劃、分派與綜合 | 可扇出到真正獨立的檔案、文件或案例的工作，尤其是超過一個上下文視窗的量 | 各部分協調的難度 |
### 顧問策略：升級困難決策
只有當執行者諮詢顧問時，顧問才能提供幫助。
在 Anthropic 對目前模型的測量中，唯一一個執行者經常諮詢的組合（在一個程式設計基準測試上）比相同 effort 下單獨的執行者高出 1.7 分，處於執行間雜訊的邊緣，成本約為 2.1 倍。在執行者很少或從未諮詢的情況下，組合的分數與單獨的執行者在執行間雜訊範圍內，或更低。
若要啟用，請在您的請求中加入[顧問工具](https://platform.claude.com/docs/zh-TW/agents-and-tools/tool-use/advisor-tool)（一項 beta 功能）。在 Claude Managed Agents 上，請[為工作階段提供顧問](https://platform.claude.com/docs/zh-TW/managed-agents/multiagent-orchestration#give-the-session-an-advisor)。對於 Claude Code，請參閱[使用顧問工具升級困難決策](https://code.claude.com/docs/zh-TW/advisor)。
下表將每個組合與相同 effort 下單獨的執行者進行比較：
| 基準測試 | 分數 | 成本 | 顧問被諮詢的情況 |
| ----------------------------------------------------------------------------------------------------------------------- | ------------------------------- | -------------------------------------------------- | ------------------------------ |
| 內部代理式程式設計基準測試[11](https://platform.claude.com/docs/zh-TW/about-claude/models/optimizing-for-cost-and-intelligence#refs) | 90.1%，比單獨的執行者高 1.7 分，處於執行間雜訊的邊緣 | 每次嘗試 $2.92 USD，約為單獨執行者的 2.1 倍 | 每次嘗試約 1.4 次；4% 的嘗試未獲得建議 |
| GPQA Diamond[9](https://platform.claude.com/docs/zh-TW/about-claude/models/optimizing-for-cost-and-intelligence#refs) | 與單獨的執行者在執行間雜訊範圍內 | Claude Haiku 5.5 每題增加 12%，Claude Sonnet 5.5 增加 25% | 在 198 題中一題都沒有，各執行兩次；沒有系統提示要求諮詢 |
| Chartography[13](https://platform.claude.com/docs/zh-TW/about-claude/models/optimizing-for-cost-and-intelligence#refs) | 61.7，比單獨的執行者低 7 分，超出執行間雜訊範圍 | 與單獨的執行者大致相同 | 300 項任務中有 1 項 |
* **內部代理式程式設計基準測試。** `high` 下的 Claude Opus 5.5，搭配 Claude Fable 5.1 顧問。
* **GPQA Diamond。** 各模型預設值（`medium` 和 `high`）下的 Claude Haiku 5.5 或 Claude Sonnet 5.5，搭配 Claude Opus 5.5 顧問。
* **Chartography。** `low` 下的 Claude Opus 5.5，搭配 Claude Fable 5.1 顧問。
顧問只能提供執行者所缺乏的能力：在 GPQA Diamond 上，單獨的 Claude Sonnet 5.5 與單獨的 Claude Opus 5.5 在將拒答計為錯誤的情況下同為 91%，但這只是因為 Opus 5.5 每次執行拒答六道生物學題目，而 Sonnet 5.5 只拒答一道。在各自作答的題目上，Opus 5.5 領先約 2 分。
在程式設計基準測試上，組合的增益處於執行間雜訊的邊緣，且大約落在 Claude Opus 5.5 自身的 effort 曲線上，因此顧問換來的大約就是提高 effort 所能帶來的效果。下圖將該組合與這條曲線以及 Claude Fable 5.1 八月的曲線進行對照：
**該怎麼做。**
* 在您自己的任務上測量諮詢率。顧問工具的定義每個請求約 1,000 個提示 token，即使執行者從未諮詢也會增加成本。使用[提示快取](https://platform.claude.com/docs/zh-TW/about-claude/models/optimizing-for-cost-and-intelligence#cache-repeated-context)時，多回合代理迴圈在第一個請求之後會以快取讀取價格支付定義的費用，因此這項額外負擔對簡短的單一請求任務影響最大。
* 如果執行者很少諮詢，請參閱[針對程式碼與代理任務的提示](https://platform.claude.com/docs/zh-TW/agents-and-tools/tool-use/advisor-tool#prompting-for-coding-and-agent-tasks)，了解要求諮詢的系統提示，並在加入後再次測量。在 20 個 SWE-bench Pro[3](https://platform.claude.com/docs/zh-TW/about-claude/models/optimizing-for-cost-and-intelligence#refs) 問題上，建議的提示對 Claude Sonnet 5.5 沒有明顯差異。
* 如果諮詢率驟降，請恢復執行者的 effort。在對較早模型的測量中，一個在預設 effort 下於大多數任務上諮詢的組合，在降低 effort 後只在少數任務上諮詢，結果分數低於單獨的執行者（SWE-bench Pro[3](https://platform.claude.com/docs/zh-TW/about-claude/models/optimizing-for-cost-and-intelligence#refs)）。
* 在每次模型發布時重新檢查，因為發布會同時改變能力差距和價格比例。
### 協調器策略：委派大量工作
在以較早模型 Claude Sonnet 5 作為工作者的測量中，委派只在兩種情況下節省了成本：
* 具有長成本尾部的例行工作（BrowseComp[4](https://platform.claude.com/docs/zh-TW/about-claude/models/optimizing-for-cost-and-intelligence#refs) 的簡單部分）
* 超過一個上下文視窗的工作（一個內部缺陷搜尋基準測試[8](https://platform.claude.com/docs/zh-TW/about-claude/models/optimizing-for-cost-and-intelligence#refs)）
當工作是一條相依的鏈，或能放入單一上下文且沒有長成本尾部時，在所有測量的案例中，較低 effort 下單獨使用協調器的模型都勝出，這同樣是在較早的模型上（較難的 BrowseComp 集和 DeepWideSearch[6](https://platform.claude.com/docs/zh-TW/about-claude/models/optimizing-for-cost-and-intelligence#refs)）；獨立的外部研究也報告了相同的模式[5](https://platform.claude.com/docs/zh-TW/about-claude/models/optimizing-for-cost-and-intelligence#refs)。
若要建立協調器，請在 Claude Managed Agents 中使用[多代理協調](https://platform.claude.com/docs/zh-TW/managed-agents/multiagent-orchestration)：設定一個協調器代理以及它可以呼叫的工作者代理，每個代理都有自己的模型。
[模型選擇矩陣](https://platform.claude.com/docs/zh-TW/about-claude/models/choosing-a-model#model-selection-matrix)將 Claude Haiku 5.5 列為適用於子代理任務；在將其用作工作者之前，請[在您自己的工作負載上測量它](https://platform.claude.com/docs/zh-TW/about-claude/models/optimizing-for-cost-and-intelligence#measure-on-your-own-workload)。
下圖依成本和分數繪製缺陷搜尋基準測試的各種設定：
**該怎麼做。**
* **具有長成本尾部的例行工作：** 請先測量這種情況，包括準確度和成本。其背後的測量只涵蓋委派設定在每次執行中都正確回答的問題（參考資料 4）。
* **超過一個上下文視窗的工作：** 將分割區委派給工作者。降低 effort 無濟於事，因為帳單來自閱讀本身：在缺陷搜尋基準測試[8](https://platform.claude.com/docs/zh-TW/about-claude/models/optimizing-for-cost-and-intelligence#refs) 上，單獨的 Claude Fable 5.1 在其三種 effort 設定下每次執行花費 $468 USD 至 $552 USD，並耗時 15 到 20 小時。使用較早模型的工作者時，委派的成本較低且完成得更快，但分數較低。
## 在您自己的工作負載上進行測量
在您自己的工作負載上進行測量：本頁的數字反映測量當時的牌價，並會隨著模型和價格的變化而改變；您的「escalation rate」（升級率）、任務拆分的乾淨程度以及對話紀錄的長度也會影響這些數字。方法保持不變：
1. 從正式環境日誌中擷取一些任務，依照實際流量加權，並為每個任務[撰寫結果檢查](https://platform.claude.com/docs/zh-TW/test-and-evaluate/develop-tests)：測試通過、工單關閉、列數正確。在分數旁記錄每個任務的成本。
2. 跨 effort 等級（而不只是預設值）為各模型層級建立基準線，並繪製分數對支出的關係圖。多模型配置必須超越單一模型的整條曲線。
3. 如果曲線顯示存在 effort 無法彌補的差距，請加入適合的多模型策略，並重新執行測試套件。
4. 在正式切換之前，先在一部分流量上以影子模式執行勝出的方案，之後也請持續執行測試套件。
**如何為任務計價。** 每個回應的 `usage` 包含五種計價的 token 數量。請以各自的費率計價：未快取的輸入、5 分鐘和 1 小時的快取寫入（分別為輸入價格的 1.25 倍和 2 倍）、快取讀取，以及輸出。將任務所有請求的這些費用加總（[用量與成本 API](https://platform.claude.com/docs/zh-TW/manage-claude/usage-cost-api) 會回報彙總數據）。在 Claude Haiku 5.5 上，請依照每個請求的提示長度所對應的費率計價，並將快取讀取和寫入計算在內（請參閱[長上下文定價](https://platform.claude.com/docs/zh-TW/about-claude/pricing#long-context-pricing)）。
以下範例以 Claude Opus 5.5 的定價計算單一請求的成本。若要用於其他模型，請變更這三個價格：
```bash cURL
INPUT_PER_MTOK=4.00 # Claude Opus 5.5
CACHE_READ_PER_MTOK=0.20 # 0.05x the input price on Claude Opus 5.5; the multiplier differs by model
OUTPUT_PER_MTOK=20.00
response=$(curl --fail-with-body -sS https://api.anthropic.com/v1/messages \
-H "x-api-key: $ANTHROPIC_API_KEY" \
-H "anthropic-version: 2023-06-01" \
-H "content-type: application/json" \
-d '{
"model": "claude-opus-5-5",
"max_tokens": 1024,
"messages": [{"role": "user", "content": "Hello, Claude"}]
}')
cost=$(jq -r --argjson in_price "$INPUT_PER_MTOK" --argjson read_price "$CACHE_READ_PER_MTOK" --argjson out_price "$OUTPUT_PER_MTOK" '
.usage
| (.input_tokens * $in_price
+ (.cache_creation.ephemeral_1h_input_tokens // 0) * $in_price * 2.00 # 1-hour cache write
+ (.cache_creation.ephemeral_5m_input_tokens // 0) * $in_price * 1.25 # 5-minute cache write
+ (.cache_read_input_tokens // 0) * $read_price # cache read
+ .output_tokens * $out_price) / 1e6
' <<<"$response")
printf 'Request cost: $%.6f\n' "$cost"
```
```bash CLI
INPUT_PER_MTOK=4.00 # Claude Opus 5.5
CACHE_READ_PER_MTOK=0.20 # 0.05x the input price on Claude Opus 5.5; the multiplier differs by model
OUTPUT_PER_MTOK=20.00
USAGE=$(ant messages create \
--model claude-opus-5-5 \
--max-tokens 1024 \
--message '{role: user, content: "Hello, Claude"}' \
--transform usage)
COST=$(jq -r --argjson in_price "$INPUT_PER_MTOK" --argjson read_price "$CACHE_READ_PER_MTOK" --argjson out_price "$OUTPUT_PER_MTOK" '
(.input_tokens * $in_price
+ (.cache_creation.ephemeral_1h_input_tokens // 0) * $in_price * 2.00 # 1-hour cache write
+ (.cache_creation.ephemeral_5m_input_tokens // 0) * $in_price * 1.25 # 5-minute cache write
+ (.cache_read_input_tokens // 0) * $read_price # cache read
+ .output_tokens * $out_price) / 1e6
' <<<"$USAGE")
printf 'Request cost: $%.6f\n' "$COST"
```
```python Python
INPUT_PER_MTOK = 4.00 # Claude Opus 5.5
# 在 Claude Opus 5.5 上為輸入價格的 0.05 倍；倍率因模型而異
CACHE_READ_PER_MTOK = 0.20
OUTPUT_PER_MTOK = 20.00
client = anthropic.Anthropic()
response = client.messages.create(
model="claude-opus-5-5",
max_tokens=1024,
messages=[{"role": "user", "content": "Hello, Claude"}],
)
usage = response.usage
cache_writes = usage.cache_creation
writes_1h = cache_writes.ephemeral_1h_input_tokens if cache_writes else 0
writes_5m = cache_writes.ephemeral_5m_input_tokens if cache_writes else 0
cost = (
usage.input_tokens * INPUT_PER_MTOK
# 1 小時快取寫入以輸入價格的 2 倍計費，5 分鐘為 1.25 倍；讀取則以快取讀取價格計費。
+ writes_1h * INPUT_PER_MTOK * 2.0
+ writes_5m * INPUT_PER_MTOK * 1.25
+ (usage.cache_read_input_tokens or 0) * CACHE_READ_PER_MTOK
+ usage.output_tokens * OUTPUT_PER_MTOK
) / 1_000_000
print(f"Request cost: ${cost:.6f}")
```
```typescript TypeScript
const INPUT_PER_MTOK = 4.0; // Claude Opus 5.5
const CACHE_READ_PER_MTOK = 0.2; // 0.05x the input price on Claude Opus 5.5; the multiplier differs by model
const OUTPUT_PER_MTOK = 20.0;
const client = new Anthropic();
const response = await client.messages.create({
model: "claude-opus-5-5",
max_tokens: 1024,
messages: [{ role: "user", content: "Hello, Claude" }]
});
const usage = response.usage;
const cost =
(usage.input_tokens * INPUT_PER_MTOK +
(usage.cache_creation?.ephemeral_1h_input_tokens ?? 0) * INPUT_PER_MTOK * 2 + // 1-hour cache write
(usage.cache_creation?.ephemeral_5m_input_tokens ?? 0) * INPUT_PER_MTOK * 1.25 + // 5-minute cache write
(usage.cache_read_input_tokens ?? 0) * CACHE_READ_PER_MTOK + // cache read
usage.output_tokens * OUTPUT_PER_MTOK) /
1_000_000;
console.log(`Request cost: $${cost.toFixed(6)}`);
```
```csharp C#
const double InputPerMtok = 4.00; // Claude Opus 5.5
const double CacheReadPerMtok = 0.20; // 0.05x the input price on Claude Opus 5.5; the multiplier differs by model
const double OutputPerMtok = 20.00;
AnthropicClient client = new();
var response = await client.Messages.Create(
new MessageCreateParams
{
Model = Model.ClaudeOpus5_5,
MaxTokens = 1024,
Messages = [new() { Role = Role.User, Content = "Hello, Claude" }],
}
);
var usage = response.Usage;
double cost =
(
usage.InputTokens * InputPerMtok
+ (usage.CacheCreation?.Ephemeral1hInputTokens ?? 0) * InputPerMtok * 2.00 // 1-hour cache write
+ (usage.CacheCreation?.Ephemeral5mInputTokens ?? 0) * InputPerMtok * 1.25 // 5-minute cache write
+ (usage.CacheReadInputTokens ?? 0) * CacheReadPerMtok // cache read
+ usage.OutputTokens * OutputPerMtok
) / 1_000_000;
Console.WriteLine($"Request cost: ${cost:F6}");
```
```go Go
const (
inputPerMTok = 4.00 // Claude Opus 5.5
cacheReadPerMTok = 0.20 // 0.05x the input price on Claude Opus 5.5; the multiplier differs by model
outputPerMTok = 20.00
)
// ...
