> 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 Claude 顶配模型口径**：1.1 节表格列出 Fable 5 与 Claude 当前主力三档（Opus 4.8 / Sonnet 4.6 / Haiku 4.5）。其中 2026-06-09 发布的 **Claude Fable 5**（$10/$50、1M 上下文、128K 输出，能力最强的广泛发布模型）为更高一档的新模型；但 2026-06-12 起访问暂停，尚未纳入本附录的生产选型矩阵。本章的生产推荐应优先写 **Opus 4.8**；如表格仍标注 Opus 4.7，是为了保留历史发布时的公开 benchmark 快照和 tokenizer 迁移说明。实际采购、路由和竞品对比必须重新核验官方模型页、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（2026-06-09 GA；2026-06-12 起访问暂停）；Opus 4.8 / Sonnet 4.6 / Haiku 4.5 | 2026-06 | | OpenAI | GPT | GPT-5.5（GPT-5 于 2025-08 首发） | 2026-04 | | 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。本表与正文 GPT 列以 2026-03 快照对齐到 GPT-5.4；OpenAI 已于 2026-04-23 发布 GPT-5.5（API 定价 $5/$30 per M tokens），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 | 64K 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 4.8 ✓ ├─ 高 (数据分析、架构设计) │ └─ Claude Sonnet 4.6 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 4.8 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 4.6 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 4.6 └─ >1 秒可接受 └─ Claude Opus 4.8 ``` ### 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 4.6** ```python # 配置示例 response = client.messages.create( model="claude-sonnet-4-6", max_tokens=2000, system="You are a creative writing expert...", messages=[{"role": "user", "content": prompt}] ) ``` 成本：每个请求约 $0.01-0.03 质量：95%+ 满意度 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 4.8 + Adaptive Thinking** ```python # 配置示例 response = client.messages.create( model="claude-opus-4-8", 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-4-8", 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 4.6** 特点： * HumanEval 92.3% * 支持 50+ 编程语言 * 自动包含错误处理和注释 ```python # 代码生成示例 response = client.messages.create( model="claude-sonnet-4-6", 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：**Claude Sonnet 4.6** 或 **GPT-5.4** | 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 4.6**（备用） ```python # 多层级路由策略 def select_model(priority: str) -> str: if priority == "critical": return "claude-sonnet-4-6" # 更可靠 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-4-8", 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-4-6", 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 4.6）: 输入: 1000 万 × 500 token × $3/M = $15,000 输出: 1000 万 × 200 token × $15/M = $30,000 总计: $45,000/月 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 4.8 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 4.6"] 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["成本范围: $5-$25/百万输入token"] A --> B A --> C A --> D A --> E A --> F ``` ### 当前严格 2D Pareto 前沿与实用候选 基于输入成本和综合性能评分（MATH + HE + MMLU 的平均值），以下区分严格 2D Pareto 前沿模型与生态内实用候选。若只看“更便宜且更高分”两个维度，Sonnet 4.6 不在严格前沿上；若限定 Claude 生态、工具链、安全对齐和中文体验，它仍可作为通用推荐。下表的精确分数沿用历史快照；当前生产选型应把 Opus 4.8 作为 Opus 档候选重新评估，而不是把历史 4.7 分数直接当作 4.8 官方 benchmark。 | 模型 | 输入成本 ($/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** | $3.00 | 92 | **Claude 生态通用推荐** | 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: ($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: 写入: 10000 × 1.25 × $3/M = $0.0375 读取: 5 × 10000 × 0.1 × $3/M = $0.0150 小计: $0.0525 (平均每次 $0.00875) 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 4.6: 基础成本: 1000 × $0.0045 = $4.50 批处理折扣: $4.50 × 0.5 = $2.25 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 4.6"] 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 4.6 + 少量 Opus 4.8"] 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 4.8"] 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） ``` 使用当前数据验证： ``` 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。 这些维度使 Sonnet 4.6 仍然是 Claude 生态内最具性价比的通用选择。 ``` ### 5.4 推荐使用原则 1. **默认选择 Claude Sonnet 4.6**：在 Claude 生态内综合性价比最优，适应 80% 的用例 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 4.8**：当前 Opus 档旗舰，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（25% 流量） * 超高精度用 Opus 4.8（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。 --- # Agent Instructions This documentation is published with GitBook. GitBook is the documentation platform designed so that both humans and AI agents can read, navigate, and reason over technical content effectively. Learn more at gitbook.com. ## Querying This Documentation If you need additional information that is not directly available in this page, you can query the documentation dynamically by asking a question. Perform an HTTP GET request on the current page URL with the `ask` query parameter, and the optional `goal` query parameter: ``` GET https://yeasy.gitbook.io/claude_guide/fu-lu/12_appendix/12.6_model_comparison.md?ask=&goal= ``` `ask` is the immediate question: it should be specific, self-contained, and written in natural language. `goal` is optional and describes the broader end goal you are ultimately trying to accomplish on behalf of the user. GitBook uses it to tailor the answer towards what is most useful for that goal. The response will contain a direct answer to the question and relevant excerpts and sources from the documentation. Use this mechanism when the answer is not explicitly present in the current page, you need clarification or additional context, or you want to retrieve related documentation sections.