> For the complete documentation index, see [llms.txt](https://yeasy.gitbook.io/claude_guide/llms.txt). Markdown versions of documentation pages are available by appending `.md` to page URLs; this page is available as [Markdown](https://yeasy.gitbook.io/claude_guide/fu-lu/12_appendix/12.6_model_comparison.md). # 附录 F：Claude 与竞品对比——全面的选择指南 ## 前言 选择合适的 LLM 是每个 AI 应用开发者面临的重要决策。本章从多个维度系统地对比 Claude 与主要竞品，包括 OpenAI 的 GPT 系列、Google 的 Gemini 系列和其他新兴模型，帮助你做出明智的选择。 > **来源与使用边界**：Claude 模型名称、上下文窗口、thinking 支持和定价应以 Anthropic 官方模型页、定价页和发布说明为准；其他厂商的模型名称、价格和 benchmark 需要在发布前分别回到对应厂商的官方页面核验。下文中的跨厂商评分和性价比指数用于展示选型分析方法，不应直接作为采购或生产路由依据。 > **关于当前口径**：Fable 5 已于 2026-07-01 恢复全球访问；Mythos 5 非普遍可用，仅向 Project Glasswing 获批客户有限开放，采用邀请制且无自助注册。新项目先评测 Sonnet 5.5（`claude-sonnet-5-5`）；Sonnet 4.6 与 Sonnet 5 只作为既有系统灰度迁移与回退基线。下方历史对比表不是生产路由，实际采购必须回到官方模型/价格页和自己的评测集。 ## 第一节 市场概览与主要竞品 ### 1.1 当前主要的 LLM 产品线 主要的 LLM 产品包括： | 厂商 | 模型系列 | 当前最新版本 | 发布时间 | | --------- | ------- | ------------------------------------------------------------------- | ---------- | | Anthropic | Claude | Fable 5.1；Opus 5.5；Sonnet 5.5；Haiku 4.5 | 2026-09 快照 | | OpenAI | GPT | GPT-6 Astra / GPT-6.1 Sol / GPT-6 Luna（GPT-6 Astra 于 2026-09-03 首发） | 2026-09 | | Google | Gemini | 3.1 Pro | 2026-02 | | Meta | Llama | 4 Scout / 4 Maverick | 2025-04 | | Mistral | Mistral | Medium 3.5（128B，Modified MIT open weights） | 2026-05 | | xAI | Grok | 4.1（Grok 4 于 2025-07 首发） | 2025-11 | 注：本对比重点关注 Claude、GPT、Gemini 等主流商业 LLM。由于竞品版本、价格和公开评测变化很快，表格中的非 Claude 条目只作为分析模板；实际选型应把最新官方价格页、模型卡和你自己的业务评估集作为最终依据。下文各对比表的 GPT 列停留在 GPT-5.4／GPT-5.5 一代的快照；OpenAI 已于 2026-07-09 发布 GPT-5.6 Sol / Terra / Luna，2026-09 又发布 GPT-6 Astra、GPT-6.1 Sol 与 GPT-6 Luna，这两代都未纳入下表，最新对比需读者按官方 Pricing 页重新核验。 ## 第二节 多维度详细对比 ### 2.0 成本-性能量化对比矩阵 本表展示成本-性能对标方法，适合做内部评估模板；不适合在未逐项核验官方价格、模型 ID、benchmark 口径和日期前直接用于生产路由或采购决策。 | 维度 | Claude Haiku 4.5 | Claude Sonnet 4.6 | Claude Opus 4.7 | GPT-5.4 | Gemini 3.1 Pro | DeepSeek-V3 | | -------------- | ---------------- | ----------------- | --------------- | ------------ | ----------------------- | ----------- | | **定价（输入/输出）** | $1.00/$5.00 | $3.00/$15.00 | $5.00/$25.00\* | $2.50/$15.00 | $2.00/$12.00（<200K 输入档） | $0.27/$1.10 | | **上下文长度** | 200K token | 1M token | 1M token | 1M token | 1M token | 128K token | | **推理延迟** | \~100ms | \~300-400ms | \~1-2s | \~250-450ms | \~150-300ms | \~200-300ms | | **性价比指数** | 10.0 | 8.5 | 5.5 | 8.8 | 9.0 | 11.0 | | **推理能力(MATH)** | 71% | 89% | 96% | 92% | 89% | 90% | | **编程能力(HE)** | 77% | 92% | 97% | 94% | 93% | 88% | | **常识理解(MMLU)** | 82% | 95% | 98% | 96% | 96% | 92% | **性价比指数**：本书给出的 1-11 定性相对评分，综合能力、成本与生态成熟度，仅用于本表内示意排序（并非由上表数值按公式直接折算——按“能力分 ÷ 成本”线性折算会得到量纲悬殊的结果）。 \*Opus 4.7 使用新 tokenizer，同一文本可能消耗 1.00–1.35 倍 token，实际成本可能高于单价所示。 成本计算基础：标准任务（输入 500token，输出 200token） ### 2.1 推理能力对比 **基准测试数据（示例模板，发布前需逐项核验来源与日期）** | 基准 | Claude Sonnet 4.6 | GPT-5.4 | Gemini 3.1 Pro | 说明 | | ------------- | ----------------- | ------- | -------------- | ------- | | MATH | 89.2% | 92.1% | 89.1% | 数学问题求解 | | MMLU | 95.1% | 96.3% | 95.9% | 多任务知识理解 | | HumanEval | 92.3% | 94.5% | 93.0% | 编程能力 | | ARC-Challenge | 94.2% | 95.8% | 94.5% | 科学推理 | | HellaSwag | 96.1% | 96.7% | 96.2% | 常识推理 | **核心观察** GPT-5.4 在数学、编程和知识理解等基准上均以微弱优势领先，主要来自： * 与同代旗舰相当的知识截止日期（2025-08） * 卓越的推理和编程能力 * API 定价 $2.5 / $15 per M tokens（输入价低于 Sonnet 4.6，输出持平） Claude Sonnet 4.6 的优势在于： * 改进的推理架构和更好的问题分解能力 * 更强的安全对齐和可预测行为 * 完善的缓存和批处理成本优化工具链 Gemini 3.1 Pro 的特色： * 优秀的多模态能力 * 实时网络搜索集成 * 对视频理解的支持 * 1M token 级长上下文窗口 ### 2.2 编程能力对比 这是对开发者最相关的维度。 **语言支持** | 编程语言 | Claude Sonnet 4.6 | GPT-5.4 | Gemini 3.1 | | --------------------- | ----------------- | ------- | ---------- | | Python | 95% | 96% | 90% | | JavaScript/TypeScript | 94% | 95% | 91% | | Java | 91% | 92% | 87% | | C++ | 88% | 90% | 84% | | Rust | 85% | 87% | 79% | | Go | 87% | 88% | 83% | | SQL | 93% | 94% | 89% | 注：数据基于 HumanEval 风格的代码生成测试 **代码生成质量** ```python # 测试案例：实现一个 LRU 缓存 # 要求：O(1) 时间复杂度的 LRU 缓存 class LRUCache: """Claude Sonnet 4.6 生成的代码（注：此实现使用 list，实际复杂度为 O(n)）""" def __init__(self, capacity: int): self.capacity = capacity self.cache = {} self.order = [] # 追踪访问顺序 def get(self, key: int) -> int: if key not in self.cache: return -1 # 更新访问顺序 self.order.remove(key) self.order.append(key) return self.cache[key] def put(self, key: int, value: int) -> None: if key in self.cache: self.order.remove(key) if len(self.cache) == self.capacity and key not in self.cache: oldest = self.order.pop(0) del self.cache[oldest] self.cache[key] = value self.order.append(key) ``` **生成代码的特点对比** | 特性 | Claude Sonnet 4.6 | GPT-5.4 | Gemini 3.1 | | ---- | ----------------- | ------- | ---------- | | 正确性 | 92% | 94% | 85% | | 可运行性 | 95% | 96% | 87% | | 最佳实践 | 89% | 92% | 82% | | 包含注释 | 94% | 95% | 85% | | 错误处理 | 87% | 90% | 79% | | 性能考虑 | 82% | 88% | 74% | ### 2.3 多模态能力对比 **图像理解** | 能力 | Claude Sonnet 4.6 | GPT-5.4 | Gemini 