client := anthropic.NewClient()
response, err := client.Messages.New(context.TODO(), anthropic.MessageNewParams{
Model: anthropic.ModelClaudeOpus5_5,
MaxTokens: 1024,
Messages: []anthropic.MessageParam{
anthropic.NewUserMessage(anthropic.NewTextBlock("Hello, Claude")),
},
})
if err != nil {
log.Fatal(err)
}
usage := response.Usage
cost := (float64(usage.InputTokens)*inputPerMTok +
float64(usage.CacheCreation.Ephemeral1hInputTokens)*inputPerMTok*2.00 + // 1-hour cache write
float64(usage.CacheCreation.Ephemeral5mInputTokens)*inputPerMTok*1.25 + // 5-minute cache write
float64(usage.CacheReadInputTokens)*cacheReadPerMTok + // cache read
float64(usage.OutputTokens)*outputPerMTok) / 1_000_000
fmt.Printf("Request cost: $%.6f\n", cost)
```
```java Java
static final double INPUT_PER_MTOK = 4.00; // Claude Opus 5.5
static final double CACHE_READ_PER_MTOK = 0.20; // 0.05x the input price on Claude Opus 5.5; the multiplier differs by model
static final double OUTPUT_PER_MTOK = 20.00;
void main() {
AnthropicClient client = AnthropicOkHttpClient.fromEnv();
Message response = client.messages().create(MessageCreateParams.builder()
.model(Model.CLAUDE_OPUS_5_5)
.maxTokens(1024)
.addUserMessage("Hello, Claude")
.build());
Usage usage = response.usage();
long writes1h = usage.cacheCreation().map(CacheCreation::ephemeral1hInputTokens).orElse(0L);
long writes5m = usage.cacheCreation().map(CacheCreation::ephemeral5mInputTokens).orElse(0L);
double cost = (usage.inputTokens() * INPUT_PER_MTOK
+ writes1h * INPUT_PER_MTOK * 2.00 // 1-hour cache write
+ writes5m * INPUT_PER_MTOK * 1.25 // 5-minute cache write
+ usage.cacheReadInputTokens().orElse(0L) * CACHE_READ_PER_MTOK // cache read
+ usage.outputTokens() * OUTPUT_PER_MTOK) / 1_000_000;
IO.println("Request cost: $%.6f".formatted(cost));
}
```
```php PHP
const INPUT_PER_MTOK = 4.00; // Claude Opus 5.5
const CACHE_READ_PER_MTOK = 0.20; // 0.05x the input price on Claude Opus 5.5; the multiplier differs by model
const OUTPUT_PER_MTOK = 20.00;
$client = new Client();
$response = $client->messages->create(
model: 'claude-opus-5-5',
maxTokens: 1024,
messages: [['role' => 'user', 'content' => 'Hello, Claude']],
);
$usage = $response->usage;
$cost = (
$usage->inputTokens * INPUT_PER_MTOK
+ ($usage->cacheCreation?->ephemeral1hInputTokens ?? 0) * INPUT_PER_MTOK * 2.00 // 1-hour cache write
+ ($usage->cacheCreation?->ephemeral5mInputTokens ?? 0) * INPUT_PER_MTOK * 1.25 // 5-minute cache write
+ ($usage->cacheReadInputTokens ?? 0) * CACHE_READ_PER_MTOK // cache read
+ $usage->outputTokens * OUTPUT_PER_MTOK
) / 1_000_000;
printf("Request cost: \$%.6f\n", $cost);
```
```ruby Ruby
INPUT_PER_MTOK = 4.00 # Claude Opus 5.5
CACHE_READ_PER_MTOK = 0.20 # 0.05x the input price on Claude Opus 5.5; the multiplier differs by model
OUTPUT_PER_MTOK = 20.00
client = Anthropic::Client.new
response = client.messages.create(
model: "claude-opus-5-5",
max_tokens: 1024,
messages: [{ role: "user", content: "Hello, Claude" }]
)
usage = response.usage
cost = (
usage.input_tokens * INPUT_PER_MTOK +
usage.cache_creation&.ephemeral_1h_input_tokens.to_i * INPUT_PER_MTOK * 2.00 + # 1-hour cache write
usage.cache_creation&.ephemeral_5m_input_tokens.to_i * INPUT_PER_MTOK * 1.25 + # 5-minute cache write
usage.cache_read_input_tokens.to_i * CACHE_READ_PER_MTOK + # cache read
usage.output_tokens * OUTPUT_PER_MTOK
) / 1_000_000
puts format("Request cost: $%.6f", cost)
```
**需要檢查的項目。**
* **快取讀取佔比。** 在代理迴圈中，大部分輸入 token 應該是快取讀取。如果 `cache_read_input_tokens` 相較於 `input_tokens` 加上 `cache_creation_input_tokens` 的總和很小，請檢查快取是否已啟用，以及前綴在請求之間是否保持不變。
* **顧問工具與壓縮。** 當啟用[顧問工具](https://platform.claude.com/docs/zh-TW/agents-and-tools/tool-use/advisor-tool#usage-and-billing)或[壓縮](https://platform.claude.com/docs/zh-TW/build-with-claude/compaction-threshold#understanding-usage)時，部分 token 只會在 `usage.iterations` 中回報，而不會出現在頂層總計中。請改為對 `usage.iterations` 加總，並以顧問模型的費率為 `advisor_message` 項目計價。
下表依照建議嘗試的順序列出各項槓桿。數據來自 Anthropic 自己的測試；每個連結的章節及其參考資料會說明所用的模型和方法：
| 槓桿 | Anthropic 測試中的節省 | 品質代價 | 延遲 | 位置 |
| --------------- | ----------------------------------------------------------- | ------------------------------------------- | ------------------------------------------------------------------------------------------------------------------ | ------------------------------------------------------------------------------------------------------------------------------------------------------- |
| 提示快取 | 在一個研究代理上成本降低為 1/2.7 至 1/5.5，在一個小型分類代理上降低 83% 至 86% | 無 | 更快 | [快取重複的上下文](https://platform.claude.com/docs/zh-TW/about-claude/models/optimizing-for-cost-and-intelligence#cache-repeated-context) |
| 1 小時快取期限 | 當每 10 個回合中有 1 個在暫停之後，5 分鐘預設值的成本高出 54%；每 20 個中有 1 個時，成本大致相同 | 無 | 暫停後仍保持溫熱[16](https://platform.claude.com/docs/zh-TW/about-claude/models/optimizing-for-cost-and-intelligence#refs) | [選擇快取期限](https://platform.claude.com/docs/zh-TW/about-claude/models/optimizing-for-cost-and-intelligence#pick-the-cache-duration) |
| 輸入精簡 | 在小型分類代理的帳單上再減少 21% 至 26% | 無 | 無影響 | [精簡輸入與上下文 token](https://platform.claude.com/docs/zh-TW/about-claude/models/optimizing-for-cost-and-intelligence#trim-input-and-context-tokens) |
| 在任務邊界修剪過時的工具結果 | 在一個長時間代理任務上節省 39%；在短任務上沒有節省。在該章節所列的模型上，請改用壓縮 | 未測得 | 無影響 | [管理上下文生命週期](https://platform.claude.com/docs/zh-TW/about-claude/models/optimizing-for-cost-and-intelligence#manage-the-context-lifecycle) |
| 工具搜尋 | 附加 500 個工具定義時節省 45%；延遲載入 GitHub MCP 伺服器的工具集節省 20% | 無 | 無影響 | [精簡輸入與上下文 token](https://platform.claude.com/docs/zh-TW/about-claude/models/optimizing-for-cost-and-intelligence#trim-input-and-context-tokens) |
| 透過程式碼執行處理資料檔案 | 在一個包含 25 個問題的資料任務上節省 92% | 有所提升：25 題全對，而非 7 題 | 更快 | [精簡輸入與上下文 token](https://platform.claude.com/docs/zh-TW/about-claude/models/optimizing-for-cost-and-intelligence#trim-input-and-context-tokens) |
| Batch API | 50% | 無 | 24 小時內取得結果 | [批次處理可以等待的工作](https://platform.claude.com/docs/zh-TW/about-claude/models/optimizing-for-cost-and-intelligence#batch-work-that-can-wait) |
| 針對目前模型稽核提示 | 在兩次測試的模型升級中皆節省 14% | 無；其中一次有所提升 | 更快（工具回合較少） | [針對目前模型稽核提示](https://platform.claude.com/docs/zh-TW/about-claude/models/optimizing-for-cost-and-intelligence#audit-prompts-against-the-current-model) |
| 升級模型 | 每個已解決任務的成本通常較低：在一個程式設計基準測試上最多降低 87% | 無；多數情況有所提升 | 無影響 | [升級模型](https://platform.claude.com/docs/zh-TW/about-claude/models/optimizing-for-cost-and-intelligence#upgrade-the-model) |
| 降低 effort | 在長時間程式設計任務上，`medium` 的成本比 `high` 低約 30% 至 52%，`low` 則低約三分之二 | 視任務而定，最多低 15 分；在一個研究代理上沒有影響 | 更快 | [調整 effort](https://platform.claude.com/docs/zh-TW/about-claude/models/optimizing-for-cost-and-intelligence#tune-effort) |
| 重新執行失敗的任務 | 比全部以 `high` 執行低約 40%，通過率相同或略高 | 無 | 對失敗的任務進行第二次嘗試 | [以較高 effort 重新執行失敗任務](https://platform.claude.com/docs/zh-TW/about-claude/models/optimizing-for-cost-and-intelligence#re-run-failures-at-higher-effort) |
| 要求更簡短的回答 | 減少約 13%，來自減少 39% 的輸出 token | 無 | 更快 | [設定預算與輸出上限](https://platform.claude.com/docs/zh-TW/about-claude/models/optimizing-for-cost-and-intelligence#set-budgets-and-output-caps) |
