一组来自 Anthropic 指南的数据给出了明确判断：在结果可自动判定的任务中，Opus 5.5 先以 low 档运行、失败题再以 high 档重跑，通过率约 97%，每题成本约 0.17 美元，比全程 high 的 95.3% 通过率、0.29 美元成本更优。

这是什么

Anthropic 在《Which Claude model should you build with?》中覆盖 Haiku 5.5、Sonnet 5.5、Opus 5.5 与 Fable 5.2，并比较不同 effort 档位。effort 是模型投入更多推理资源的工作档位，档位越高，通常越慢也越贵。

这套方法的关键不是简单“降低模型配置”，而是建立一条逐级处理链：先让便宜档位完成可验证任务，只把未通过的少数题目交给更高档位。前提是结果能够自动判断，例如测试通过、构建成功或脚本校验；如果需要人工逐题验收，节省下来的模型费用可能被复核时间抵消。

指南还强调，effort 提升不会补充模型本身缺少的知识或能力。遇到能力上限时，应先增加自动检查，再提高档位，最后才考虑换用更大模型，并从较低档位开始测试。

行业怎么看

我们认为，这份指南比“哪个模型最强”更值得关注，因为它把模型选型从固定价格表变成了任务调度问题。Fable 5.2 单价虽约为 Opus 5.5 的两倍，但在 FrontierCode 2.0 难题上，两者得分接近，Fable 5.2 的单题成本反而约为一半。价格贵不等于最终支出高，单位价格与完成任务消耗的 token 同样重要。

但这套结论不能被包装成普遍降本公式。97% 的结果来自 SWE-bench Pro 等特定基准及特定模型、档位和配置；真实业务还包含长上下文、工具调用、数据质量与失败重试等变量。指南中的部分对比也只有单次测试，没有给出误差范围，0.2 分的差异不足以证明模型更强。

另一个风险是，动态路由依赖可靠验收。如果测试本身不完整，模型可能用错误方式“通过”；若错误任务进入高成本环节，费用仍可能失控。企业需要同时监控通过率、重试率、验收准确率和最难任务占总成本的比例，而不是只看调用单价。

对普通人的影响

对企业 IT：采购模型时可以把“任务难度—验收方式—模型档位”写进路由规则，减少所有请求统一使用高配置的成本，同时保留复杂任务的质量。

对个人职场：使用 Claude Code 等工具时，默认 medium 通常更均衡；遇到少数难题再提高 effort，往往比全程开最高档更节省时间和费用。

对消费市场：企业若能把推理成本降低约四成，同类产品更可能增加免费额度、缩短等待时间，或把原本太贵的复杂功能变成常规服务。