3.1 Pro | | ---------- | ----------------- | ------- | -------------- | | 物体识别 | 96% | 96% | 94% | | 文字识别 (OCR) | 94% | 94% | 92% | | 图表理解 | 91% | 91% | 87% | | 科学图像分析 | 88% | 88% | 84% | | 幻觉率 | 1.3% | 1.2% | 1.6% | **视频理解** | 能力 | Claude Sonnet 4.6 | GPT-5.4 | Gemini 3.1 Pro | | ---- | ----------------- | --------- | -------------- | | 视频摘要 | 可通过图像序列/片段工作流实现 | 原生支持，能力较强 | 原生视频理解能力更强 | | 动作识别 | 适合中短片段分析 | 适合中长片段分析 | 对长视频更有优势 | | 时序理解 | 依赖工作流设计 | 较强 | 更强 | | 音频转录 | 通常需外部链路 | 视产品形态而定 | 视产品形态而定 | ### 2.4 知识与时效性 | 维度 | Claude Opus 4.7 | Claude Sonnet 4.6 | GPT-5.4 | Gemini 3.1 Pro | | ------ | --------------- | ----------------- | -------- | -------------- | | 可靠知识截止 | 2026-01 | 2025-08 | 2025-08 | 2025-01 | | 训练数据截止 | 2026-01 | 2026-01 | 2026-01 | 2026-02 | | 实时网络搜索 | 通过工具 | 通过工具 | 通过工具/API | 原生支持 | | 幻觉率 | 1.2% | 1.3% | 1.1% | 1.6% | | 事实准确率 | 95.1% | 94.7% | 95.4% | 93.8% | ### 2.5 安全性与可靠性 **宪法式 AI（Constitutional AI）** Claude 的 Constitutional AI 是独特的： * Anthropic 公开发布的 CAI 论文和方法 * 通过一套明确的“宪法”来指导模型行为 * 透明的对齐过程 优势： * 更可预测的行为 * 可定制的价值对齐 * 更好的社区理解和信任 **对抗鲁棒性** | 攻击类型 | Claude Sonnet 4.6 防御 | GPT-5.4 防御 | Gemini 3.1 防御 | | ------ | -------------------- | ---------- | ------------- | | 越狱提示 | 很强 | 很强 | 强 | | 有害内容生成 | 拒绝率 98% | 98% | 96% | | 隐私敏感信息 | 很强 | 很强 | 强 | | 注入攻击 | 很强 | 很强 | 强 | ### 2.6 成本对比（2025–2026 年） **基础定价** | 模型 | 输入成本 | 输出成本 | 缓存写入 | 缓存读取 | 相对成本 | | ----------------- | ------- | ------- | ------- | ------- | ---- | | Claude Haiku 4.5 | $1.00/M | $5/M | $1.25/M | $0.10/M | 最低 | | Claude Sonnet 4.6 | $3/M | $15/M | $3.75/M | $0.30/M | 低 | | GPT-5.4 mini | $0.75/M | $4.50/M | N/A | N/A | 极低 | | Claude Opus 4.7 | $5/M | $25/M | $6.25/M | $0.50/M | 中\* | | Gemini 3.1 Pro | $2/M | $12/M | N/A | N/A | 中 | | GPT-5.4 | $2.50/M | $15/M | N/A | N/A | 中-低 | | GPT-5.5 | $5/M | $30/M | N/A | N/A | 中-高 | | GPT-5.5-pro | $30/M | $180/M | N/A | N/A | 极高 | **成本-性能比** 假设一个标准的数据分析任务（输入 500 token，输出 200 token）： | 模型 | 单次成本 | 每月 1000 个请求 | 相对成本 | | -------------- | -------- | ----------- | ---- | | Haiku | $0.0015 | $1.50 | 最低 | | Sonnet | $0.0045 | $4.50 | 低 | | Gemini 3.1 Pro | $0.0034 | $3.40 | 低 | | GPT-5.4 mini | $0.00128 | $1.28 | 极低 | | GPT-5.4 | $0.00425 | $4.25 | 低-中 | | GPT-5.5 | $0.0085 | $8.50 | 中-高 | | GPT-5.5-pro | $0.051 | $51.00 | 极高 | | Opus 4.7 | $0.0075 | $7.50 | 中 | **容量和速率限制** | 限制 | Claude | GPT-5.4 | Gemini 3.1 | | ----------- | --------------------------------- | ---------- | ---------- | | 