| 提高 `max_tokens` | 無：每個已解決任務的成本大致維持不變 | 有所提升：在一個程式設計基準測試上多解決最多 22 個百分點的任務；在另一個上沒有影響 | 無影響 | [設定預算與輸出上限](https://platform.claude.com/docs/zh-TW/about-claude/models/optimizing-for-cost-and-intelligence#set-budgets-and-output-caps) |
| 顧問 | 無：在一個程式設計基準測試上，成本約為單獨使用該模型的 2.1 倍 | 在程式設計上有小幅提升，但可能是偶然；在圖表判讀上則有所下降 | 在程式設計上，每次嘗試約多 1.4 次呼叫 | [顧問策略](https://platform.claude.com/docs/zh-TW/about-claude/models/optimizing-for-cost-and-intelligence#advisor-strategy-escalate-hard-decisions) |
| 協調器 | 在超過一個上下文視窗的工作上，成本約為單獨使用協調器模型的一半；在例行工作上，請先測量 | 在該類工作上低 10 至 12 分 | 在該類工作上快得多 | [協調器策略](https://platform.claude.com/docs/zh-TW/about-claude/models/optimizing-for-cost-and-intelligence#orchestrator-strategy-delegate-bulk-work) |
### 使用 Claude API skill 自動化搜尋
在搜尋節省空間之前，請先執行 [Claude API skill](https://platform.claude.com/docs/zh-TW/agents-and-tools/agent-skills/claude-api-skill) 的 `cost-optimize` 指令。它會分析您的 token 用在哪裡，並依序套用各項槓桿，首先是快取。接著在存放您評估的目錄中執行 `/claude-api hillclimb`。
Anthropic 在 tau2-bench retail[24](https://platform.claude.com/docs/zh-TW/about-claude/models/optimizing-for-cost-and-intelligence#refs) 上測量了 `cost-optimize` 的第一項槓桿以及兩次搜尋，全部使用較早期的模型。`cost-optimize` 產生的快取斷點降低了每個任務的成本，而通過率的下降幅度小於相同執行之間的差異範圍。
一次搜尋透過降低 effort 並改用較低一級的模型，找到了更便宜的配置。其通過率以不到一個任務的差距維持在搜尋前設定的範圍內，但最終低於搜尋用於自身判定的較嚴格下限。第二次搜尋從較低成本模型的預設 effort 開始，最後沒有保留任何變更。參考資料 24 列出了相關數據以及每次搜尋的執行成本。
下圖繪製了第一次搜尋的每個步驟：
有兩項設定決定您是否能信任搜尋的結果：
* **保留一個搜尋從未讀取的資料分割。** 搜尋會在該分割上判定是否採用變更，因此確認步驟能抓出只適用於搜尋所見任務的變更，就像它抓出了那些提示編輯一樣（參考資料 24）。
* **在第一次變更之前重複執行基準。** 在這些測量中，同一起始配置的相同執行之間相差了好幾個任務（參考資料 24）。重複執行能為搜尋的採用門檻提供雜訊範圍。
## 參考的基準測試
除非參考資料另有說明，測量結果均為 Anthropic 內部對這些基準測試的執行。除非另有註明，成本以各基準測試執行時有效的牌價計算，單位為美元；Claude Sonnet 5 的數據採用每百萬輸入與輸出 token 分別 $2 USD 與 $10 USD。2026 年 9 月 24 日執行的 Claude Sonnet 5.5 數據採用相同的輸入與輸出價格，以及其目前的快取讀取價格每百萬 token $0.10 USD（而非其推出時的價格 $0.20 USD），套用於每次執行所記錄的 token 數量。這些執行使用的是 Claude Sonnet 5.5 的預發布版本，且其中沒有任何嘗試是由備援模型回答的。標示為「notional USD」（名目美元）的圖表是以這些費率為每個請求的 token 數量定價，而非報告實際帳單。
1. **WideSearch：** Wong et al., "WideSearch: Benchmarking Agentic Broad Info-Seeking," arXiv:2508.07999, 2025。廣泛的網路研究任務，依據多列表格的完整性與準確性評分；200 個問題，每種配置 3 次執行，於 2026 年 8 月 1 日至 2 日執行。在此基準測試、DeepWideSearch（參考資料 6）、BrowseComp（參考資料 4）與 GDPval（參考資料 2）上使用 Claude Fable 5 時，`low` effort 損失 1 到 3 分，換來每項任務成本降低三分之一到一半；`medium` 以約預設值 70% 到 87% 的成本達到與預設值相同的準確度；而在這四項測試中，預設值相較於 `medium` 都沒有帶來任何可測量的提升。成本集中度圖表是另一次 20 個問題的執行，每個問題 3 次執行，於 2026 年 8 月 3 日至 4 日執行，成本依據每個請求的計費紀錄計算。它涵蓋 60 次執行中的 59 次。第 60 次執行在總計 $432.31 USD 中計費 $10.91 USD，其結果未記錄成本，因此未納入。
2. **GDPval：** OpenAI, "GDPval: Evaluating AI Model Performance on Real-World Economically Valuable Tasks," 2025。知識工作交付成果依任務評分標準評分；對已發布的黃金集執行 210 項任務，每項任務嘗試一次，於 2026 年 8 月 2 日執行。由 Claude 模型評分，因此絕對分數可能與已發表的結果不同。
3. **SWE-bench Pro：** Scale AI, "SWE-Bench Pro: Can AI Agents Solve Long-Horizon Software Engineering Tasks?", 2025。
* **測量內容：** 為了與 Anthropic 評估框架相容而選出的 482 個問題子集；分數無法與公開排行榜比較。它們也無法與 Claude Opus 5.5 系統卡中的 SWE-bench Pro 結果比較，後者來自在不同問題集上以 `max` effort 進行的執行。
* **定價方式：** 此子集上的成本依客戶組織的計量方式定價：每個請求先前的提示計為快取讀取，其新 token 計為 5 分鐘快取寫入，數據來自執行本身的使用紀錄，並與客戶帳本核對。
* **Claude Opus 5.5 執行：** Claude Opus 5.5 的數據為 `low`、`medium`（其預設值）與 `high` 各兩次執行的平均，以及 `xhigh` 的一次執行，全部於 2026 年 9 月 19 日至 20 日執行，每回合的上限與 8 月的 Claude Opus 5 執行相同，為 16,384 個 token；此上限截斷了 2 次 `xhigh` 嘗試，其他設定則無。以 `high` 為基準，Claude Opus 5.5 在其預設值 `medium` 下得分約低 2.5 分，每項任務成本約為 70%；在 `low` 下約低 8 分，成本約為三分之一；`xhigh` 得分約高 1.4 分，成本為 `high` 的 2.5 倍。這些比率來自未四捨五入的成本。
* **478 個問題：** Opus 5.5 執行使用的基準測試版本中，評分容器只能存取內部套件鏡像。該版本捨棄了一個測試需要連線至即時網站的問題，另有三個問題的參考解答在該環境中失敗，因此 Opus 5.5 的比較，以及與之並列的 Claude Fable 5.1 數據，均使用其餘 478 個問題。
* **Claude Sonnet 5.5 執行：** Claude Sonnet 5.5 執行了相同版本的基準測試：在其預設值 `high` 下兩次執行，在 `medium` 下兩次執行，全部於 2026 年 9 月 24 日進行，每回合上限同樣為 16,384 個 token，未截斷其任何嘗試。其數據使用這 478 個問題，與之並列的 Claude Sonnet 5 數據也是如此，依其 8 月執行在這些問題上計算。
* **Claude Opus 5 執行：** [升級模型](https://platform.claude.com/docs/zh-TW/about-claude/models/optimizing-for-cost-and-intelligence#upgrade-the-model)與本參考資料中的 Claude Opus 5 SWE-bench Pro 數據，為其預設 effort 下兩次執行的平均，以及 `low` 下的一次執行，全部於 2026 年 8 月 4 日執行。
* **顧問，Claude Sonnet 5 配對：** [顧問策略](https://platform.claude.com/docs/zh-TW/about-claude/models/optimizing-for-cost-and-intelligence#advisor-strategy-escalate-hard-decisions)中諮詢率範例背後、以 Claude Sonnet 5 為執行者並搭配 Claude Opus 5 顧問的配對，來自此子集上的同一測量系列：預設 effort 下的配對執行了兩次（2026 年 8 月 7 日與 8 月 8 日，一次執行及一次完全重現），低 effort 配對執行一次（2026 年 8 月 8 日），單獨的 Claude Sonnet 5 執行兩次（77.4%，為兩種配對的基準）。
* **顧問，Claude Sonnet 5.5 諮詢檢查：** [顧問策略](https://platform.claude.com/docs/zh-TW/about-claude/models/optimizing-for-cost-and-intelligence#advisor-strategy-escalate-hard-decisions)中引用的 Claude Sonnet 5.5 諮詢檢查，於 2026 年 9 月 24 日在 478 個問題中的 20 個上各執行一次嘗試，透過顧問工具搭配 Claude Opus 5.5 顧問。共執行四種配置：`high` 與 `xhigh`，各自搭配或不搭配顧問工具文件中針對程式設計任務建議的系統提示。在其預設 effort `high` 下，無論有無該提示，Claude Sonnet 5.5 在 20 個問題中都沒有諮詢顧問。在 `xhigh` 下，不使用提示時它在 20 個問題中的 3 個上進行了諮詢，使用提示時為 4 個，每次都發生在其回合數最多的嘗試上。
* **逐級提升數據：** 逐級提升數據逐項任務取自 Opus 5.5 執行：先用 `low`，再對其失敗項目使用 `high`，在各執行配對中解決 96.4% 到 97.5%，成本約 $0.17 USD；先用 `medium`，為 96.0% 到 97.1%，約 $0.24 USD；`high` 對其自身失敗項目重新執行，為 96.9%，$0.31 USD；全部使用 `high`，為 94.8% 到 95.8%，$0.29 USD。
* **比較模型：** [比較模型](https://platform.claude.com/docs/zh-TW/about-claude/models/optimizing-for-cost-and-intelligence#compare-models-on-cost-per-task)中的 Claude Fable 5.1 數據來自在同一子集上以預設 effort 進行的一次執行，於 2026 年 8 月 26 日執行：在 478 個問題上計算，它解決了 92.3%，每項已解決任務 $1.19 USD。該節的圖表及其 Claude Opus 5.5 與 Claude Sonnet 5.5 數據，合併了所繪製每個設定的兩次執行，全部在 478 個問題上計算：Claude Opus 5.5 的 `low`、`medium` 與 `high`，以及 Claude Sonnet 5.5 的 `medium` 與 `high`。
* **比較模型，每項任務的工作量：** 在這些數據中，`low` 下的 Claude Opus 5.5 在每項任務上所做的工作少於其預設值下的 Claude Sonnet 5.5：輸出 token 略多於 Sonnet 5.5 的一半，快取讀取略多於其三分之一。在各自的預設值下，`medium` 的 Opus 5.5 比 Sonnet 5.5 多解決約 5 個百分點，成本約為兩倍。在該設定下，它每項任務所做的工作略多於 Sonnet 5.5。
* **升級模型，執行：** 升級模型中的 Claude Fable 5 數據點合併了預設 effort 下的三次執行，於 2026 年 8 月 26 日執行，依客戶組織的計量方式定價。升級階梯在 478 個問題上計算每個模型，各自採用其出廠預設值。除 Opus 5、Opus 5.5、Sonnet 5 與 Sonnet 5.5（各兩次執行）以及 Fable 5（上述三次執行）外，每個模型使用一次執行。Opus 4.7、Opus 4.8、Sonnet 4.6 與 Sonnet 5 的執行於 2026 年 8 月 17 日至 19 日進行，Opus 5 的執行於 8 月 4 日進行，全部在同一框架與組織中；Opus 5.5 與 Sonnet 5.5 的執行即本參考資料前面所述者。
* **升級模型，每項已解決任務的成本：** 將這些 Claude Opus 5 執行與 8 月 17 日至 19 日系列中一次採用出廠預設值的 Claude Opus 4.8 執行相比，並在相同的 478 個問題上計算，Claude Opus 5 每項已解決任務的成本比 Claude Opus 4.8 高 21%；圖表的 SWE-bench Pro 面板未顯示 Claude Opus 4.7 或 Claude Opus 4.8。在相同的測量中，依客戶計費方式定價，Claude Opus 5 以每項已解決任務高出 21% 的成本，比 Claude Opus 4.8 多解決 12 個百分點的任務；Claude Opus 4.8 解決的任務比例與 Claude Opus 4.7 相同，每項已解決任務的成本低 14%；而在此基準測試上，`low` effort 的 Claude Opus 5 勝過 Claude Opus 4.8 的預設值，每項已解決任務的成本約為其 30%。
* **升級模型，價格：** 升級模型中 Claude Sonnet 5 相較於 Claude Sonnet 4.6 的節省，來自其較低的每 token 價格，這足以抵銷它每項任務多使用的 token 還有餘。Claude Sonnet 5.5 除快取讀取外的收費與 Claude Sonnet 5 相同，快取讀取的費用則為一半。Claude Opus 5.5 的 token 價格低於 Claude Opus 5，其中以快取讀取最為明顯。與 Claude Sonnet 5 一樣，前沿層級也是透過價格獲益：Claude Fable 5.1 的節省大部分來自較低的快取讀取價格。
* **不使用快取的成本，依記錄的 token 數量定價：** Anthropic 也針對[為何快取優先](https://platform.claude.com/docs/zh-TW/about-claude/models/optimizing-for-cost-and-intelligence#why-caching-comes-first)中的快取倍數，在 478 個問題上重新為本參考資料前面所述的 Claude Opus 5.5 與 Claude Sonnet 5.5 執行所記錄的 token 數量定價；它並未進行關閉快取的執行。
