Anthropic 發布選模型指南，建議 Claude 多數工作從 Opus 5.5 起步。結果不夠好時，先讓模型能自我驗收、再調高推理強度，最後才換大一號模型；把支線工作交給便宜模型，也能省錢。
（前情提要：Claude Fable 5.2 上線：更強並降價 20%，訂閱戶再送重置券）
（背景補充：Sonnet 5.5 上線媲美 Opus：Anthropic 說省 3 成、第三方說貴一半，關鍵在推理強度）
多數工作先用 Opus 5.5，推理強度開 medium（中），這是 Anthropic 在開發者部落格給 Claude 四種模型的選用建議。比較單純、範圍清楚的工作，可以往下換 Sonnet 5.5；量大又簡單的分類、擷取，換 Haiku 5.5；最難的技術工作，才上 Fable 5.2。
目前 Claude Code 在 Pro、Max、Ultra、Team、Enterprise 方案與 Anthropic API 上，預設模型就是 Opus 5.5。推理強度（effort）則是讓模型想多久、呼叫多少工具、多檢查幾次自己成果的設定，分成 low、medium、high、xhigh、max 五級。
差多少錢，貴的比較強嗎
四種模型的牌價，以每百萬 token（模型計費的文字單位）的輸入／輸出計：Haiku 5.5 為 0.10／0.50 美元（提示在 10 萬 token 以內，超過變成 0.50／2.50 美元），Sonnet 5.5 為 2／10 美元，Opus 5.5 為 4／20 美元，Fable 5.2 為 8／40 美元。從 Sonnet 往上，每升一級價格翻倍。
但貴並不一定比較好。在 Anthropic 自己跑的 Terminal-Bench 3.0（測模型在終端機完成任務的能力）上，上一代的 Fable 5.1 把推理強度開到最高的 max，拿 58.0%；Opus 5.5 只開 high，拿 58.9%，token 還只用了一半。
不夠好用，先別急著換模型
Anthropic 說推理強度是比換模型更細的旋鈕，建議照順序處理。第一步，先確認模型能自己驗收成果，例如有測試、能 build、有程式能自動打 API 檢查。接著把推理強度調高一級。還不夠，才換大一號的模型，而且強度要從比原本低的一級開始。
原因在成本。以 SWE-bench Pro（用真實軟體專案修問題的測試）上的 Opus 5.5 為例，medium 比 high 低約 2.5 分，成本約 70%；low 低約 8 分，成本約三分之一；xhigh 高約 1.4 分，成本卻是 high 的 2.5 倍。所以開過 high 之後再加一級，花的錢可能跟換大一號模型差不多，這時該改試大一號模型、強度開低一點。
推理強度也不會讓模型多出本來沒有的知識或能力，那種情況還是得換模型。
如果結果能自動檢查，還有一招：全部先用 low 跑，只把失敗的重跑 high。同一組 SWE-bench Pro 題目，Opus 5.5 這樣做解出約 97%，每題約 0.17 美元；全部開 high 只解出 95.3%，每題 0.29 美元。
混著用怎麼省
子代理（subagent）是主模型派出去做支線工作的小幫手，有自己的上下文，做完只交回摘要。Anthropic 建議把小模型放在這裡，做找檔案、跑測試、讀 log 這類工作，因為小模型做錯很容易看出來。改程式碼和需要判斷的決定，則留給主模型，因為小模型讀錯搜尋結果，主模型就會去開錯的檔案、白花 token。
當工作量大到一個上下文裝不下時，可以讓大模型帶隊拆工作。Anthropic 內部一個在約 2,200 萬 token 原始碼裡找缺陷的測試，由 Opus 5.5 當隊長，帶最多 25 個同時跑的 Sonnet 5.5，花費比 Opus 5.5 單獨跑少約三分之一，分數差不多。但如果工作是一連串前後相依的步驟，或一個上下文就裝得下，拆工作反而不划算。
換模型本身也有成本。提示快取（prompt cache，重複送出的內容打折計費的機制）屬於寫入它的那顆模型，對話中途換模型，第一輪要把整段對話重新寫入快取。Anthropic 建議在自然的段落點換，例如在 Claude Code 先用 /compact 壓縮對話，或開新對話、只帶一份簡短計畫。
Anthropic 最後的建議是拿自己的工作來測。Claude Code 裡可以用 /model 讓兩顆模型各跑同一個任務，再用 /usage 比花費。跑分只決定從哪顆開始，該不該換，要看自己的成果和帳單。
