Anthropic 这篇官方博客彻底讲清了 Claude Code 的 Model 和 Effort Level 到底怎么选
很多人以为「换模型」和「加 effort」都是能让回答变好,但搞混了要么白花钱要么白等。
1️⃣ 先记住一句话:model 决定多聪明,effort 决定多努力
model 换的是背后那套训练时就冻结的权重,你的 prompt、CLAUDE.md 都改不了它,只能引导不能重新教。
effort 决定的是这次请求它总共愿意干多少活。
2️⃣ effort 不是「思考久一点」,是「多读几个文件、多跑几遍测试」
这是最反直觉的一点。
effort 高,Claude 会自己多读文件、跑测试、复查完再回来找你;effort 低,它宁可停下来问你要 context 也不多花 token 自己琢磨。
官方给的对比是同一个 prompt,高 effort 路径生成约 7 倍的 token 来换更高把握的答案。
3️⃣ 出错第一反应不该是切换模型或 effort,是查 context
prompt 是不是太模糊、工具和 skill 有没有配齐——先查这些。
很多时候你以为要加 effort,其实是 context 没给够,加 effort 只是花钱掩盖问题。
4️⃣ 确认 context 没问题后,就问一个问题:它是不够太笨,还是太懒
- context 齐全、明显尽力了、还是错 → 问题太难,它不够懂 → 换更强的模型
- 漏读了文件、没跑测试、重构做一半就撒手 → 它不够努力 → 调高 effort
5️⃣ 大模型给难题,小模型给机械任务,别为用不上的能力付钱
大模型:微妙的 bug、陌生领域、架构决策、需求模糊的活。
小模型:能精确描述的改动、已经在 context 里的代码问答。小模型在例行活上一直够用,就该降下来,更快而且省钱。
6️⃣ 难的多步任务,大模型总成本反而更低
在复杂的多步任务里,小模型要靠反复迭代硬磨才逼近它的上限,大模型更少步数就到同样质量,单任务总成本反而可能更低。
甚至小模型再高 effort 也做不到,只有大模型能完成。
7️⃣ 三个模型的比喻:专家里的专家、专家、通才
Fable 是见过几乎没人见过的问题的那种专家,哪怕低 effort 也能一眼看穿别人卡住的地方,最贵,留给真正难的活。
Opus 是专家,Sonnet 是很强的通才。
effort 决定这三位在你的任务上花多少时间。
显示更多