* **各模型的倍數：** 每個倍數是將所有輸入 token 以輸入價格計算、輸出 token 不變的 token 成本，除以依客戶組織計量方式定價的成本：Claude Opus 5.5 在 `medium` 為 3.3，`low` 為 2.4，`high` 為 3.8，`xhigh` 為 5.4（一次執行）；Claude Sonnet 5.5 在快取讀取為每百萬 token $0.10 USD 時，`high` 為 3.1，`medium` 為 2.4，若以推出價格 $0.20 USD 計算，`high` 為 2.8。與快取圖表的執行不同，這些執行沒有產生網路搜尋費用，且任務的第一個請求以快取寫入定價。
4. **BrowseComp：** Wei et al., "BrowseComp: A Simple Yet Challenging Benchmark for Browsing Agents," OpenAI, 2025。effort 數據使用 500 個問題的切分，每個設定一到三次執行，於 2026 年 8 月 3 日執行，預設值數據點合併了 2026 年 7 月 26 日至 27 日的兩次執行。[協調器策略](https://platform.claude.com/docs/zh-TW/about-claude/models/optimizing-for-cost-and-intelligence#orchestrator-strategy-delegate-bulk-work)中對具有長成本尾部之例行工作的測量，使用了 10 個在協定固定時模型能獨自可靠解決的問題，取自 26 個問題的切片，包含 50 次委派執行（每個問題 5 次；2026 年 8 月 1 日至 2 日）與 70 次模型單獨執行（50 次來自 2026 年 8 月 2 日至 3 日；20 次為 2026 年 7 月 12 日至 13 日及 8 月 1 日的存檔），期望值為每次執行 $6.45 USD 對比 $11.99 USD；委派數據的測量區間約為 20%。這 10 個問題是委派配置（一個 Claude Fable 5 協調器搭配一個 Claude Sonnet 5 工作者）在全部 5 次執行中都正確、且 Claude Fable 5 單獨在兩次存檔執行中都正確的問題；委派執行即為這些相同的執行，只有單獨的 Claude Fable 5 在這十個問題上重新執行。在其 70 次執行（存檔與新執行）中，單獨的 Claude Fable 5 答對了 68 次。在這些問題上，委派配置的平均成本約為單獨 Claude Fable 5 的一半（即前述的 $6.45 USD 與 $11.99 USD），在第 90 百分位數約為三分之一（每次執行 $12 USD 對比 $33 USD），其最昂貴的執行成本為 $42 USD，對比 $84 USD；那次 $84 USD 的執行也答錯了。在完整且更困難的 BrowseComp 集上，單獨的 Claude Fable 5 以低 22% 到 30% 的成本，達到了在該集上測量的協調器配置的準確度。
5. **代理架構擴展：** Kim 等人，"Towards a Science of Scaling Agent Systems," arXiv:2512.08296, 2025。獨立的外部研究，僅引用其關於委派何時不划算之發現的方向，不引用任何數據。
6. **DeepWideSearch：** "DeepWideSearch: Benchmarking Depth and Width in Agentic Information Seeking," arXiv:2510.20168, 2025。220 個問題橫跨 15 個領域，每個問題都結合了多列收集與多跳檢索；在基準測試的常設列集上測量，每種配置 3 次執行，於 2026 年 8 月 2 日執行（單一工作者團隊數據點於 2026 年 7 月 26 日至 27 日執行）。使用 Claude Fable 5 時，`low` effort 以低 29% 的成本達到與搭配 Claude Sonnet 5 工作者之協調器相同的表現，每個問題耗時 4.5 分鐘，而預設值為 7.9 分鐘。
7. **DeepResearch Bench II：** Li et al., "DeepResearch Bench II: Diagnosing Deep Research Agents via Rubrics from Expert Report," arXiv:2601.08536, 2026。
* **測量內容：** 其 132 項研究任務橫跨 22 個領域，依據源自專家的二元評分標準評分。在一個跨所有主題分層抽樣的 50 項任務子集上測量，每項任務一次嘗試，每個設定 3 次執行，在 [Claude Managed Agents](https://platform.claude.com/docs/zh-TW/managed-agents/overview) 上使用平台自身的網路搜尋與擷取工具（2026 年 8 月 26 日至 27 日）。
* **評分方式：** 在沒有任何配置拒絕的 33 項任務上評分，並移除被正式環境安全分類器中途截斷的嘗試。Claude Opus 4.6 依據基準測試的評分標準協定進行評判；原始研究使用不同的評判者，而 Anthropic 的評判者可能偏好自家風格。
* **分數：** 分數為每個模型在 33 項任務基礎上的平均值，並移除其自身被搶先中止的任務；在 33 項任務中沒有任何配置有嘗試被截斷的 21 項上，Claude Fable 5.1 在每個 effort 等級下都領先 Claude Fable 5 2 到 3 分，且兩個模型在各 effort 等級間表現持平。
* **定價方式：** 成本依客戶組織的計量方式定價：每個請求先前的提示計為快取讀取，其新 token 計為 5 分鐘快取寫入，工作階段的第一個請求保留其獲得的快取讀取，數據來自執行本身的使用紀錄，另加上平台的網路搜尋費用。每項任務的成本為一次 50 項任務執行的成本除以 50（包含被截斷的嘗試），再對三次執行取平均。
* **結果，Claude Fable 5：** 以相同方式定價，Claude Fable 5 在 `low` 下每項任務成本為 $2.30 USD，在 `high` 下為 $4.71 USD；[升級模型](https://platform.claude.com/docs/zh-TW/about-claude/models/optimizing-for-cost-and-intelligence#upgrade-the-model)中的百分比來自未四捨五入的成本。
* **結果，Claude Opus 5：** 預設 effort 下的 Claude Opus 5 在相同的介面與子集上執行三次，於 2026 年 8 月 28 日：原始 50 項任務為 68.8%，33 項任務基礎為 70.8%，21 項任務集為 71.1%，每項任務 $6.28 USD（不使用快取為 $23.72 USD）；在比其他模型所用者更新的防護部署下，其嘗試沒有任何一次被安全分類器截斷。
* **比較模型：** [比較模型](https://platform.claude.com/docs/zh-TW/about-claude/models/optimizing-for-cost-and-intelligence#compare-models-on-cost-per-task)中的研究比較以這些數據為依據：`low` 下的 Claude Fable 5.1 在 33 項任務基礎上比 Claude Sonnet 5 高 10 分（66% 對 56%），在全部 50 項任務上每項任務的成本約為四倍（$4.48 USD 對 $1.18 USD）；預設值下的 Claude Opus 5（其分數與成本見本參考資料前文）得分高於預設值下的 Claude Fable 5.1，後者在 33 項任務基礎上得分 65%，在全部 50 項任務上每項任務成本 $6.89 USD，因此在研究任務上，Claude Fable 5.1 只有在 `low` 下才物有所值。
* **快取圖表：** 快取圖表以未快取費率為每個輸入 token 重新為相同請求定價。
* **未測量：** Claude Sonnet 5.5 未在此基準測試上測量。
8. **語料庫缺陷掃描：** Anthropic 內部，針對超過一個上下文視窗的工作：一個 2,160 萬 token 的語料庫，來自 14 個公開 Python 套件原始碼，植入 130 個缺陷並採用確定性評分；協定在執行前固定並經內部審查；每種配置三次執行。每種配置都在 Claude Managed Agents 上執行。圖表中的團隊配置是由 Claude Fable 5.1 協調器在平台內以其文件記載的上限（25 個並行 Claude Sonnet 5 工作者）執行整個掃描，於 2026 年 8 月 30 日執行；其三次執行在額外項目稽核後的 F1 分數為 0.764、0.825 與 0.791（原始為 0.751、0.821 與 0.781），成本為 $225 USD、$234 USD 與 $283 USD。團隊配置的成本約為單獨 Claude Fable 5.1 在 `low`、`medium` 或 `high` 下的一半（低 47% 到 55%），得分比其低 10 到 12 分，每次執行約耗時 2.3 小時，而後者為 15 到 20 小時。團隊配置每次執行讀取約 5.6 億個快取 token，幾乎全部以 Claude Sonnet 5 的快取讀取費率計算。這約為 Claude Fable 5.1 單獨讀取的約 3.65 億個的一倍半。單獨的 Claude Fable 5.1 在 `high` effort 下仍保有最高準確度，成本約為團隊配置的 2.2 倍，因此此處的委派換得了大部分準確度，而非全部。單獨 Claude Sonnet 5 的配置於 2026 年 8 月 3 日至 4 日執行；單獨 Claude Fable 5.1 的配置於 2026 年 8 月 24 日至 25 日執行，採用平台推出時的服務設定，每個 effort 設定三個種子，使用相同的語料庫建置。沙箱映像檔中帶有部分語料庫的已安裝副本，Claude Fable 5.1 的最終組裝步驟在 9 次執行中的 7 次與其進行了比對；排除這些新增內容重新評分後，受影響的種子變動最多 3 分。絕對 F1 分數特定於此語料庫建置，無法跨基準測試比較；配置之間的比較則是同類相比。
9. **GPQA Diamond：** Rein et al., "GPQA: A Graduate-Level Google-Proof Q\&A Benchmark," 2023。198 題的 Diamond 子集，由模型依據參考答案評分，顧問 token 按請求計量。Claude Haiku 5.5 與 Claude Sonnet 5.5（各自單獨及搭配 Claude Opus 5.5 顧問）以及單獨的 Claude Opus 5.5，於 2026 年 10 月 7 日每種配置執行兩次，全部關閉[伺服器端備援](https://platform.claude.com/docs/zh-TW/build-with-claude/refusals-and-fallback#server-side-fallback)，採用各模型的預設 effort，並將拒絕回答計為錯誤。平台安全檢查在單獨的 Claude Haiku 5.5 與 Claude Sonnet 5.5 上每次執行拒絕了一道生物學題目，在搭配顧問的 Haiku 5.5 上兩次執行中有一次拒絕，在搭配顧問的 Sonnet 5.5 上沒有拒絕，在 Opus 5.5 上每次執行拒絕六題；Opus 5.5 將這些計為錯誤時得分 91%，在其回答的題目上為 93.5%。單獨的 Claude Haiku 5.5 得分 85%，比 Opus 5.5 低 6 分。顧問配置加入了該工具，但沒有要求諮詢的提示，兩個執行者在任何題目上都沒有呼叫顧問。配對的得分比單獨執行者高 0.5 分（Claude Haiku 5.5）與 1.0 分（Claude Sonnet 5.5），兩者都在執行間的雜訊範圍內。
10. **DeepSWE：** Datacurve, "DeepSWE: Measuring Frontier Coding Agents on Original, Long-Horizon Engineering Tasks," arXiv:2607.07946, 2026。該集合包含 113 項原創任務，橫跨五種語言，並使用基於程式的驗證器。配對各執行兩次，於 2026 年 8 月 7 日執行，顧問 token 按請求計量，並使用用戶端顧問迴圈而非顧問工具，計算方式相同。單一模型的 effort 掃描為單次執行，依 token 數量定價，是一種考量快取的近似值。每項任務的成本為執行總額除以 113。在此基準測試上，搭配顧問的低 effort Claude Sonnet 5 執行者得分比單獨的同一執行者高 23 分。
11. **內部代理式程式設計基準測試：**
* **測量內容：** Anthropic 內部：370 項儲存庫任務，由儲存庫自身的測試評分。API 數據以一個簡單的 API 代理與 128,000 token 的輸出上限測量，每種配置一次執行：單獨的 Opus 5 在預設 effort 下於 2026 年 8 月 9 日至 10 日執行，在 `low` 與 `medium` 下於 2026 年 8 月 10 日執行；單獨的 Claude Fable 5.1 在五個明確設定的 effort 值下於 2026 年 8 月 20 日執行（圖表顯示其中三個）；配對則於 2026 年 8 月 24 日至 25 日執行。
* **8 月的執行：** 8 月的執行中，配對與 Claude Opus 5 對照組每項任務五次嘗試，其他數據點則為一次。
* **定價方式：** 成本以每次嘗試計。成本依客戶組織的計量方式定價：每個代理迴圈請求先前的提示計為快取讀取，其新 token 計為 5 分鐘快取寫入，數據來自執行本身的使用紀錄；每次顧問呼叫不使用快取，依其記錄的 token 計算，全部以牌價計。
* **單獨的 Claude Opus 5.5：** 單獨的 Claude Opus 5.5 於 2026 年 9 月 19 日至 20 日在全部 370 項任務上執行：在其預設 effort（`medium`）與 `high` 下每項任務五次嘗試，在 `low` 與 `xhigh` 下一次（由於一次設定檢查失敗，每個設定評分 370 項中的 369 項）。單獨的 Claude Opus 5.5 在 `low` 下解決了 74.8% 的嘗試，每次嘗試 $0.35 USD；`medium` 下為 86.6%，$0.84 USD；`high` 下為 88.4%，$1.38 USD；`xhigh` 下為 91.1%，$4.11 USD。
* **Claude Opus 5.5 搭配 Claude Fable 5.1 顧問，執行：** 以 `high` 執行的 Claude Opus 5.5 執行者，搭配已發布的 Claude Fable 5.1 作為顧問（8 月的執行使用預發布快照），在相同日期每項任務執行五次嘗試；一項任務未通過設定檢查，因此評分了 1,845 次嘗試。顧問因負載而被拒絕的 279 次嘗試已重新執行，諮詢逾時的嘗試則予以保留，與 8 月相同。
* **單獨的 Claude Fable 5.1：** 作為比較，已發布的 Claude Fable 5.1 單獨在 `high`（其預設值）下得分 85.7%（370 項任務中的 317 項），每項任務一次嘗試，於 2026 年 10 月 7 日執行。
* **諮詢：** 8 月的配對平均每次嘗試約兩次顧問諮詢；Claude Opus 5.5 配對請求了 1.39 次，收到 1.35 次。