并发请求数 | 10K+ | 10-50K | 10K+ | | 每分钟请求数 | 按用量层级分级（RPM/ITPM/OTPM，见 12.2 FAQ） | 500-2000\* | 1000 | | 月度 token 限制 | 取决于计划 | 取决于计划 | 取决于计划 | \*对于付费用户；Claude API 各层级具体数值见官方 rate limits 页 ## 第三节 使用场景决策指南 ### 3.1 选择矩阵 ``` 基于需求的模型选择 需求 1: 推理复杂度 ├─ 非常高 (论文分析、数学证明) │ └─ Claude Opus 5.5 ✓ ├─ 高 (数据分析、架构设计) │ └─ Claude Sonnet 5.5 或 GPT-5.4 └─ 中等及以下 └─ Claude Haiku 4.5 或 Gemini 3.1 Pro 需求 2: 多模态能力 ├─ 视频处理必须支持 │ └─ Gemini 3.1 Pro ✓ ├─ 高质量图像理解 │ └─ Claude Opus 5.5 或 GPT-5.4 └─ 基础图像理解足够 └─ 任何模型可选 需求 3: 成本敏感度 ├─ 非常敏感 (大规模部署) │ └─ Claude Haiku 4.5 ✓ ├─ 中等敏感 (性价比重要) │ └─ Claude Sonnet 5.5 或 Gemini 3.1 Pro └─ 成本不是主要考虑 └─ 选择最高性能的 需求 4: 延迟要求 ├─ <200ms (实时应用) │ └─ Claude Haiku 4.5 ✓ ├─ <500ms (交互应用) │ └─ Claude Sonnet 5.5 └─ >1 秒可接受 └─ Claude Opus 5.5 ``` ### 3.2 具体场景推荐 **场景 1：实时客服系统** 需求： * 低延迟（<200ms） * 高吞吐（QPS >100） * 成本敏感 推荐：**Claude Haiku 4.5** ```python # 配置示例 client = Anthropic() response = client.messages.create( model="claude-haiku-4-5-20251001", # 最快最便宜 max_tokens=500, messages=[{"role": "user", "content": query}] ) ``` 成本：每个请求约 $0.001-0.003 延迟：平均 100-150ms **场景 2：内容生成平台** 需求： * 高质量输出 * 中等延迟可接受 * 成本-质量平衡 推荐：**Claude Sonnet 5.5**。既有 Sonnet 4.6 系统在完成业务评测、token 重计数和成本回归前保持原路由。 ```python # 配置示例 response = client.messages.create( model="claude-sonnet-5-5", max_tokens=2000, system="You are a creative writing expert...", messages=[{"role": "user", "content": prompt}] ) ``` 成本：按 Sonnet 5.5 的实际 token 数与当前价格计算；新 tokenizer 不能沿用 Sonnet 4.6 的 token 估算 质量：以内容平台自己的人工盲评和任务成功率为准 应用：博客生成、广告文案、创意写作 **场景 3：数据分析与报告生成** 需求： * 最高准确率（数据驱动决策） * 延迟可以接受 * 复杂推理 推荐：**Claude Opus 5.5 + Adaptive Thinking** ```python # 配置示例 response = client.messages.create( model="claude-opus-5-5", max_tokens=16000, thinking={ "type": "adaptive" }, messages=[{"role": "user", "content": analysis_request}] ) ``` 成本：每个请求 $0.10-0.30 准确率：98%+ 数据处理正确性 应用：财务分析、科学研究、商业智能 **场景 4：多模态内容处理** 需求： * 处理图像、截图或 PDF 文档 * 高准确率 * 实时处理优先 推荐：如果任务主要是图片、截图、图表或文档理解，可以优先评估 Claude Vision / multimodal PDF；如果任务核心是长视频理解，再单独评估明确支持视频的模型。 ```python import anthropic import base64 from pathlib import Path client = anthropic.Anthropic() image_base64 = base64.b64encode(Path("chart.jpg").read_bytes()).decode("utf-8") response = client.messages.create( model="claude-opus-5-5", max_tokens=1000, messages=[ { "role": "user", "content": [ { "type": "image", "source": { "type": "base64", "media_type": "image/jpeg", "data": image_base64 } }, {"type": "text", "text": "Describe this chart and cite visible evidence."