Anthropic 的 Claude 模型版本到底在搞什么？一年迭代8个版本的命名混乱全解析

前几天帮一个朋友配 Claude API，他上来就问我："Claude Sonnet 4 和 Claude Sonnet 4.6 有什么区别？"

我说，Sonnet 4 快退役了，用 4.6。

他又问："那 Opus 4.1 呢？"

也快退役了，用 4.8。

"等等，4.8 是 Opus，4.6 是 Sonnet？这版本号怎么不在一条线上？"

我愣了一下，发现这个问题还真不好一句话解释清楚。Anthropic 在模型版本命名这件事上，确实搞得有点离谱。

今天就来好好捋一下，从 Claude 3 到现在的 Claude Opus 4.8，Anthropic 到底发了多少模型，命名逻辑是什么（或者说，有没有逻辑），以及你现在应该用哪个。

先说结论：现在该用什么

直接给答案，后面再展开：

• 需要最强能力、不差钱 → Claude Opus 4.8（$5/$25 每百万 token）
• 日常开发、性价比最优 → Claude Sonnet 4.6（$3/$15 每百万 token）
• 轻量任务、追求速度 → Claude Haiku 4.5（$1/$5 每百万 token）

这三个是当前在售的主力模型。其他的都快退役了或者已经退役了。

Anthropic 的模型命名到底有多乱

先来感受一下 Anthropic 过去一年多发了什么：

2024年的模型（已全部退役）：

• Claude 3 Haiku（2024年3月）→ 2026年4月退役
• Claude 3.5 Sonnet（2024年6月、10月两个版本）→ 2025年10月退役
• Claude 3.5 Haiku（2024年10月）→ 2026年2月退役

2025年的模型（大部分已退役或即将退役）：

• Claude 3.7 Sonnet（2025年2月）→ 2026年2月退役
• Claude Opus 4.0（2025年5月）→ 2026年6月15日退役
• Claude Sonnet 4.0（2025年5月）→ 2026年6月15日退役
• Claude Opus 4.1（2025年8月）→ 2026年8月5日退役
• Claude Haiku 4.5（2025年10月）→ 还在卖
• Claude Sonnet 4.5（2025年9月）→ 还在卖

2026年的模型：

• Claude Sonnet 4.6 → 还在卖
• Claude Opus 4.6 → 还在卖
• Claude Opus 4.7 → 还在卖
• Claude Opus 4.8 → 最新旗舰

你看出问题了吗？

Opus 从 4.0 一路迭代到 4.8，Sonnet 停在 4.6，Haiku 停在 4.5。 三个产品线的版本号完全不在一条线上。你不能说"Claude 4.8"，因为 Sonnet 4.8 不存在。你也不能说"Claude 4.6"，因为 Opus 4.6 和 Sonnet 4.6 是两个完全不同的模型。

这就好比苹果发布 iPhone 18 Pro、iPhone 16 和 iPhone 15 SE——你根本不知道谁比谁新。

更离谱的是中间跳号的问题。Opus 从 4.1 直接跳到 4.5，中间的 4.2、4.3、4.4 去哪了？没人知道。可能是内部版本没发布，也可能是 Anthropic 觉得版本号"4.5"听起来更高级。反正没有官方解释。

为什么会这样？我的猜测

Anthropic 没有公开解释过为什么这么命名，但根据他们的发布节奏，我猜原因是这样的：

Opus 迭代最快，因为他们最重视高端市场。从 4.0 到 4.8，不到一年就迭代了 5 个大版本。每次迭代间隔大概 2-3 个月。

Sonnet 迭代次之，从 4.0 到 4.6，4 个版本。

Haiku 最慢，从 4.5 开始就一直没动。

问题是，Anthropic 选择了"每个产品线独立编号"的策略，而不是"统一编号"。这就导致了现在的混乱局面。

如果他们学苹果，统一叫 Claude 5、Claude 6，就不会有这个问题。但他们偏要搞"Opus/Sonnet/Haiku"三条线，每条线自己编号，结果就是用户根本搞不清楚谁比谁新。