* **Claude Opus 5.5 搭配 Claude Fable 5.1 顧問，結果：** Claude Opus 5.5 配對得分 90.1%，每次嘗試 $2.92 USD：與其預設值 `medium` 下的 Claude Opus 5.5 相比，以約 3.5 倍的費用換得 3.5 分。延遲成本就是諮詢本身：每項任務約多一到兩次前沿模型呼叫，每次都位於任務的關鍵路徑上。使用 Claude Opus 5.5 執行者時，建議幾乎沒有節省執行者成本：每次嘗試 $1.36 USD，而單獨的 Claude Opus 5.5 在 `high` 下為 $1.38 USD，諮詢則花費 $1.55 USD。
* **8 月的配對：** 8 月時，使用 Claude Opus 5 執行者與 Claude Fable 5.1 顧問，執行者每次嘗試比預設值下的單獨 Claude Opus 5 少花 $1.26 USD，而諮詢花費 $2.47 USD，因此該節省支付了約一半的建議費用。該 8 月配對是當時測量到最準確的配置，每次嘗試 $6.21 USD。
* **單獨的 Claude Sonnet 5.5，執行：** 單獨的 Claude Sonnet 5.5 於 2026 年 9 月 24 日在全部 370 項任務上執行，採用其預設 effort（`high`）與 `medium`，每項任務一次嘗試，輸出上限同樣為 128,000 token，未截斷其任何嘗試。`medium` 下全部 370 項都已評分，`high` 下由於一次設定檢查失敗，評分 370 項中的 369 項。其成本依客戶組織的計量方式定價。
* **單獨的 Claude Sonnet 5.5，結果：** 在沒有顧問的情況下，Claude Sonnet 5.5 在其預設值 `high` 下得分 77.8%，每次嘗試 $0.33 USD，比預設值下的 Claude Opus 5.5 低約 9 分，成本約為其五分之二；在 `medium` 下得分 62.7%，$0.16 USD。在 `medium` 下，Claude Sonnet 5.5 的得分比其預設值 `high` 低約 15 分，每次嘗試成本約為 48%。
* **比較模型：** 在[比較模型](https://platform.claude.com/docs/zh-TW/about-claude/models/optimizing-for-cost-and-intelligence#compare-models-on-cost-per-task)中，Claude Opus 5.5 在其預設值下每次嘗試的成本，不到 `medium` 下 Claude Fable 5.1 的三分之一（後者為單次執行）。
12. **內部儲存庫任務基準測試（上限測量）：**
* **測量內容：** 另一組 Anthropic 內部約 130 項儲存庫任務，於 2026 年 8 月 20 日（Claude Fable 5.1）與 2026 年 9 月 19 日（Claude Opus 5.5，採用其預設 effort `medium`）執行，使用簡單的 API 代理迴圈，每項任務一次嘗試。
* **定價方式：** 每項已解決任務的成本，對 Claude Fable 5.1 依客戶計費方式並採用 5 分鐘提示快取定價，對 Claude Opus 5.5 則依其執行記錄的 token 數量以牌價定價。
* **Claude Fable 5.1 的執行：** Claude Fable 5.1 的執行為每個上限 135 項任務，採用明確設定的預設 effort：16,384 token 的數據為兩次執行的平均（兩次皆為 36.3%）；64,000 與 128,000 的數據為單次執行（58.5% 與 60.0%）。有五個問題在全部四次執行中都遭到安全拒絕，計為失敗。
* **Claude Opus 5.5 的執行：** Claude Opus 5.5 的 16,384 token 數據為兩次執行的平均（評分 134 與 135 項任務），其 64,000 與 128,000 數據為單次執行（各 135 項任務）；每次 16,384 token 執行中有兩次嘗試、64,000 與 128,000 token 執行中各有一次嘗試以安全拒絕結束，計為失敗。Claude Opus 5.5 在 16,384 下解決 57.6%（58.2% 與 57.0%），64,000 下 75.6%，128,000 下 68.9%。其嘗試在 64,000 或 128,000 下都沒有被截斷，因此上限無法解釋這兩次執行之間的差異。
* **被上限終止的嘗試：** 在被 16,384 token 上限終止的 66 次 Claude Opus 5.5 嘗試中只有 1 次、117 次 Claude Fable 5.1 嘗試中只有 9 次仍然通過。
* **每次嘗試的成本：** Claude Opus 5.5 以牌價計，每次嘗試成本在 16,384 下為 $3 USD，64,000 下為 $4 USD；Claude Fable 5.1 依客戶計費方式為 $8 USD 與 $13 USD。
* **SWE-bench Pro 上限數據：** SWE-bench Pro 上限數據為每個上限一次 Claude Fable 5.1 執行，採用預設 effort，於 2026 年 8 月 26 日執行，使用從參考資料 3 的 482 個問題集分層抽出的 100 個問題子集，無法與其分數比較；在預設 effort 下，16,384 與 64,000 的執行各解決了 100 個問題中的 94 個。
* **回合長度：** 該節點狀圖中的每回合分布來自 128,000 下的 Claude Opus 5.5 與 Claude Fable 5.1 執行：沒有任何 Opus 5.5 回合達到上限（最長約 61,000 token，其回合中有 0.56% 超過 16,384），有一個 Fable 5.1 回合達到 128,000（其回合中有 0.46% 超過 16,384）。上限為 128,000 時，Claude Fable 5.1 的 14,331 個回合中有 2 個超過 64,000 token，Claude Opus 5.5 則沒有。
13. **Chartography：** Surge AI, "Chartography," 2026。
* **測量內容：** 完整發布的 100 題集，於 2026 年 8 月 6 日與 9 日（單獨的 Claude Opus 5）及 2026 年 9 月 20 日（Claude Opus 5.5）測量，使用 Anthropic 在 Claude Managed Agents 上的實作（標準雲端沙箱；顧問配置使用 Managed Agents 顧問）。
* **評分方式：** 由 Claude Sonnet 4.6 取代參考評判者進行評分，且基準測試搭配工具執行，因此此處的分數可在配置之間比較，但無法與已發布的排行榜比較。它們也無法與 Claude Opus 5.5 系統卡中的 Chartography 結果比較，後者使用不同的評分者並以 `max` effort 執行。每種配置兩次執行（Claude Opus 5.5 為三次），合併計算；執行間的差距最多達 10 分。
* **定價方式：** 成本為客戶例行執行該代理時的計費金額：每張圖表的第一個請求從快取讀取代理共用的系統提示與工具，就像同一代理的另一個工作階段在前 5 分鐘內執行過時一樣。單獨執行一張圖表時，使用 Claude Opus 5 或 Claude Opus 5.5 約多花 $0.03 USD，使用 Claude Fable 5.1 約多花 $0.12 USD。8 月的數據依執行的使用紀錄以此方式重新定價。成本不包含沙箱時間，沙箱時間使 8 月執行的成本增加不到 1%。
* **單獨的 Claude Fable 5.1，8 月的執行：** 單獨 Claude Fable 5.1 的執行來自 2026 年 8 月 24 日，採用平台推出時的服務設定，每個設定兩次執行；有六次嘗試達到 15 分鐘的工作階段上限而得 0 分，且每次執行有兩張圖表在安全拒絕後由 Claude Opus 5 回答。
* **Claude Opus 5 搭配 Claude Fable 5.1 顧問：** 搭配 Claude Fable 5.1 顧問的 Claude Opus 5 低 effort 執行者，於 2026 年 8 月 30 日在相同設定下執行兩次（63.0 與 67.0，平均 65.0，每張圖表 $0.47 USD；每次執行中有 88% 的任務諮詢了顧問，其 219 次回覆中有 4 次改由 Claude Opus 5 提供，每次都是在正式環境安全過濾器阻止顧問自身的回覆之後）。該配對在執行間雜訊範圍內與 `medium` 下的單獨 Claude Fable 5.1 相當（65.0 對 67.5），每項任務成本約為 1.8 倍：在大多數任務上都觸發的諮詢，成本高於直接執行較強的模型本身。
* **Claude Opus 5.5 的執行：** Claude Opus 5.5 在 `low` 下執行，關閉伺服器端備援，並由安全分類器評判每次工具呼叫：單獨執行三次（70、68 與 68），以及設定 Claude Fable 5.1 顧問執行三次（59、63 與 63），其中它在 300 項任務中的 1 項上諮詢了顧問。
* **`low` effort 下的結果：** 在這個圖表閱讀基準測試上，`low` 下的 Claude Opus 5.5 得分 68.7，每張圖表約 $0.03 USD，相較之下 `low` 下的 Claude Fable 5.1 為 62.5，$0.15 USD，`low` 下的 Claude Opus 5 為 49，$0.16 USD。
* **單獨的 Claude Fable 5.1，10 月的執行：** 為了與 Claude Opus 5.5 配對比較，單獨的 Claude Fable 5.1 在 `high`（其預設值）下於 2026 年 10 月 7 日執行三次，採用與 Claude Opus 5.5 執行相同的實作與平台設定：82、79 與 79，平均 80.0。
* **諮詢率：** 先前配對的諮詢率比較，來自 2026 年 8 月 10 日至 11 日在 Messages API 上搭配容器工具集重新執行相同配置的結果。
14. **客服台提示稽核評估：**
* **測量內容：** 一組由 Anthropic 建構的 44 張支援工單，採用確定性評分，於 2026 年 8 月初執行並於 2026 年 8 月 8 日報告，使用六種系統提示，每種都在同一個乾淨的提示上加入一種在為 Claude Opus 4.8 與 Claude Sonnet 4.6 撰寫的提示中常見的模式。
* **圖表：** 每個圖表數據點是三種情況之一（舊模型、使用相同提示的新模型、稽核後的新模型），對六種提示與 44 張工單取平均。
* **結果，Claude Opus 5：** 在 Claude Opus 5 上，為 Claude Opus 4.8 撰寫的提示每張工單的成本比在 Claude Opus 4.8 上高 36%，準確度則沒有變化。稽核後，它們在 Claude Opus 5 上的成本比稽核前低 14%（依未四捨五入的平均值；圖表中四捨五入後的成本為每張工單 3.43 與 2.93 美分，得出 14.6%），且 Claude Opus 5 正確解決了 97% 的工單，高於原本的 92%。依模式來看，在 Claude Opus 5 上：移除「驗證兩次」使每張工單成本降低三分之一，移除「盡可能徹底」的降幅幾乎相同；移除已淘汰的思考設定、相互矛盾的規則以及手工打造的草稿區，各自恢復了 7 到 11 分的準確度。
* **結果，Claude Sonnet 5：** 在從 Claude Sonnet 4.6 遷移到 Claude Sonnet 5 時，稽核在相同準確度下使每張工單成本降低 14%。
* **注意事項：** Opus 5 準確度提升的 95% 信賴區間為 3 到 8 分；Sonnet 的準確度差異在雜訊範圍內。
15. **資料檔案問題集：** 一組由 Anthropic 建構的 25 個彙總問題，針對一份公開酒類銷售 CSV 的 1,862 列切片，真實答案由 pandas 計算並採用完全比對評分，在 Claude Sonnet 5 與 Claude Opus 5 上執行，關閉思考（上下文內組別在預設值下無法完成）、輸出上限 4,000 token、不使用提示快取，每種配置三次執行，於 2026 年 8 月 19 日執行。檔案組別透過 Files API 上傳 CSV 並使用 `code_execution_20260120` 工具。上下文內組別的三次 Claude Sonnet 5 執行在 25 個問題中分別答對 6、7 與 7 個；圖表標籤與內文給出其平均值 6.67（四捨五入至最接近的題數），圖表的數據點則繪製於平均值 26.7%。
16. **快取持續時間測量：**
* **測量內容：** [精簡輸入與上下文 token](https://platform.claude.com/docs/zh-TW/about-claude/models/optimizing-for-cost-and-intelligence#trim-input-and-context-tokens) 中的 20 個議題分類工作，於 2026 年 8 月 23 日在 Claude Sonnet 5 上執行，並於 2026 年 9 月 19 日與 20 日在 Claude Opus 5.5 上以其預設 effort（`medium`）與 `high` 執行，在 Messages API 上使用相同的框架（對 Claude Opus 5.5 而言，是傳送相同請求主體的移植版本），Claude Opus 5.5 的儲存格將 `max_tokens` 提高至 4,096，並在隨機選取的部分回合前插入暫停（兩個模型在全部 20 個議題上皆有：無暫停、5%、10%，以及每個回合暫停 6 分鐘，另外 Claude Sonnet 5 還有每個回合暫停 2 分鐘；兩個模型在 5 個議題的子集上有 20 分鐘與 45 分鐘的暫停）。本頁的 Claude Opus 5.5 數據涵蓋兩個 effort 等級。
* **其他模型與日期：** 以下 Claude Opus 5 的 keep-alive 數據來自 2026 年 8 月 23 日的同一工作，`max_tokens` 提高至 4,096，採用相同的排程，但不含 2 分鐘與 45 分鐘的暫停。Claude Sonnet 5.5 執行了與 Claude Sonnet 5 相同的測量（相同的暫停排程與三種快取設定，每個儲存格三次執行），使用為 Claude Opus 5.5 移植的框架，採用其預設 effort `high`，於 2026 年 9 月 24 日執行。
* **評分與定價方式：** 每個儲存格三次執行，成本依每個回應的 `usage` 欄位以牌價計算（Claude Opus 5.5 為每百萬 token 輸入 $4 USD、5 分鐘寫入 $5 USD、1 小時寫入 $8 USD、快取讀取 $0.20 USD、輸出 $20 USD；Claude Sonnet 5 在 Anthropic 內部組織上執行，其使用量的計量方式與客戶組織相同），準確度依據相同的黃金標籤。
* **執行與定價方式，Claude Sonnet 5.5：** Claude Sonnet 5.5 在工作階段請求上將 `max_tokens` 設為 4,096，在 keep-alive 請求上設為 1，在使用量計量方式與客戶組織相同的 Anthropic 內部組織上執行，並以其目前的牌價定價（每百萬 token 輸入 $2 USD、5 分鐘寫入 $2.50 USD、1 小時寫入 $4 USD、快取讀取 $0.10 USD、輸出 $10 USD）。除了較高的 `max_tokens`（沒有任何回合達到）之外，有一項輸入與 Claude Sonnet 5 的執行不同：該工作中唯一的動畫 GIF 以其第一幀的 PNG 傳送，這是 API 唯一使用的幀（[視覺](https://platform.claude.com/docs/zh-TW/build-with-claude/vision)），兩者計為相同數量的輸入 token。