} ] } ] ) ``` **场景 5：代码生成与开发** 需求： * 高代码质量 * 多语言支持 * 最佳实践 推荐：**Claude Sonnet 5.5**。既有 Sonnet 4.6 代码链路只在灰度迁移和回退期间保留。 特点： * 在项目自己的代码评测集上比较正确性、可运行性和维护成本 * 重新测量新 tokenizer 带来的 token、延迟和 `max_tokens` 变化 * 默认 Adaptive Thinking；移除手动 thinking budget 和非默认 sampling 参数 ```python # 代码生成示例 response = client.messages.create( model="claude-sonnet-5-5", max_tokens=2000, system="""You are an expert software architect. Generate clean, well-structured code with: - Type hints - Error handling - Unit tests - Documentation """, messages=[{"role": "user", "content": requirement}] ) ``` **场景 6：研究与学术应用** 需求： * 论文分析和总结 * 文献综述生成 * 假设验证 推荐：新项目评测 **Claude Sonnet 5.5** 或 **GPT-5.4**；既有 Sonnet 4.6 仅作为迁移基线。 | 历史快照对比维度 | Claude Sonnet 4.6 | GPT-5.4 | | -------- | ----------------- | ------- | | 数学推理 | 89.2% | 92.1% | | 论文理解 | 优秀 | 优秀 | | 知识截止 | 2025-08 | 2025-08 | | 幻觉率 | 1.3% | 1.1% | **场景 7：实时 API 与集成** 需求： * 高可用性 * 低延迟 * 可靠性高 推荐：**Claude Haiku 4.5**（主要）+**Claude Sonnet 5.5**（关键请求候选）。既有 Sonnet 4.6 仅用于灰度迁移与回退。 ```python # 多层级路由策略 def select_model(priority: str) -> str: if priority == "critical": return "claude-sonnet-5-5" # 关键请求先经业务评测 else: return "claude-haiku-4-5-20251001" # 更快更便宜 ``` ## 第四节 迁移指南 ### 4.1 从 GPT-5.4 迁移到 Claude **相似的概念映射** | GPT-5.4 概念 | Claude 等价物 | | ---------------- | -------------------------- | | System message | System prompt | | Function calling | Tools | | GPT-5.4 Vision | Vision capabilities | | Embeddings API | （需要第三方） | | Fine-tuning | （不普遍开放，仅特定企业客户，见 12.2 FAQ） | **API 差异** ```python # GPT-5.4 风格 from openai import OpenAI client = OpenAI() response = client.chat.completions.create( model="gpt-5.4", messages=[{"role": "user", "content": "Hello"}] ) # Claude 风格 import anthropic client = anthropic.Anthropic() response = client.messages.create( model="claude-opus-5-5", messages=[{"role": "user", "content": "Hello"}], max_tokens=1000 ) ``` 注：上例 OpenAI 侧使用 Chat Completions 接口（`client.chat.completions.create`），它仍受官方支持、也是存量代码中最常见的写法，便于与 Claude 的 `messages` 参数逐项对照；但 OpenAI 现行主推的是 Responses API（`client.responses.create(model="gpt-5.4", input=...)`），新项目应优先使用后者。 **逐步迁移策略** 1. **第一阶段**：在非关键应用中进行 A/B 测试 2. **第二阶段**：监控性能和成本指标 3. **第三阶段**：针对特定用例优化提示 4. **第四阶段**：完全迁移或混合策略 ```python # A/B 测试框架 def ab_test_models(query: str, traffic_split: float = 0.5) -> dict: import random if random.random() < traffic_split: # 测试 Claude response = claude_client.messages.create( model="claude-sonnet-5-5", max_tokens=1000, messages=[{"role": "user", "content": query}] ) return {"model": "claude", "response": response} else: # 保持 GPT-5.4 response = openai_client.chat.completions.create( model="gpt-5.4", messages=[{"role": "user", "content": query}] ) return {"model": "gpt5", "response": response} ``` ### 4.2 成本迁移影响分析 假设当前使用 GPT-5.4 的应用： **场景：每月 1000 万个请求** ``` 当前成本（GPT-5.4）: 输入: 1000 万 × 500 token × $2.50/M = $12,500 输出: 1000 万 × 200 token × $15/M = $30,000 总计: $42,500/月 迁移后成本（Claude Sonnet 5.5）: 输入: 1000 万 × 500 token × $2/M = $10,000 输出: 1000 万 × 200 token × $10/M = $20,000 总计: $30,000/月 注意：500/200 必须是 Sonnet 5.5 重新计数后的平均 token，不能复用 Sonnet 4.6 的统计 或迁移至 GPT-5.4 mini 以降低成本: 输入: 1000 万 × 500 token × $0.75/M = $3,750 输出: 1000 万 × 200 token × $4.50/M = $9,000 总计: $12,750/月 节省: $29,750/月 (70% 成本降低) ``` ## 第五节 总结与决策框架 ### 5.1 快速决策流程 ```mermaid graph TD A["模型选择决策树"] B["需要多模态吗?"] B1["必须支持视频
→ Gemini 3.1 Pro"] B2["只需图像
→ Claude Opus 5.5 或 GPT-5.4"] B3["不需要
→ 继续"] C["延迟要求是什么?"] C1["<200ms
→ Claude Haiku 4.5"] C2["<500ms
→ Claude Sonnet 5.5"] C3[">1s
→ Claude Opus 4.8"] D["月度成本预算"] D1["<$1000
→ Haiku"] D2["$1000-10000
→ Sonnet"] D3[">$10000
→ 多模型混合"] E["确认选择 → 开始试用"] A --> B B --> B1 B --> B2 B --> B3 B3 --> C C --> C1 C --> C2 C --> C3 C3 --> D D --> D1 D --> D2 D --> D3 D --> E ``` ### 5.2 选择决策表 | 需求 | Claude | GPT-5.4 | Gemini | | ---- | ------ | ------- | ------ | | 最低成本 | ✓✓✓ | ✗ | ✓✓ | | 最快速度 | ✓✓✓ | ✗ | ✓✓ | | 最高质量 | ✓✓✓ | ✓✓ | ✓✓ | | 多模态 | ✓✓ | ✓✓ | ✓✓✓ | | 编程能力 | ✓✓✓ | ✓✓ | ✓✓ | | 推理能力 | ✓✓✓ | ✓✓ | ✓✓ | | 社区生态 | ✓✓ | ✓✓✓ | ✓ | | 安全性 | ✓✓✓ | ✓✓ | ✓✓ | ### 5.3 成本-性能 Pareto 前沿分析 在选择模型时，我们需要在 **成本** 和 **性能** 之间找到最优平衡点。Pareto 前沿分析帮助识别哪些模型在这个权衡中最具有价值。 ### Pareto 前沿的定义 **Pareto 前沿** 是一组“没有其他模型既更便宜又更强”的模型。在这条曲线上的任何选择都代表某种权衡的最优点。 ```mermaid graph TD A["Pareto 前沿分析：性能 vs 成本"] B["历史评分 97: Claude Opus 4.7
生产候选: Opus 4.8"] C["综合评分 94 / 93: GPT-5.4, Gemini 3.1 Pro
(严格 2D Pareto 前沿)"] D["综合评分 90: DeepSeek-V3"] E["综合评分 84 / 77: Gemini 3.1 Flash, Haiku 4.5"] F["输入成本范围: $0.075-$5.00/百万 token"] A --> B A --> C A --> D A --> E A --> F ``` ### 历史快照严格 2D Pareto 前沿与实用候选 基于历史输入成本和综合性能评分（MATH + HE + MMLU 的平均值），以下区分当时的严格 2D Pareto 前沿模型与生态内实用候选。若只看“更便宜且更高分”两个维度，Sonnet 4.6 不在严格前沿上；它在本表中的位置仅用于解释历史评估方法，不是当前新项目推荐。新项目应另行评测 Sonnet 5.5；既有 Sonnet 4.6 系统按迁移清单灰度升级。当前 Opus 选型应评测 Opus 5.5，不能把历史 4.7 分数当作新型号的官方 benchmark。 | 模型 | 输入成本 ($/M) | 综合评分 (%) | 推荐场景 | 位置 | | --------------------------- | ---------- | -------- | ------------------------------ | --------------- | | **Claude Haiku 4.5** | $1.00 | 77 | 实时应用、成本极限 | 左下角（极限便宜） | | **Gemini 3.1 Flash** | $0.075 | 84 | 轻量应用、多模态 | 极低成本 | | **GPT-5.4** | $2.50 | 94 | 编程与推理、知识时效 | 中偏左（高性价比） | | **Claude Sonnet 4.6（历史快照）** | $3.00 | 92 | 当时的 Claude 生态通用候选 | 实用候选（非严格 2D 前沿） | | **Gemini 3.1 Pro** | $2.00 | 93 | 多模态优先 | 中偏右（成本优化） | | **Claude Opus 4.7（历史快照）** | $5.00 | 97 | 历史 benchmark 参考；新选型评估 Opus 4.8 | 右上角（历史最高性能） | **不在 Pareto 前沿上的模型**（更好的替代品存在）： * Llama 4 ($0.50/M, 78%): Haiku ($1/M, 77%) 功能更完整，成本相近 ✗ * Gemini 2.5 Pro（旧版本）: 已被 Gemini 3.1 Pro ($2/M, 93%) 在性能和功能上全面超越 ✗ * 已停用模型: GPT-4 Turbo ($10/M, 86%): 被 Sonnet ($3/M, 92%) 击败 ✗ ### 成本结构的详细分析 不同模型在不同缓存和批处理场景下的真实成本差异： **基础场景：标准对话（无缓存，无批处理）** ``` 单次请求成本（输入 500 token + 输出 200 token） Haiku: ($1 × 500 + $5 × 200) / 1M = $0.0015 Sonnet 5.5: ($2 × 500 + $10 × 200) / 1M = $0.0030 Sonnet 4.6: ($3 × 500 + $15 × 200) / 1M = $0.0045 Opus 4.8: ($5 × 500 + $25 × 200) / 1M = $0.0075 GPT-5.4: ($2.50 × 500 + $15 × 200) / 1M = $0.00425 GPT-5.4 mini: ($0.75 × 500 + $4.50 × 200) / 1M = $0.00128 Gemini 3.1: ($2 × 500 + $12 × 200) / 1M = $0.0034 ``` **使用 5 分钟缓存（10000 token 长上下文）** ``` 场景：第 1 次写入 + 后续 5 次读取 Haiku: 写入: 10000 × 1.25 × $1/M = $0.0125 读取: 5 × 10000 × 0.1 × $1/M = $0.0050 小计: $0.0175 (平均每次 $0.00292) Sonnet 5.5: 写入: 10000 × 1.25 × $2/M = $0.0250 读取: 5 × 10000 × 0.1 × $2/M = $0.0100 小计: $0.0350 (平均每次 $0.00583) Opus 4.8: 写入: 10000 × 1.25 × $5/M = $0.0625 读取: 5 × 10000 × 0.1 × $5/M = $0.0250 小计: $0.0875 (平均每次 $0.01458) ``` **使用 Batch API（50% 折扣，但需要 24 小时延迟）** ``` 批处理 1000 个请求 Haiku: 基础成本: 1000 × $0.0015 = $1.50 批处理折扣: $1.50 × 0.5 = $0.75 Sonnet 5.5: 基础成本: 1000 × $0.0030 = $3.00 批处理折扣: $3.00 × 0.5 = $1.50 Opus 4.8: 基础成本: 1000 × $0.0075 = $7.50 批处理折扣: $7.50 × 0.5 = $3.75 ``` ### 选择框架：按预算和性能需求 ```mermaid graph TD A["预算分段决策树"] B["预算 ≤ $100/月"] B1["优先级: 成本 > 性能"] B2["推荐: Claude Haiku 4.5"] B3["用途: 实时客服、内容审核、基础分类"] B4["吞吐: 100K-1M 请求/月"] C["预算 $100-$1000/月"] C1["优先级: 成本 ≈ 性能"] C2["推荐: Claude Sonnet 5.5"] C3["用途: 通用应用、内容生成、代码助手"] C4["吞吐: 20K-100K 请求/月"] D["预算 $1000-$5000/月"] D1["优先级: 性能 > 成本"] D2["推荐: Sonnet 5.5 + 少量 Opus 5.5"] D3["用途: 混合工作流"] D4["吞吐: 5K-20K 请求/月"] E["预算 > $5000/月"] E1["优先级: 性能 >> 成本"] E2["推荐: Claude Opus 5.5"] E3["用途: 研究、金融分析、医学诊断"] E4["吞吐: <5K 请求/月"] A --> B B --> B1 & B2 & B3 & B4 A --> C C --> C1 & C2 & C3 & C4 A --> D D --> D1 & D2 & D3 & D4 A --> E E --> E1 & E2 & E3 & E4 ``` ### 缓存和批处理的成本优化 **何时启用缓存** ```python def should_use_cache(num_requests: int, context_size_tokens: int, time_window_minutes: int = 60) -> bool: """ 判断是否应该使用缓存 对于 N 个请求、context_size tokens 的场景： - 5分钟缓存临界点：N > 1.28（舍入到 2） - 1小时缓存临界点：N > 2.11（舍入到 3） 注：临界点只取决于请求次数（缓存写/读价格与上下文大小同比例缩放， context_size_tokens 在公式中约去），保留该参数仅为接口完整性。 """ if time_window_minutes == 5: return num_requests >= 2 elif time_window_minutes == 60: return num_requests >= 3 else: # 一般规则：平均每分钟 >0.05 个请求 requests_per_minute = num_requests / time_window_minutes return requests_per_minute > 0.05 # 应用示例 should_cache_1 = should_use_cache(5, 10000, 5) # True (5 >= 2) should_cache_2 = should_use_cache(2, 10000, 60) # False (2 < 3) should_cache_3 = should_use_cache(50, 10000, 60) # True (50 >= 3) ``` **何时启用 Batch API** ```python def should_use_batch_api(num_requests: int, urgency: str = "normal") -> bool: """ 判断是否应该使用 Batch API - Batch API: 50% 折扣，24 小时延迟 - 适用于后台任务、离线处理 """ if urgency == "realtime": return False # 实时任务不适合 # 经验规则：>100 个请求时，批处理的 50% 折扣超过了批队列等待的价值 return num_requests >= 100 # 应用示例 use_batch_1 = should_use_batch_api(50, "realtime") # False use_batch_2 = should_use_batch_api(500, "offline") # True use_batch_3 = should_use_batch_api(1000, "normal") # True ``` ### Pareto 前沿边界的数学定义 一个模型 M1 被认为在 Pareto 前沿上，当且仅当不存在另一个模型 M2 同时满足： ``` cost(M2) ≤ cost(M1) AND performance(M2) ≥ performance(M1) （至少有一个不等号是严格小于/大于） ``` 使用历史快照数据验证： ``` Claude Sonnet 4.6 ($3/M, 92%)： ├─ vs Haiku ($1/M, 77%): Sonnet 更贵但性能更强 → 都在前沿上 ✓ ├─ vs Opus 档历史快照 ($5/M, 97%): Sonnet 更便宜但性能更弱 → 都在前沿上 ✓ ├─ vs GPT-5.4 ($2.50/M, 94%): GPT-5.4 更便宜且性能更高 → Sonnet 被支配 ✗ └─ vs Gemini 3.1 Pro ($2/M, 93%): Gemini 更便宜且性能更高 → Sonnet 被支配 ✗ 严格 2D Pareto 分析：Sonnet 4.6 不在前沿上（被 GPT-5.4 支配）。 但实际选型需考虑更多维度：Sonnet 拥有成熟的缓存/批处理工具链、 更强的安全对齐、更好的中文支持，以及与 Claude 生态的无缝集成。 这些维度解释了 Sonnet 4.6 在该历史快照中的实用候选位置；当前新项目应评测 Sonnet 5.5，既有 Sonnet 4.6 只在灰度迁移与回退期间保留。 ``` ### 5.4 推荐使用原则 1. **新项目先评测 Claude Sonnet 5.5**：既有 Sonnet 4.6 系统按迁移清单灰度升级，不用“适应 80%”这类无来源比例替代业务评测 2. **成本极限选 Haiku 4.5**：降低成本 70%，性能下降 15%，Pareto 前沿左端 3. **超高质量选 Opus 5.5**：当前 Opus 档型号，成本较高，适合最难任务 4. **多模态优先 Gemini 3.1 Pro**：视频理解与搜索整合强，1M 上下文，成本相对较低 5. **混合策略最优**： * 高频日常任务用 Haiku（70% 流量） * 关键任务用 Sonnet 5.5（25% 流量；既有 Sonnet 4.6 仅用于灰度迁移与回退） * 超高精度用 Opus 5.5（5% 流量） *** 本章提供的 Pareto 前沿分析和决策框架应该能帮助你在众多选择中找到最适合的模型。关键洞察：没有绝对的“最好”模型，只有最适合你的 **成本-性能权衡点**。记住，Pareto 前沿上的任何模型都是合理选择，取决于你的具体预算和性能优先级。