Anthropic 发布了三个模型，但大多数人就选一个用到天荒地老——或者压根不知道区别在哪。
这就像用大锤挂相框。能挂上，但工具用错了。
一句话总结
Opus 深度思考，Sonnet 完成工作，Haiku 极速执行。 大多数任务选 Sonnet，极少数需要 Opus，而 Haiku 的适用范围比你以为的大得多。
横向对比：三款模型各有所长
Claude Opus——真正的深度思考
适用场景： 推理质量直接决定重要结果的任务。
Opus 不是日常之选，而是当决策确实重要时才动用的底牌。把它想象成聘请外部顾问——你不会让顾问帮你写邮件，但涉及重大决策时，他是值得的。
本质： 按质论价，不是日常消耗品。
Claude Sonnet——你的默认选项
适用场景： 写作、编码、分析、调研——80% 的日常工作。
Sonnet 应该全天候挂在线上。它够聪明——不是 Opus 的阉割版，而是大多数任务的性价比最优解。在速度上你能感受到明显差距，但在输出质量上，80% 的任务中 Sonnet 和 Opus 的差异你根本察觉不到。
本质： 速度与智能的黄金平衡点。
Claude Haiku——被严重低估的极速模型
适用场景： 简单、高频、批量任务。
Haiku 总被拿来和 Opus 比难度，然后被嘲笑。这种比较本身就是错的。正确的思维模型：Haiku 适合所有不需要"思考"的任务。
本质： 不思考，就该用 Haiku。
成本账：自动化场景下差距触目惊心
如果你用 API 构建自动化流程或 agent 循环，以 1000 次调用为例：
| 模型 | 相对成本 |
|---|---|
| Opus | $60 |
| Sonnet | ~$10 |
| Haiku | $1 |
核心问题： 这个任务真的需要 Opus 吗？
五大常见错误
- ** Opus 走天下**——感觉安全，但浪费时间和预算。大多数任务不需要它。
- ** Haiku 硬扛复杂写作**——它会在细节和层次上偷工减料，质量差距肉眼可见。
- ** 项目全程不换模型**——正确姿势：Sonnet 打草稿 → 遇推理瓶颈切 Opus → Haiku 做收尾。
- ** 默认 Sonnet "不如" Opus**——80% 任务两者输出无差异，先测再下结论。
- ** Agent 循环里用 Opus**——调用 50 次的 loop 还上 Opus，就是烧钱买焦虑。
95% 场景的决策规则
简单/重复/批量任务 → Haiku
默认 → Sonnet
推理质量决定高风险结果 → Opus
不确定 → 先 Sonnet，输出不满意再升级 Opus
自动化 Pipeline → 默认 Haiku，只在质量关键节点升到 Sonnet
最贵的错误不是用 Opus 太多，而是用错模型、却不知道为什么结果不稳定。
原文：@0xMortyx | SOTA Sync 解读