本页速答
Claude Haiku和Sonnet怎么选（2026-11-03）：短分类、格式转换、大量简单草稿 → 先试更轻量（界面中的 Haiku 或同级）→ 长推理、多约束写作、细致代码审查 → 试 Sonnet（或同级更高）→ 用同一提示各跑一次看错误类型再固定。不看第三方测速截图当真。
| 任务 | 更常先试 | 升级信号 |
|---|---|---|
| 标签分类 / 抽取字段 | 轻量 | 规则一多就漏字段 |
| 会议纪要结构 | 轻量或中档 | 人名关系经常张冠李戴 |
| 合同风险审阅 | 中高档 | 必须人工终审 |
| 多文件交叉 | 中高档 | 引用经常串台 |
| 代码窄审查 | 中高档 | 见代码审查提示词文 |
任务映射原则
- 容错低（钱、法务、医疗建议）→ 更高能力 + 强制人工。
- 吞吐高（千条短文本）→ 轻量 + 严格 JSON schema。
- 提示极长、工具多 → 先看官方上下文与工具说明，再选型号。
何时升级 / 降级
- 轻量连续两轮漏同一约束 → 升级。
- 中高档已稳定且任务变简单 → 可降级省用量。
- 不要在生产提示里每周盲换默认模型。
聊天与 API 注意
聊天下拉框与 API model id 可能不同名。集成时以 API 文档字符串为准，见 API 入门。跨产品选型参考 vs ChatGPT / vs Gemini，仍避免虚构参数表。
三类真实场景怎么处理
场景 A：客服草稿
轻量生成 + 模板校验；升级仅用于投诉升级单。
场景 B：技术方案对照
Sonnet（或更高）做利弊表；你补公司约束。
场景 C：学生作业辅导
先轻量给思路；防直接交卷。学术诚信自负。
用小样本做选型，而不是信仰跑分
第三方测速与排行更新快，且场景未必匹配你的提示。可靠做法是：准备 5 条真实任务（含 1 条难题、1 条格式严格、1 条长上下文），在可选型号上盲测，记录错误类型：漏约束、胡编 API、格式损坏、过度啰嗦。选「错误更可接受」的，而不是「读起来更聪明」的。
轻量型号适合高吞吐管道：分类、清洗、草稿。中高档适合：多约束写作、细致审查、跨段推理。若产品界面还有更高型号，把它留给最终质检或高风险步骤，而不是每句闲聊。用量与计划限制见 用量 与 Pro，价格数字以官方账单为准。
提示质量经常比换型号更值钱。同一模糊提示在更高型号上也会空转。先用 模板 收紧输出，再决定是否升级。跨生态对比读 vs ChatGPT、vs Gemini，同样避免虚构参数。
- 五条真实题盲测。
- 记录错误类型而非体感。
- 管道分级：草稿轻量 / 终审中高。
- 不把网友截图当 SLA。
团队默认模型治理
在团队文档写清：默认型号、可升级条件、禁止用于何种数据。季度回顾一次盲测集。避免每人私自切换导致输出风格分裂。API 集成把 model id 配置化，见 API。
选型决策记录（建议模板）
团队每次调整默认型号，写四行：任务集、盲测日期、关键错误对比、决定与回滚条件。回滚条件示例：「格式损坏率 > 某阈值」或「关键法务任务漏约束」。没有记录的切换，三个月后无人知道为何变慢或变贵。
个人使用者可用更轻量方法：手机备忘录列出「这类题用 A / 这类题用 B」。遇到新题先匹配类型。不要因为一次翻车永久弃用某型号；翻车常来自提示。先修提示，再谈升级。
涉及对外自动回复或代码合并的流水线，把型号钉死在配置，并在变更时走评审。聊天里随手切换可以，自动化里不可以。计费与额度变化只看官方面板，不看自媒体。对照阅读 Pro。
- 决策四行记录。
- 先修提示再升级。
- 自动化钉死型号。
- 价格以官方为准。
同题双跑的操作细则
固定提示、固定温度类设置（若可调）、固定输入附件，只改型号。输出后对比：约束满足数、是否胡编、格式是否可解析。用表格记录，而不是凭「感觉 Sonnet 更好」。若差异不稳定，先稳定提示词，再比较型号。
对于分类任务，看的是精确率/召回的粗糙代理：抽 30 条人工标。对于写作任务，看的是必须包含的要点覆盖。不同任务不同指标，禁止用单一「文笔分」决定默认模型。
常见选型误区
误区一：永远用最高型号「更安心」。结果额度更快触顶，简单任务也变慢。误区二：永远用最轻量「更省」。结果在关键交付翻车。误区三：听信单一网红对比视频。正确做法是小样本与任务分级。把误区写进团队 FAQ。
型号名字会迭代，逻辑不变：匹配任务与容错。界面改名时更新内部文档，不必重写全部提示词。
与提示词、工具链的搭配
轻量型号配严格 schema，常能完成抽取；中高档配开放写作，再加人工改。工具调用链路上，把选型写进编排配置。评估时分开看「模型错误」与「工具错误」。换型号解决不了错误的 API 权限。
若你的界面只有一个默认模型，本页的对照仍有助于理解任务难度，并决定何时拆成多步或引入人工。不要因为不能切型号就放弃提示词优化。
选型检查单（可打印）
开写前问自己：容错要求高吗？要不要严格结构化输出？上下文是否很长？是否批量高吞吐？高容错或长推理偏中高档；高吞吐短任务偏轻量。写完再用同题抽检。把检查单放进团队 wiki，新人少迷信跑分图。
当你只能使用单一型号时，用多步分解模拟「轻量草稿+中高档终审」：先要提纲，再要终稿，人工夹在中间。这也能接近分层收益，而不依赖切换开关。
最后再次强调：本站不提供价格、延迟、官方排名数字；一切以你账号内说明与实测为准。跨产品选择继续参考 vs ChatGPT 与 vs Gemini 两文的任务视角。
常见问题
Haiku 是不是一定更便宜？
常见定位偏轻量，但实时价格以官方为准，本站不报价。
Sonnet 是否总是更聪明？
更适合复杂推理的场景居多，仍取决于提示与任务；用小样本对比。
还有 Opus 等其它型号？
以账号内可选列表为准；选型逻辑同样是任务匹配。
选错了会怎样？
轻量模型可能漏约束；过重模型可能浪费额度。可先小样本。
和 Pro 订阅关系？
订阅与模型可用性以账户权益说明为准，详见 Pro 文，不在此打包承诺。
能同时开两个模型对比吗？
若界面支持选模型，可同题分跑；注意用量。