模型与定价

这一课你将能做到

1. 说出 Opus、Sonnet、Haiku 三档模型的定位差异，并按任务难度用 /model 或 --model 正确选型
2. 区分订阅（Pro/Max）与 API 计费两种模式，知道各自的用量逻辑与查看方式
3. 用模型分档、/clear、/compact、prompt caching、extended thinking 五个手段把成本控制在合理区间

为什么要学

用 Claude Code 不控制模型与上下文，就像打车不看计价器：订阅用户会莫名撞上用量上限，API 用户会收到超出预期的账单。反过来，会选型的人用一半的钱干一样的活：简单查询丢给最便宜最快的模型，硬骨头才请出最强模型。这也是面试高频题——「你们如何控制 AI 辅助开发的成本」。

人话：Opus 是专家会诊，Sonnet 是全科医生（默认主力），Haiku 是分诊台护士（快、便宜）。小病别挂专家号。

先建立图像

任务难度 ↑
│  架构设计/疑难 bug/大型重构   → Opus    深度推理，最贵最慢
│  日常功能/修 bug/写测试/review → Sonnet  均衡，默认选择
│  改文案/简单查询/批量小任务    → Haiku   最快最便宜
└──────────────────────────────
     成本与速度 →  Haiku < Sonnet < Opus

费用结构（API 用户视角）：

一次请求花费 = 输入 token 费 + 输出 token 费
             ↑ 上下文越长越贵        ↑ 让它写得越多越贵
             └ 命中 prompt cache 的输入按大幅折扣计价

跟着做

步骤 1：查看与切换模型

# 会话内
/model        # 弹出模型选择界面，查看当前可用模型列表

# 启动时指定（支持别名）
claude --model opus
claude --model sonnet
claude --model haiku

以 /model 界面列出的版本为准，别名会指向当前推荐的版本。

步骤 2：看懂自己的账

/cost      # 当前会话 token 用量与花费
/status    # 当前账号、模型、版本等状态总览

• 订阅用户：关注的是用量限额（有小时级/周级窗口，达到后限速），/cost 对订阅用户显示的是参考信息而非扣费。
• API 用户：去 Anthropic Console 看实时账单与用量明细；/cost 显示本次会话累计。

步骤 3：主动触发深度思考

Claude 在复杂问题上可以进入 extended thinking（扩展思考）模式，先用思考 token 拆解问题再作答。口头触发，强度递增：

think          # 轻度思考
think hard     # 中度
think harder   # 高强度
ultrathink     # 最高强度，适合架构级难题

例：「ultrathink：这个分布式锁的超时方案在高并发下会不会死锁？」思考 token 也会计费，简单任务别开。

步骤 4：三档模型的日常搭配

# 日常开发：默认即可，无需指定
claude

# 批量处理 50 个文件的注释规范化：用 Haiku 控制成本
claude -p "为 $file 的公共方法补充 Javadoc" --model haiku

# 疑难杂症：临时换 Opus
claude --model opus

也可以在会话中途用 /model 随时切换，比如调研用 Sonnet、确认方案后用 Opus 实施。

步骤 5：把上下文成本压下来

/clear       # 换话题即清空，输入 token 归零重来
/compact     # 长任务中途压缩历史，只保留结论

配合习惯：让它读具体文件（@ 引用）而不是整个目录；长会话每 1-2 小时主动 compact 一次。

讲清楚要点

1. 默认是 Sonnet 档：绝大多数任务它已足够，无脑全程 Opus 是最常见的浪费。
2. 订阅与 API 是两套账：订阅按月封顶、有用量窗口，重交互日常使用；API 按 token 精确计费、可设额度，重自动化与集成。很多团队两者混合：人用订阅、CI 用 API。
3. 上下文长度是成本的放大器：同样一个问题，在 10k token 上下文里问比在 2k 里问贵好几倍。控制上下文 = 控制成本 = 提升质量，三件事是一件事。
4. prompt caching 自动生效：稳定的前缀（系统提示、CLAUDE.md、已读文件）命中缓存后按折扣计价，所以保持会话连贯反而比反复 /clear 更划算——「换话题才清、长会话压缩」是准绳。
5. 输出侧省钱靠「要什么写什么」：明确「只要结论、不要解释」「输出 JSON 不要 markdown」，输出 token 直接下降。

