Claude 模型详解：如何为你的场景选择最佳模型¶
原文发布于 2026 年 7 月 24 日
我们的建议：从最强模型开始¶
默认推荐从最强的通用模型起步，通过 effort level 调节性能和成本。 「该选哪个模型？」是我们最常被问到的问题。随着模型种类和版本越来越多，答案也变得更加复杂。
本文将覆盖以下内容：各模型类别的描述、选型时需要考虑的关键问题，以及最佳实践。
先给出核心结论：从最智能的通用模型开始，然后用 effort level 调控性能和成本。
为什么？因为更智能的模型每个任务的成本往往反而更低——即使每 token 的单价更高，但更强的模型通常只需更少的轮次和思考时间就能完成任务。如果从小模型开始，你会很难区分「模型能力不够」还是「搭建方式有问题」。
当然，对于延迟敏感或成本敏感的场景，可以逐步测试低级别模型直到找到最佳平衡点。
Claude 模型家族¶
Claude 模型家族包含 Fable、Opus、Sonnet、Haiku 四个系列，各有侧重。 每个系列在智能、速度和成本之间做出不同的权衡。
| 模型系列 | 定位 | 核心特点 |
|---|---|---|
| Mythos / Fable | 最强大的模型 | 前沿能力，编程、长时间 agent 任务、解决 AI 此前无法可靠完成的问题 |
| Opus | 推理密集型企业任务 | 在 GDPval-AA（知识工作）和 Terminal-Bench 2.1（agentic 编程）等基准上名列前茅 |
| Sonnet | 通用日常任务 | 性能、成本、速度的最佳平衡，适合多 agent 编排中的高并发子 agent |
| Haiku | 最低成本、最快速度 | 适合高频工作负载，延迟和成本优先 |
Mythos / Fable¶
Mythos 是 Anthropic 能力最强的模型系列，在多个领域拥有前沿能力。该系列以两种方式提供：Claude Mythos 面向处理双用途网络安全和生物学工作的受信组织；Claude Fable 则附加了额外安全防护，适合公众使用。两者均要求有限数据留存。
Opus¶
Opus 是推理密集型企业任务的强力模型。Opus 和 Fable 都擅长编程、长期 agent 和知识工作。区别在于：Fable 这类更大的模型通常在智慧、创造力和写作能力方面更胜一筹，即使基准分数与 Opus 相近。
经验法则： 如果 eval 显示 Opus 在某些任务上吃力，Fable 就是答案；如果 Opus 已经达标，其速度和价格优势可能使它成为更好的选择。
Sonnet¶
Sonnet 是日常通用任务的多面手，为最广泛的场景提供性能、成本和速度的平衡，包括多 agent 编排中的高并发子 agent。
Haiku¶
Haiku 是成本最低、速度最快的模型系列，专为延迟和成本敏感的高频工作负载设计。
如何选择最适合你工作负载的 Claude 模型¶
模型选择的核心不是领域，而是任务难度、延迟需求和经济性。 我们的模型系列不按领域划分（不是「金融用 A，科学用 B」）——每个 Claude 模型都在编程、agentic 任务和知识工作等方面经过训练。
选模型时需要回答四个问题：
| 维度 | 考虑因素 |
|---|---|
| 任务难度 | 耗时长、多步骤、此前未解决 → 选更强模型 |
| 延迟需求 | 高频面向用户的工作负载 → Sonnet 通常最优 |
| 访问限制 | Mythos 仅对 Project Glasswing 组织开放；并非所有组织对所有角色开放所有模型 |
| 单位经济性 | 高产量生产场景可能更适合低级别模型（前提是 eval 通过） |
Effort level 同样影响质量、速度和成本的平衡。 高级别模型 + 高 effort 提供最佳性能；高级别模型 + 低 effort 有时比小模型更高效。
更多信息参见：Choosing a Claude model and effort level in Claude Code
Advisor 策略：结合模型优势¶
让低成本模型完成执行，智能模型按需提供指导，性能接近全用强模型但成本大幅降低。 Advisor 策略允许更快、更低成本的「执行者」模型在需要时调用更智能的模型来检查计划和评估工作。
效果示例：在 SWE-bench Pro 上，Sonnet 5 + Fable 5 advisor 的得分达到 Fable 5 的 90%，但成本只有 63%。
评估（Eval）和基准测试如何辅助选型¶
当基准已饱和时，自定义 eval 是区分前沿模型的唯一方式。 两种常见方法：
| 方法 | 优势 | 局限 |
|---|---|---|
| 标准基准 | 快速对比跨模型、跨厂商的能力 | 强模型（Opus、Fable）接近满分，难以区分 |
| 自定义 Eval | 从生产中提取难题，用你自己的成功标准 | 需要投入时间构建和维护 |
当模型在标准基准上都接近满分（饱和）时，建议在真实工作负载上测试或使用自定义 eval 来做决策。前沿模型的能力和创造力差异往往在这些场景中才会显现。
我们已撰写了关于开发自定义 agent 评估最佳实践的详细指南。
做出明智的选择¶
没有万能方案——理解各模型系列的基础定位，加上深入了解你的场景和扎实的 eval，是做出正确选择的关键。 最终，选择模型的最佳方式是理解每个模型系列的基本特性，并深入理解你的用例——这意味着构建、维护和部署强大的评估体系。