* **損益平衡點：** 損益平衡點在 Claude Sonnet 5 上約為 3.3% 的回合，在 Claude Opus 5.5 上為 3.1% 到 3.2%：這是每個工作階段損益平衡比例的中位數，由成本模型依該工作階段逐回合的上下文大小計算，涵蓋全部 45 個 Claude Sonnet 5 二十議題工作階段，以及每個 effort 等級下的 36 個 Claude Opus 5.5 二十議題工作階段（每個暫停排程都在完整工作上、三種快取設定下各執行三次；5 個議題的儲存格不包含在內）。Claude Sonnet 5.5 的損益平衡點約為 3.1% 的回合，為其 45 個二十議題工作階段的中位數。快取期限圖表繪製了這些 Claude Sonnet 5.5 工作階段，每個數據點三個。
* **5 分鐘與 1 小時設定，Claude Sonnet 5 與 Claude Opus 5.5：** 在 5% 的儲存格中，5 分鐘與 1 小時設定在 Claude Sonnet 5 上打平，因為該次抽樣的暫停落在較小的前綴上；在 Claude Opus 5.5 上兩者幾乎打平。在 Claude Sonnet 5 上，以其每百萬 token $0.20 USD 的快取讀取價格計算，5 分鐘設定在無暫停、5% 與 10% 回合暫停時，每個工作階段成本分別為 $0.60 USD、$0.69 USD 與 $0.99 USD，1 小時設定則為 $0.70 USD、$0.70 USD 與 $0.71 USD。
* **keep-alive 請求，Claude Sonnet 5 與 Claude Opus 5：** Anthropic 於 2026 年 8 月 23 日在 Claude Sonnet 5 與 Claude Opus 5 上，以及在上述執行中於 Claude Opus 5.5 上，測量了刷新 5 分鐘快取的 keep-alive 請求，一律以 `max_tokens: 1` 傳送。在 Claude Sonnet 5 上，5% 回合暫停時它們的成本比 1 小時設定低 7.7%，10% 時大致相同；在 Claude Opus 5 上，兩種比例下都測不出差異；在兩者上，每個回合前都有 6 分鐘或更長的暫停時，它們的成本都更高。因此在這兩個模型上，應使用的設定是 1 小時期限，而非 keep-alive 請求。
* **keep-alive 請求，Claude Opus 5.5：** 在 Claude Opus 5.5 上，5% 與 10% 回合暫停時，keep-alive 請求的成本比 1 小時設定低 8% 到 18%（在其預設 effort `medium` 下低 8% 到 13%，在 `high` 下低 10% 到 18%；若以 1 小時快取價格重新計費每個 keep-alive 工作階段自身的 token 以消除工作階段間的雜訊，約低 10% 到 15%），而每個回合前都有暫停時成本更高：6 分鐘時高 4% 到 6%，20 分鐘時高 9% 到 10%，45 分鐘時高 56% 到 58%。
* **使用 `max_tokens: 0` 的請求，Claude Opus 5.5：** Anthropic 在 Claude Opus 5.5 上的推出前 API 測試顯示，`max_tokens: 0` 請求會寫入快取，且下一個請求會讀取它；此類請求是否會刷新既有項目，並未在 Opus 5.5 上測量。
* **5 分鐘與 1 小時設定，Claude Sonnet 5.5：** 5% 回合暫停時，5 分鐘設定的平均成本比 1 小時設定高 5%（三次執行中從低 2% 到高 12%），這在執行間的變異範圍內：該次抽樣的暫停落在較小的前綴上，與 Claude Sonnet 5 相同，而以 1 小時快取價格重新計費每個 5 分鐘工作階段自身的 token，約高 1%。10% 暫停時成本高 54%（高 36% 到 73%）。無暫停時，5 分鐘設定的平均成本比 1 小時設定低 19%（三次執行中低 3% 到 32%；1 小時設定較高的寫入價格預測約為 20%），而在 2 分鐘暫停的每次執行中低 21% 到 24%。
* **keep-alive 請求，Claude Sonnet 5.5：** 5% 回合暫停時，keep-alive 請求的平均成本比 1 小時設定低 16%（三次執行中低 13% 到 20%），10% 時低 8%（低 3% 到 10%），而每個回合前都有 6 分鐘或更長的暫停時成本更高。在 5% 與 10% 回合暫停時，Claude Sonnet 5.5 與 Claude Opus 5.5 上的暫停持續 6 到 32 分鐘。如同上述 Claude Opus 5.5 的做法，以 1 小時快取價格重新計費每個 keep-alive 工作階段自身的 token，5% 暫停時低 15% 到 16%，10% 時約低 10%，而每個回合前都有暫停時，6 分鐘高 7%，20 分鐘高 9% 到 10%，45 分鐘高 66% 到 73%。6 分鐘的數據排除了第 3 次執行，該工作階段的 39 個 keep-alive 請求中有 2 個逾時：快取在這兩個回合前過期，該工作階段向快取寫入了 214,000 個 token，而第 1 與第 2 次執行為 80,000 到 85,000 個，其成本比第 3 次執行的 1 小時工作階段高 38%。
* **keep-alive 請求，Claude Sonnet 5.5，依執行：** 若改為將每次執行的 keep-alive 工作階段與同一次執行的 1 小時工作階段比較，keep-alive 的成本在 6 分鐘時從大致相同到高 10%（第 1 與第 2 次執行；平均高 4%），20 分鐘時從大致相同到高 16%，45 分鐘時高 64% 到 80%。
* **keep-alive 請求，Claude Sonnet 5.5，樣本大小：** keep-alive 圖表的 6 分鐘數據點對三種設定都取第 1 與第 2 次執行的平均。每個儲存格為三個工作階段（上述 6 分鐘數據為兩個）。無暫停時，keep-alive 不會傳送額外請求，因此與 5 分鐘設定相同，但兩者在單次執行中的差異仍高達 23%，因此三次執行平均中幾個百分點的差異並非明確的效果。
* **關閉與開啟快取，Claude Sonnet 5：** 在 Claude Sonnet 5 上，同一工作在關閉快取與開啟快取下各執行三次，於 2026 年 8 月 19 日，`max_tokens` 為 700：每個工作階段平均 $3.36 USD 對 $0.57 USD，節省 83%。
* **依記錄的 token 數量定價，Claude Sonnet 5.5：** Anthropic 也針對[為何快取優先](https://platform.claude.com/docs/zh-TW/about-claude/models/optimizing-for-cost-and-intelligence#why-caching-comes-first)中的快取數據，重新為三個使用 5 分鐘快取且無暫停的 Claude Sonnet 5.5 工作階段所記錄的 token 數量定價；它並未在 Claude Sonnet 5.5 上進行關閉快取的執行。這三個工作階段各為一段涵蓋該工作 20 個議題、共 40 個請求的對話。以 2026 年 10 月 12 日的牌價計算，依使用量欄位，這些工作階段平均每個成本 $0.51 USD，而將所有輸入 token 以輸入價格計算、輸出 token 不變時為 $3.70 USD：節省 86%（三個工作階段中為 86% 到 87%），即 7.3 倍。以推出時的快取讀取價格 $0.20 USD 計算，節省為 82%，因此相較於 Claude Sonnet 5 數據的提升來自較低的快取讀取價格。
* **依記錄的 token 數量定價，Claude Opus 5.5：** 以相同方式重新定價，三個在其預設 effort `medium` 下、使用 5 分鐘快取且無暫停的 Claude Opus 5.5 工作階段，平均每個成本 $1.02 USD，對比 $6.93 USD，節省 85%，即 6.8 倍；Anthropic 並未在 Claude Opus 5.5 上進行關閉快取的執行，且該模型在 79% 的請求中使用了思考。
* **思考的設定方式（僅限兩組執行）：** 三個使用 5 分鐘快取且無暫停的 Claude Sonnet 5.5 工作階段的請求未設定任何思考選項，因此思考維持模型的預設值，模型在 38% 的請求中使用了思考。關閉快取與開啟快取的 Claude Sonnet 5 執行的請求也未設定任何思考選項，因此思考維持模型的預設值，模型在關閉快取時的 121 個請求中有 41 個、開啟快取時的 120 個請求中有 40 個使用了思考。
* **暫停後的延遲：** 在 Claude Sonnet 5 與 Claude Opus 5 上，使用 1 小時設定時，暫停後的回合保持了溫熱快取的延遲。Claude Opus 5.5 在暫停後的首個 token 時間未經測量。Claude Sonnet 5.5 在暫停後的首個 token 時間未經測量。
17. **正式環境中的快取讀取比例：** 截至 2026 年 8 月 23 日的 14 天內彙總的第一方 Claude API 使用量，僅限直接 API 產品，排除 Anthropic 內部組織，未識別任何組織。當一個組織日的請求帶有工具定義與工具結果、其提示平均包含 9 次或更多先前的工具呼叫、使用了快取，且至少發出 10 個此類請求時，即計為代理迴圈（API 沒有對話識別碼，因此以此代表對話長度）：106,487 個組織中共 303,003 個組織日，快取讀取佔所有輸入 token 的比例中位數為 84.2%，上四分位數為 91.7%。使用案例標籤（組織宣告的使用案例，否則為其分類後的使用案例）涵蓋這些組織日的 74% 及其 token 的 99%；約 72% 的程式設計組織日讀取比例達 80% 或以上。組織日的前十分位數中，程式設計的讀取比例為 95.9% 或以上，支援、研究、資料及其他代理為 94.2% 到 94.8%。在 25 次或更多先前工具呼叫時的請求層級分布來自六小時的樣本：程式設計為 92% 讀取、7% 寫入、不到 1% 未快取。
18. **壓縮時機與狀態列測量：**
* **測量內容：** [精簡輸入與上下文 token](https://platform.claude.com/docs/zh-TW/about-claude/models/optimizing-for-cost-and-intelligence#trim-input-and-context-tokens) 中分類代理的長版本，於 2026 年 8 月 24 日在 Claude Sonnet 5 上使用 5 分鐘快取執行，成本依使用量欄位以牌價計算，每組五個工作階段：一個全程採用預設 effort 的無變更組（每個工作階段 $0.81 USD），以及兩個從低 effort 開始並進行相同兩項破壞快取之變更（切換至預設 effort 並新增一個工具）的組別，變更分別在工作階段中途的第 12 與第 17 個請求進行（$0.95 USD），或在第一次壓縮後的第一個請求上一起進行（$0.75 USD）。
* **第四組：** 第四組包含六個工作階段，於 2026 年 8 月 25 日執行，在觸發第一次壓縮的請求上進行相同的兩項變更（每個工作階段 $0.92 USD）：該請求的摘要處理將 81,000 token 的上下文寫入快取而非讀取，因此該處理成本為 $0.21 USD，而邊界組中相同的處理為 $0.04 USD。
* **壓縮：** 工作階段在第 21 到 25 個請求時首次壓縮（21 個工作階段中有 16 個在第 22 個請求），即提示超過 80,000 token 的壓縮觸發點時，另有兩個無變更工作階段在接近結束時進行了第二次壓縮。邊界組的總成本低於無變更組，反映的是其變更前的低 effort 請求以及那些第二次壓縮，而非快取：兩組的重新寫入成本相差不到 $0.01 USD。
* **中途組：** 中途組每個工作階段在快取重新寫入上花費 $0.23 USD；中途組與邊界組之間的差異為 $0.20 USD，95% 信賴區間為 $0.11 USD 到 $0.29 USD。在中途組中，effort 變更與新增工具分別重新寫入了 39,000 與 60,000 個快取 token。其中一個工作階段成本偏低（$0.82 USD），原因是其模型在壓縮後錯誤呼叫搜尋工具並得到空結果；該工作階段已納入，若排除它，該組平均為 $0.98 USD。
* **準確度與快取讀取：** 8 月 24 日各組的準確度平均為 20 個標籤中的 14.2 個，8 月 25 日的組別為 14.7 個；快取讀取佔提示 token 的比例在無變更時為 91%，中途變更為 85%，邊界變更為 91%，在觸發請求上變更為 86%。
* **另一項測量，狀態列：** 另一項測量針對[精簡輸入與上下文 token](https://platform.claude.com/docs/zh-TW/about-claude/models/optimizing-for-cost-and-intelligence#trim-input-and-context-tokens) 中的 20 個議題分類工作，於 2026 年 8 月 18 日執行，同樣在 Claude Sonnet 5 上使用 5 分鐘快取，以相同方式定價，每組三次執行：將 25 token 的狀態列放在系統提示開頭時，每次執行平均成本 $4.24 USD（三次執行中為 $4.12 USD 到 $4.47 USD），且沒有從快取讀取任何內容；將同一行放在最新使用者回合的結尾、最後一個快取斷點之後時，每次執行成本 $0.59 USD（$0.55 USD 到 $0.61 USD）。前者比同一工作在關閉快取時的成本還高。之後以相同配置重新執行，得到 $4.28 USD 與 $0.61 USD。
19. **在 Claude Fable 5.1 上的快取持續時間測量：** 與參考資料 16 相同的 20 個議題分類工作與框架，`max_tokens` 提高至 4,096，於 2026 年 8 月 23 日與 8 月 26 日在 Claude Fable 5.1 推出快照上以其推出價格執行（每百萬 token 輸入 $10 USD、5 分鐘寫入 $12.50 USD、1 小時寫入 $20 USD、快取讀取 $0.25 USD、輸出 $50 USD），每個排程三種設定：5 分鐘快取、1 小時快取，以及每 4 分鐘（從前一個請求開始時計時）在未變更的前綴上以 `max_tokens: 0` 請求保持溫熱的 5 分鐘快取（8 月 23 日的執行以 `max_tokens: 1` 傳送 keep-alive 請求；在此處報告的 8 月 26 日儲存格中，每個獲得回應的 keep-alive 請求都刷新了快取，且其回應報告沒有輸出 token）。排程：在全部 20 個議題上無暫停、10% 回合暫停，以及每個回合暫停 6 分鐘，並在 5 個議題的子集上暫停 45 分鐘；每個儲存格三次執行（8 月 26 日 45 分鐘暫停的 keep-alive 儲存格為六次），成本依每個回應的 `usage` 欄位以牌價計算，準確度依據相同的黃金標籤（20 個中完全正確 12 到 18 個）。8 月 26 日 5 分鐘、1 小時與 keep-alive 設定的每個工作階段平均值：無暫停 $2.42 USD、$3.09 USD、$2.29 USD；10% 暫停 $4.50 USD、$2.96 USD、$2.36 USD；每個回合 $22.89 USD、$3.01 USD、$2.62 USD；8 月 23 日的儲存格差異在 6% 以內。45 分鐘的數據（每個 5 議題工作階段 $1.68 USD、$0.59 USD 與 $0.71 USD）來自 8 月 26 日較晚的工作階段：當天第一組工作階段因其機器關機而中斷，第二組受到服務故障影響而被擱置。第三組提供 5 分鐘與 1 小時的數據；其三個 keep-alive 工作階段每個 keep-alive 請求只傳送一次，因「rate limit」（速率限制）拒絕而遺失請求，因此未納入平均值。keep-alive 數據為另外六個工作階段的平均值，這些工作階段會在兩秒內重新傳送任何被拒絕的 keep-alive 請求。8 月 23 日的執行得到 $1.67 USD、$0.58 USD 與 $0.70 USD。5 分鐘與 1 小時設定之間的損益平衡點為 3.1% 的回合，與參考資料 16 的衡量方式相同。Claude Fable 5.1 的快取讀取成本為輸入價格的 0.025 倍，而其快取寫入維持標準倍數，因此重新讀取前綴的 keep-alive 請求很便宜，1 小時期限的寫入溢價才是較大的帳單，但 45 分鐘暫停時例外，此時 keep-alive 請求的成本高於該溢價。