你可能会懵的地方

• 模型名后面那串数字（如 4.5 / 4.1）是什么？ 版本号。同一档（Opus/Sonnet/Haiku）会持续出新版。别背具体版本号，用 /model 查看当前可选列表，别名会自动指向最新推荐版。

• 订阅限额用完了怎么办？ 等待用量窗口重置，或切换到 API Key 按量付费继续用。两者可在 /login 中切换。

• ultrathink 和多问几遍有什么区别？ extended thinking 是模型内部先做长链推理再输出，问题拆解在「脑子里」完成，质量高于让它把推理过程当答案打出来；且思考内容按思考 token 计费。

• 为什么同样的问题今天和昨天花的钱不一样？ 上下文不同。会话里累积的文件内容、历史对话都是每次请求的输入。用 /cost 对比，通常差异都来自上下文长度。

• 怎么向团队汇报 AI 成本？ API 侧看 Console 账单按项目拆分；订阅侧按席位摊销。建议同时汇报「替代工时」口径（如每周节省的调试/写测试时间），成本才有对照意义。

错法对照

错法	问题	正解
所有任务都用最强模型	成本翻数倍，速度更慢	默认 Sonnet，难题才升 Opus
长会话从不清理	输入 token 滚雪球	定期 /compact，换话题 /clear
复杂架构问题吝啬思考预算	返工成本远超思考成本	用 ultrathink 一次想透
让它输出大段客套解释	输出 token 白烧	明确输出格式与长度
API Key 提交进 git	泄露被盗刷	用环境变量，密钥文件进 .gitignore
模型选型全凭个人手感	团队成本与质量不可预期	把分档原则写成约定并定期用 /cost 复盘

卡点急救

1. 频繁撞限流（429/用量上限）：降低模型档位、减少并发、错峰使用；订阅用户检查是否到了窗口上限。
2. 响应中途被截断：多为单次输出过长，要求「分步输出」「先给大纲确认再展开」。
3. /cost 显示与账单不符：/cost 统计当前会话，Console 账单含所有会话与缓存费用，且有结算延迟；以 Console 为准。

面试常问

• 如何为不同任务选择模型档位？ 按任务复杂度与容错成本分档：探索、总结、批量机械操作用低档；常规开发用中档；架构决策、疑难 bug、高风险重构用高档。再叠加 headless 中对子任务单独指定模型，实现整体最优性价比。

• token 成本优化的系统方法？ 四层：模型层（分档使用）、上下文层（/clear、/compact、@精确引用）、缓存层（利用 prompt caching，保持前缀稳定）、输出层（限定格式与篇幅）。监控用 /cost 与 Console 账单闭环。

• prompt caching 为什么能省钱？ 相同前缀（系统提示、项目记忆、公共文件）的 KV 计算结果被缓存复用，后续请求命中部分按大幅折扣计价。因此 CLAUDE.md 这类稳定内容放前面，频繁变化的内容放后面。

自测三问

1. 三档模型分别适合什么任务？默认是哪一档？
2. 订阅用户和 API 用户分别用什么方式监控用量？
3. 为什么「换话题才 /clear、长会话用 /compact」而不是一律 /clear？

小结一句话

成本控制的本质是「上下文管理」：模型分档、会话勤理、缓存友好、输出克制，四招让同样的预算多干一倍的活。

延伸

• 成本管理官方文档
• 下一课：上下文与 CLAUDE.md——用项目记忆文件让 Claude 永久记住你的团队规范，这是效果提升最大的一课。