20. **Terminal-Bench 3：** 公開終端代理基準測試的 74 項任務，在 [Claude Managed Agents](https://platform.claude.com/docs/zh-TW/managed-agents/overview) 上執行，使用兩個自訂工具（一個 shell 與一個檔案編輯器，由評估框架在每項任務自身的容器中執行）取代平台的內建工具，其餘則採用平台對外部帳戶的預設設定，每個模型在 `high` effort 下執行兩次，於 2026 年 8 月 27 日至 28 日。這些執行使用 Terminal-Bench 3.0 版，其分數無法與公開的 Terminal-Bench 排行榜比較，也無法與 Claude Opus 5.5 系統卡中的 Terminal-Bench 4.0 結果比較，後者來自在 Claude Code 中以 `max` effort 進行的執行。每項任務的時間限制為基準測試自身限制的 2.5 倍，使代理每項任務有 75 分鐘到 20 小時（中位數任務為 5 小時），且每項任務獲得其指定記憶體的三倍，從 6 GiB 到 96 GiB，執行輔助服務的 12 項任務另有額外記憶體。代理沒有一般網際網路存取權：其容器可以存取內部套件鏡像、一小份下載網站清單（包括 GitHub 與 Python Package Index），以及少數特定於某些任務的網站，其中八項任務完全沒有網路存取權。分數為每個模型 148 次嘗試的原始通過率；單次執行的波動為 5 到 11 分。成本為客戶以牌價會被收取的費用，依執行的使用紀錄以 5 分鐘快取存留時間逐請求重新定價。Claude Opus 4.7、Claude Opus 4.8 與 Claude Opus 5 每項任務各花費 $8 USD 到 $15 USD。Claude Opus 4.7 的 148 次嘗試中有 11 次在其輸出上限處結束。
21. **DRACO：** Perplexity, "DRACO: a Cross-Domain Benchmark for Deep Research Accuracy, Completeness, and Objectivity," arXiv:2602.11685, 2026。
* **測量內容：** 其 100 項研究任務橫跨 10 個領域，依據專家撰寫、每份約 40 項加權標準的評分標準評分，分數為符合標準的加權比例，範圍 0 到 100。
* **配置：** 每種配置都在 Claude API 上以 Claude Opus 5.5 執行，採用預設的自適應思考、開啟正式環境安全分類器，`max_tokens` 為 128,000 並使用串流：`medium` effort（模型的預設值）與 `low` 下的單一代理、`medium` 下加上該句子與時鐘的單一代理，以及 `medium` 下有與沒有這些變更的團隊。團隊是一個可以透過工具啟動同一模型之輔助代理的主導代理，輔助代理數量沒有上限。
* **句子：** 兩項變更是一個句子與一個時鐘。該句子「Time matters here: do not spend time that can be avoided, and the earlier a correct result is obtained, the better.」放在代理第一則 `user` 訊息中任務的結尾，空一行之後，以及每個輔助代理簡報的結尾。
* **時鐘：** 時鐘是以整數秒表示的經過時間，例如 `[elapsed 252s]`，在每個請求（包括第一個）之前加到最新 `user` 訊息的結尾：在第一個請求上，放在任務之後的獨立文字區塊中；當訊息帶有工具結果時，放在最後一個工具結果文字的結尾，空一行之後。較早的時鐘保留在原位，因此快取的前綴在下一個請求時仍然相符。團隊中的每個代理都讀取同一個時鐘，且系統提示不會改變。
* **在測量的執行中：** 測量的執行使用了此措辭與格式。其時鐘從第一個回應的第一個 token 開始計時，而非從任務開始時。在測量的團隊執行中，輔助代理的報告是在時鐘之後以另一則訊息送達主導代理，而非放在最後一個工具結果內。
* **時間：** 每種配置對每項任務進行三次嘗試，每次嘗試限時四小時，於 2026 年 9 月 24 日執行，同一組的所有配置同時開始。
* **工具：** 代理使用由評估框架在 Anthropic 網路索引上託管的搜尋與擷取工具，以及在沒有網路存取權之沙箱中的 Python 與 shell。這些工具決定了部分時間，而您的工具執行速度會不同，因此本頁以配置之間的比率呈現時間，而非以分鐘表示。
* **計時方式：** 時間為一次嘗試的實際經過時間，從其第一個請求到任何代理最後一個請求結束為止，包括工具執行，並對一項任務的各次嘗試取平均。典型任務數據為各任務在兩種配置之間比率的中位數。
* **定價方式：** 每項任務的成本為其請求以 Claude Opus 5.5 公開牌價定價，提示快取的計費方式如同客戶在每個請求結尾設定快取斷點並使用 5 分鐘快取存留時間。每個請求從快取讀取前一個請求的提示，並寫入其餘部分。一次嘗試的第一個請求，以及任何在前一個請求之後超過 5 分鐘才開始的請求，會寫入其整個提示。成本僅涵蓋模型 token；框架的工具不會增加費用。
* **評分方式：** 所有區間皆為對任務進行的 95% bootstrap 區間，分數變化為對任務的配對差異。由 Claude Opus 5 為答案評分，因此 Claude Opus 5.5 不會評分自己的作品，且每個答案的分數為五次評判的平均。
* **注意事項：** 正式環境安全分類器在每種配置中都停止了三次嘗試，全部在同一項任務上，這些嘗試得 0 分；排除該任務不會改變任何發現。這些執行也讓每個代理的「tool use」（工具使用）通過一項客戶請求所沒有的 Anthropic 內部安全檢查，這在每種配置中都為每個請求增加了未經測量的時間。在 DRACO 上，沒有變更的單一代理發出的請求約為兩倍，團隊約多三分之一，因此該檢查可能使 DRACO 的時間節省看起來略大。
* **結果，單一代理：** [向模型顯示經過時間](https://platform.claude.com/docs/zh-TW/about-claude/models/optimizing-for-cost-and-intelligence#show-the-model-elapsed-time)的結果：加上變更後，單一代理在典型任務上花費的時間減少 47%，成本降低 60%，其平均成本從每項任務 $1.13 USD 降至 $0.44 USD，分數低 4.1 分（95% 區間為低 2.9 到 5.2 分）。
* **結果，較低的 effort：** 降低單一代理的 effort 比這些變更節省更多時間與成本，但損失的分數也更多。在 `low` effort 下，它在 DRACO 上的得分比 `medium` 低 13.3 分，在 HLE 上低 3.4 分，在物理集上低 14.0 分，典型任務花費的時間分別減少 84%、30% 與 47%。在 `medium` effort 下加上變更時，它的得分比 `low` 高 9.2、2.5 與 11.0 分，典型任務花費的時間是 `low` 的 1.2 到 3.2 倍。
* **結果，團隊，輔助代理：** 團隊的主導代理很少啟動輔助代理。沒有變更時，它在 DRACO 的 300 次嘗試中只有 5 次、HLE 的 1,479 次中有 13 次啟動了輔助代理，在物理集的 280 次中則完全沒有。
* **結果，團隊：** 因此團隊結果主要顯示的是主導代理以團隊自身的指示與工具獨自工作，Anthropic 沒有針對平行工作之團隊的變更測量。沒有變更時，團隊在典型 DRACO 任務上已經只花費單一代理約一半的時間，得分低 3.3 分（95% 區間為低 2.1 到 4.6 分）。加上變更後，團隊在典型 DRACO 任務上花費的時間減少 17%，成本降低 20%，得分低 1.6 分（95% 區間為低 0.3 到 2.8 分）。
* **未測量：** Anthropic 未在 Claude Managed Agents 上測量這些變更。
22. **HLE：** Phan et al., "Humanity's Last Exam," arXiv:2501.14249, 2025。由專家撰寫、具有精確答案的問題，依據參考答案評分。在 2025 年 9 月 10 日發布版本的前 500 個問題上測量，包含圖片，搜尋時封鎖基準測試自身的來源，其餘設定與參考資料 21 相同。每種配置對每個問題進行三次嘗試，於 2026 年 9 月 24 日執行。Claude Opus 5 使用基準測試已發布的評判提示，將每個答案與參考答案比較，以三次評判的多數結果為準。分數在每種配置中涵蓋 493 個問題。其餘問題中，有五個的評分請求超過評判者的 1M token 上限，另外兩個被排除，因為沒有變更之單一代理的執行在其三次嘗試完成前就停止了。時間與成本比率對單一代理涵蓋 492 個問題，對團隊涵蓋 491 個，因為有一到兩個問題沒有計時資料。正式環境安全分類器停止了每種配置 3% 到 4% 的嘗試，這些嘗試得 0 分；排除它們不會改變任何發現。[向模型顯示經過時間](https://platform.claude.com/docs/zh-TW/about-claude/models/optimizing-for-cost-and-intelligence#show-the-model-elapsed-time)的結果：加上變更後，單一代理在典型問題上花費的時間減少 14%，成本降低 9%。使用 Claude Opus 5 評判者時，其分數沒有明確變化（低 0.9 分，95% 區間為低 2.5 分到高 0.7 分）。使用第二位評分者 Claude Opus 4.6 時，其分數低 1.9 分（95% 區間為低 0.2 到 3.7 分）。平均時間的降幅大於典型問題：平均時間減少 43%，平均成本減少 37%，因為這些變更縮短了少數耗時極長的問題。團隊在典型問題上的時間變化在 3% 以內，其分數沒有明確變化。
23. **物理集：** 一組內部的 70 個研究等級物理問題，改編自公開的 CritPt 基準測試：Zhu et al., "Probing the Critical Point (CritPt) of AI Reasoning: a Frontier Physics Research Benchmark," arXiv:2509.26574, 2025。專家審閱者修正了問題敘述。Claude Opus 4.6 使用該集合的評分提示，依據未公開的專家參考解答，以部分給分方式為每個答案評分，因此分數無法與已發布的結果比較。分數為一個問題各次嘗試的平均成績，再對各問題取平均，以 100 分為滿分。在全部 70 個問題上測量，每個問題四次嘗試，於 2026 年 9 月 24 日執行。每個代理在沒有網路存取權的沙箱容器中擁有 Python 工具、shell 與檔案編輯器，沒有搜尋或擷取工具。在物理集上，沒有任何安全分類器停止嘗試。其餘設定與參考資料 21 相同。[向模型顯示經過時間](https://platform.claude.com/docs/zh-TW/about-claude/models/optimizing-for-cost-and-intelligence#show-the-model-elapsed-time)的結果：加上變更後，單一代理在典型問題上花費的時間減少 7%，成本降低 4%，分數低 3.0 分（95% 區間為低 0.4 到 5.6 分）。團隊在典型問題上的時間變化在 3% 以內，其分數沒有明確變化。單一代理的平均時間減少 14%。單一代理的平均時間節省全部來自一個問題，在該問題上，沒有變更的代理每次嘗試執行程式碼約半小時；若排除該問題，其平均時間在有無變更時大致相同。
24. **tau2-bench retail：** Barres et al., "τ²-Bench: Evaluating Conversational Agents in a Dual-Control Environment," arXiv:2506.07982, 2025。
* **測量內容：** 零售領域的 114 項任務在公開框架上對 Claude API 執行，以 Claude Haiku 4.5 作為模擬使用者，Claude Sonnet 5 作為自然語言評判者，並開啟提示快取；任務分為 57 項搜尋用與 57 項保留用。
* **時間：** 兩次搜尋於 2026 年 9 月 6 日執行，由 Claude API 技能的 `hillclimb` 指令驅動。快取前後對照組於 2026 年 9 月 8 日執行。
* **評分方式：** 在搜尋中，起始點與確認的配置為三次保留集執行的平均，保留的步驟以兩次執行判定，其他候選則以一到兩次執行評分。快取對照組：在全部 114 項任務上各執行三次，只切換框架的快取斷點，所用配置為 `cost-optimize` 指令在先前一次執行中產生的配置。保留集數據來自搜尋從未讀取的 57 項任務。
* **定價方式：** 每項任務的成本以牌價為代理與模擬使用者的 token 數量定價（Claude Opus 5 每百萬輸入與輸出 token 為 $5 USD 與 $25 USD，Claude Sonnet 5 為 $2 USD 與 $10 USD，快取讀取與寫入依其公布費率），不包含評判者；百分比變化來自未四捨五入的成本；每月數據僅計代理的 token，每項任務 $0.135 USD 與 $0.047 USD，乘以 10,000。以每月 10,000 次對話計算，第一次搜尋前約為 $1,350 USD，之後為 $470 USD。
* **注意事項：** 這些測量是在前一代 Claude Opus 與 Claude Sonnet 模型上執行的：快取對照組在 Claude Sonnet 5 上執行，第二次搜尋從 Claude Sonnet 5 開始，第一次搜尋則從 Claude Opus 5 轉到 Claude Sonnet 5。Claude Fable 5.1 未在此基準測試上測量。
* **快取對照組：** 該對照組在 Claude Sonnet 5 上以預設 effort 執行。公開框架在出廠狀態下，每個回合都會以未快取方式傳送整段對話。快取配置在系統提示上設一個斷點，在最新訊息上設一個斷點。兩次搜尋都在開啟該快取的情況下執行。每項任務的成本從未快取的 $0.223 USD 降至快取的 $0.062 USD，節省 72%，通過率則從 79.2% 變為 76.0%。該配置的相同快取執行在不同日期間的結果為 114 項中的 85 到 93 項。每次快取執行的得分都等於或低於每次未快取執行，但不到 4 項任務的差距落在相同快取執行的分布範圍內，因此在此樣本大小下，準確度變化小到無法測量。
* **搜尋的執行方式。** `hillclimb` 指令會提出四個問題、呈現計畫，並在花費任何費用前等待核准。在第一次搜尋中，計畫維持使用者模擬器、評分者、快取、temperature 與任務不變。四個問題中的最後一個開頭為：`One pass over the full set is 114 cases x 1 rep on claude-opus-5, roughly 22 minutes.` 每一輪，搜尋會提出一項變更並執行完整集合。只有在數字有所變動且預測的機制在使用量資料中顯現時，才會保留該變更。當連續三輪都沒有成果時停止，然後以新的執行確認勝出者。
* **第一次搜尋，結果。** 搜尋將每項任務的成本降低 61%，同時將通過率維持在搜尋前設定的 2 分範圍內：從預設 effort 的 Claude Opus 5（每項任務 $0.142 USD，通過 76.0%）到 `low` 下加上一項成本中性提示編輯的 Claude Sonnet 5（$0.055 USD，74.3%）。搜尋在評估執行上花費 $179 USD，在其自身 token 上花費 $228 USD。
* **第一次搜尋，起點：Claude Opus 5，預設 effort。** 76.0%，$0.142 USD。三次相同執行的範圍為 57 項中的 43 到 44 項。搜尋將下限設在低 2 分的 74.0%，並在判定時將其進位為 57 項中的 43 項（75.4%）。
* **第一次搜尋，步驟 1，effort 改為 `low`：保留。** 在保留它的兩次執行中為 77.2%，搜尋後三次執行的確認為 77.8%，$0.119 USD，便宜 17%。搜尋自身的狀態列部分內容為：`two runs held-out 42 and 46, mean 44.0 >= floor 43; cost mean $0.1187 <= gate $0.1208; mechanism confirmed (output tokens -34% with calls flat)`。
* **第一次搜尋，步驟 2，`low` 下的 Claude Sonnet 5：保留。** 75.4%，$0.055 USD，便宜 61%。
* **第一次搜尋，步驟 3，一項提示編輯（登入後查詢客戶的訂單，而非詢問訂單 ID）：在選擇時保留，之後未能維持。** 兩次執行為 79.8%；三次新執行為 74.3%。搜尋將其保留為成本中性：省下的回合變成了另一個查詢回合。
* **第一次搜尋，步驟 4，一項提示編輯（僅在被要求時才轉接真人）：拒絕並還原。** 71.9%。它修正了所針對的 3 個案例，卻以一個通用的「說明您能做與不能做的事」範本破壞了另外 10 個。
* **第一次搜尋，步驟 5，一項提示編輯：未執行。** 其預測增益為 0.5 項任務，低於搜尋的 2 項任務採用門檻。
* **第一次搜尋，確認：`low` 下搭配步驟 3 提示的 Claude Sonnet 5，三次新執行。** 74.3%，$0.055 USD，以 0.14 項任務之差落在 2 分範圍內，比起點少 57 項中的 1 項，且低於搜尋登記的 57 項中 43 項的下限。此配置的五次執行範圍為 42 到 46，比起點的 43 到 44 更寬。
* **第一次搜尋，顯示的結果。** effort 與模型這兩個槓桿帶來了節省，且各自的機制都證實了這一點。提示槓桿帶來了真實的行為變化，但沒有持久的增益。在此工作負載上，決定每項任務成本的是回合數以及每個回合重新讀取的快取前綴，而非措辭。
* **第二次搜尋。** 它從開啟快取、預設 effort 的 Claude Sonnet 5 開始：在保留的一半上為 79.5%，$0.062 USD，三次執行範圍為 57 項中的 42 到 47 項，因此下限為 57 項中的 45 項（78.9%）。在此，起始配置的相同執行之間差異最多達 57 項中的 5 項。第二次搜尋沒有保留任何變更。`low` effort、兩項提示編輯，以及兩者合併，各自得分 77.2%，低於下限，且節省 10% 到 14%，未達搜尋的 15% 成本門檻。一項針對準確度的提示編輯在兩次執行中得分 79.8%，在三次新執行中為 73.7%，因此被還原。該搜尋約花費 19 次評估執行與 $120 USD。
25. **Claude Managed Agents 任務集：**
* **測量內容：** 一組 Anthropic 內部的 79 項腳本化代理任務，涵蓋八個領域，包括記憶、多代理與長上下文工作，以 [Claude Managed Agents](https://platform.claude.com/docs/zh-TW/managed-agents/overview) 工作階段執行，由測試回應每次工具呼叫。每項任務每個模型執行五次。
* **執行：** 數據來自 2026 年 10 月 7 日每個模型的一次執行，並於當天評分。在 2026 年 10 月 8 日與 9 日對相同任務的另外三次執行中，Claude Haiku 5.5 通過了 91% 到 93% 的嘗試；在 10 月 8 日的另一次執行中，Claude Haiku 4.5 通過了 63%。
* **評分方式：** 只有當評分者 Claude Sonnet 4.6（評分一次）將任務檢查清單的每一行都標記為符合時，嘗試才算通過，因此通過率取決於評分者。除一項任務外，在所有任務上都由另一次呼叫（會看到完整的工具結果）依據這些結果，評分檢查代理透過其工具所寫入之檔案與訊息的那一行。
* **定價方式：** 成本為以牌價計算、採用 5 分鐘提示快取的 token 成本，逐請求定價，不包含工作階段執行時間。
* **結果，token 價格與成本：** Claude Haiku 4.5 有 80% 的請求沒有快取：每個請求的提示約為 4,100 token 或更少，而其最小可快取提示長度為 4,096 token（Claude Haiku 5.5 為 512）。從 Claude Haiku 4.5 到 Claude Haiku 5.5，token 價格下降最多 90%，79 項任務的 token 成本下降約 75%。token 成本的降幅小於價格，是因為 Claude Haiku 5.5 約 5% 的請求提示超過 100,000 token，需支付較高的價格（[長上下文定價](https://platform.claude.com/docs/zh-TW/about-claude/pricing#long-context-pricing)），而這些請求佔其成本的 73%。
* **思考：** Anthropic 將 Claude Haiku 5.5 的 effort 設為 `medium`，且兩個模型都未傳送思考設定或輸出限制，因此思考交由 Claude Managed Agents 對各模型的自身設定決定。Claude Haiku 5.5 在 59% 的請求中使用了思考，Claude Haiku 4.5 為 22%。此比較是針對各模型的實際服務狀態，而非相同設定。
* **不使用快取的成本，依記錄的 token 數量定價：** Anthropic 也針對[為何快取優先](https://platform.claude.com/docs/zh-TW/about-claude/models/optimizing-for-cost-and-intelligence#why-caching-comes-first)中的快取倍數，重新為 Claude Haiku 5.5 在 10 月 7 日執行所記錄的 token 數量定價；它並未進行關閉快取的執行，且 Claude Managed Agents 會自行套用提示快取，因此該倍數比較的是相同請求的兩種價格，而非兩種設定。
* **倍數：** 倍數 1.7 是將所有輸入 token 以輸入價格計算、輸出 token 不變的執行 token 成本，除以每個工作階段單獨定價時的 token 成本：每個請求先前的提示計為快取讀取，其新 token 計為 5 分鐘快取寫入。在兩種成本中，每個請求都依其自身的提示長度定價，因此 87 個超過 100,000 token 的請求在兩者中都支付較高的價格。若依記錄的 token 數量（本指南對該執行的成本即採用此數量），倍數為 1.9，因為一項任務的五次嘗試是並行執行的，並讀取了彼此的快取項目。
* **倍數偏低的原因：** 倍數偏低是因為工作階段很短，中位數為 4 個請求：大部分輸入 token 以工具結果的形式在第二或第三個請求時到達，且只從快取讀取一到兩次。八項長上下文任務佔了四分之三的成本。10 月 8 日的第二次執行也得到 1.7。
26. **答案格式測量：**
* **測量內容：** [精簡輸入與上下文 token](https://platform.claude.com/docs/zh-TW/about-claude/models/optimizing-for-cost-and-intelligence#trim-input-and-context-tokens) 中的 20 個議題分類工作，在 Claude Sonnet 5 上執行，開啟提示快取且請求中沒有思考設定，因此思考維持模型的預設值，使用三種最終答案指示，每種指示三次執行。
* **兩行指示：** 原始指示要求兩行：`4. Finish with exactly two lines: LABEL: SUMMARY: `
* **一行指示：** 較短的變體要求一行：`4. Finish with exactly one line in this form: DECISION | LABEL | REASON where DECISION is one of: triage-now, needs-info, close-duplicate; LABEL is one of: bug-confirmed, needs-more-info, duplicate-candidate, feature-request, upstream-issue, perf, ui-polish; REASON is one clause under 15 words. Output nothing after that line.`
* **備忘錄指示：** 較長的變體要求一份包含六個標題段落的備忘錄：問題摘要、證據、重複檢查、建議標籤、後續步驟與信心程度。
* **實際傳送的指示中還包含：** 實際傳送時，兩行指示還寫著「Be concise.」，備忘錄指示則寫著「Be thorough and explicit.」
* **時間：** 兩行與一行指示於 2026 年 8 月 18 日執行，`max_tokens` 為 700；備忘錄指示於 2026 年 8 月 19 日執行，`max_tokens` 為 3,000。沒有任何回應達到其上限。
* **評分與定價方式：** 數據為三次執行以 Claude Sonnet 5 牌價計算的平均值，準確度為與黃金標籤的完全比對。
* **結果：** 一行答案比兩行原始版本少用 39% 的輸出 token，每次執行成本低 14%（依圖表四捨五入後的成本 $0.49 USD 與 $0.57 USD；未四捨五入的平均值得出 13%）。備忘錄使用的輸出 token 是兩行原始版本的六倍，成本是一行答案的 2.8 倍。
* **思考：** 約一半的回應包含思考，其 token 計入輸出 token。
27. **工具搜尋測量：**
* **測量內容：** [精簡輸入與上下文 token](https://platform.claude.com/docs/zh-TW/about-claude/models/optimizing-for-cost-and-intelligence#trim-input-and-context-tokens) 中的 20 個議題分類工作，於 2026 年 8 月 19 日在 Claude Sonnet 5 上執行，開啟提示快取且請求中沒有思考設定，因此思考維持模型的預設值，每種配置三次執行。代理擁有自己的兩個工具，加上來自公開 MCP 伺服器的真實工具定義，總計 7、17、52、102、252 或 502 個工具，所有定義要麼全部載入，要麼將新增的定義標記為 `defer_loading` 並置於工具搜尋之後。
* **評分與定價方式：** 數據為三次執行以 Claude Sonnet 5 牌價計算的平均值，準確度為與黃金標籤的完全比對。
* **結果：** 載入所有定義時，每次執行的成本從 7 個工具時的 $0.55 USD 上升到 502 個工具時的 $1.02 USD，幾乎翻倍。使用工具搜尋時，在每種目錄大小下都是 $0.55 USD 到 $0.56 USD，在 502 個工具時低 45%（依圖表四捨五入後的成本 $0.56 USD 與 $1.02 USD；未四捨五入的平均值得出 45.6%）。無論是否使用工具搜尋，每次執行都正確回答了 20 個議題中的 15 到 18 個。
* **注意事項：** 沒有任何執行呼叫目錄中的工具或工具搜尋工具：代理自己的兩個工具始終已載入，且每次工具呼叫都指向其中之一。此測量顯示的是攜帶未使用定義的成本，而非工具搜尋在需要時能否找到工具。
* **另一項測量：** 在同一模型與日期的另一項測量中，透過 MCP 連接器附加一個公開的 GitHub MCP 伺服器且沒有目錄，將伺服器工具集延遲載入的三次執行，成本比未延遲的三次執行低 20%（每次執行 $0.56 USD 與 $0.70 USD），每組的三次執行分別正確回答了 17、16 與 16 個議題。此另一項測量中的請求不包含工具搜尋工具。載入工具集時，每次執行呼叫伺服器的一個工具 `issue_read` 3 或 4 次；延遲載入時，沒有任何執行呼叫伺服器的任何工具。
28. **輸入精簡與上下文生命週期測量：**
* **測量內容：** [精簡輸入與上下文 token](https://platform.claude.com/docs/zh-TW/about-claude/models/optimizing-for-cost-and-intelligence#trim-input-and-context-tokens) 中的 20 個議題分類工作及其長版本，於 2026 年 8 月 19 日（以 UTC 計）在 Claude Sonnet 5 上執行，每個設定三次執行，請求中沒有思考設定，因此思考維持模型的預設值；約每 10 個回應中有 3 個包含思考。
* **圖表：** [管理上下文生命週期](https://platform.claude.com/docs/zh-TW/about-claude/models/optimizing-for-cost-and-intelligence#manage-the-context-lifecycle)中的圖表在每項工作上比較四種設定：開啟提示快取與輸入精簡（圖片縮放與工具搜尋）的工作，以及在此基礎上加入一個槓桿的相同工作，該槓桿為上下文編輯、壓縮或修剪。圖表將低於 10% 的變化視為無變化。
* **槓桿設定：** 兩項工作的槓桿設定不同：在 20 個議題的工作上，上下文編輯在提示超過 20,000 時清除至少 2,000 token；在長工作上，則在超過 50,000 時清除至少 40,000 token，並保留最近三次工具使用；壓縮在 20 個議題的工作上於 50,000 輸入 token 時觸發，在長工作上於 80,000 時觸發。
* **定價方式：** 每項成本為三次執行的平均值，依回應的使用量欄位以 Claude Sonnet 5 牌價計算，快取寫入為每百萬 token $2.50 USD，快取讀取為 $0.20 USD。
* **結果，輸入精簡：** 第五種設定（開啟提示快取但不進行輸入精簡）在 20 個議題的工作上每次執行成本 $0.57 USD，在長工作上為 $1.38 USD，因此輸入精簡使前者降低 26%，後者降低 21%。相較於關閉快取的同一 20 個議題工作（每次執行 $3.36 USD，參考資料 16），提示快取與輸入精簡合併節省了 88%（未四捨五入的平均值得出 87.5%）。
* **結果，20 個議題的執行：** 在 20 個議題的執行中，沒有槓桿的工作每次執行成本 $0.42 USD，上下文編輯的成本高 73%，壓縮在每次執行接近結束時執行一次，成本低 7%，而修剪沒有重新寫入任何內容，因為沒有任何搜尋結果超過其 2,000 字元的門檻。
* **結果，長執行：** 在長執行中，沒有槓桿的工作每次執行成本 $1.09 USD，修剪的成本低 39%，壓縮低 32%，上下文編輯高 4%。
* **快取讀取，長執行：** 在使用修剪的長執行中，任務邊界後的第一個請求有 89% 的提示 token 從快取讀取，其他請求為 81%。在整個長執行中，使用修剪時有 85% 的提示 token 從快取讀取，使用上下文編輯時為 85%，而沒有槓桿時為 95%。
## 後續步驟
本頁最大的免費收益：設定、存留時間與診斷。
在單一模型內以智慧換取延遲與成本。
評估整個 Claude 模型家族的能力、速度與成本。
為 Managed Agents 工作階段設定硬性的美元上限。
查看每個 Claude 模型目前的每 token 定價。
在可執行的 notebook 中將這些手段逐一套用到一個運作中的代理，並在每個步驟後顯示每項任務的成本。
觀看顧問與協調者模式的逐步講解。