当前在售模型详解

Claude Opus 4.8 — 旗舰中的旗舰

这是 Anthropic 目前最强的模型，定位就是"什么都能干，什么都能干好"。

核心参数：

• 上下文窗口：100 万 token
• 最大输出：12.8 万 token
• 定价：$5 输入 / $25 输出（每百万 token）
• 知识截止：2026年1月
• 特殊能力：Adaptive Thinking（自适应思考），没有 Extended Thinking

说实话，Opus 4.8 的定价不便宜。如果你是个人开发者，日常用 Sonnet 就够了。但如果你在做复杂的 Agent 任务、需要处理超长上下文、或者对代码质量有极高要求，Opus 确实能感觉到差距。

我用它写过一些复杂的 Python 脚本，明显感觉它对代码结构的理解比 Sonnet 好一截。不是说 Sonnet 写不出来，而是 Opus 给出的方案更优雅，考虑的边界情况更全。

Opus 4.8 还有一个特点：它的 effort 参数默认是 high。这意味着它在所有场景下都会"全力以赴"，不会偷懒。这在 Claude API 和 Claude Code 里都是默认行为。如果你想让它快速回答简单问题，可以手动把 effort 调低。

Claude Sonnet 4.6 — 性价比之王

对大多数开发者来说，这才是最实用的模型。

核心参数：

• 上下文窗口：100 万 token
• 最大输出：6.4 万 token
• 定价：$3 输入 / $15 输出（每百万 token）
• 知识截止：2025年8月
• 特殊能力：Extended Thinking + Adaptive Thinking 都支持

Sonnet 4.6 是我日常用得最多的模型。写代码、做 Code Review、写文档、回答技术问题，它都能胜任。和 Opus 的差距主要体现在：超复杂推理任务、超长代码生成、以及一些需要深度理解业务逻辑的场景。

如果你不确定该用哪个，先从 Sonnet 开始。觉得不够再升 Opus。

Sonnet 4.6 有一个 Opus 4.8 没有的能力：Extended Thinking。这个功能可以让模型在回答之前先做一段"深度推理"，对数学题、逻辑推理、复杂代码特别有用。Opus 4.8 反而没有这个功能，用的是 Adaptive Thinking 代替。

Claude Haiku 4.5 — 速度最快

Haiku 的定位就是"快"和"便宜"。

核心参数：

• 上下文窗口：20 万 token
• 最大输出：6.4 万 token
• 定价：$1 输入 / $5 输出（每百万 token）
• 知识截止：2025年2月
• 特殊能力：支持 Extended Thinking，不支持 Adaptive Thinking

Haiku 适合的场景：快速分类、简单问答、数据提取、格式转换这类不需要深度推理的任务。上下文窗口只有 20 万 token，是 Opus 和 Sonnet 的五分之一，所以不适合处理长文档。

我经常用 Haiku 来做"预处理"——先把大量数据用 Haiku 快速过一遍，筛选出需要深入处理的部分，再交给 Sonnet 或 Opus。这样既省钱又不牺牲质量。

即将退役的模型，赶紧迁移

如果你的项目还在用以下模型，得抓紧迁移了：

2026年6月15日退役（写这篇文章的时候只剩9天）：

• claude-opus-4-20250514（Opus 4.0）→ 迁移到 claude-opus-4-8
• claude-sonnet-4-20250514（Sonnet 4.0）→ 迁移到 claude-sonnet-4-6

2026年8月5日退役：

• claude-opus-4-1-20250805（Opus 4.1）→ 迁移到 claude-opus-4-8

已经退役的：

• Claude 3.5 Sonnet（所有版本）→ 2025年10月退役
• Claude 3.7 Sonnet → 2026年2月退役
• Claude 3 Haiku → 2026年4月退役
• Claude 3.5 Haiku → 2026年2月退役

迁移的时候注意这几点：

1. API 调用可能需要调整 prompt

不同版本的模型对指令的理解方式有细微差别。比如 Opus 4.0 和 Opus 4.8 对同样的 system prompt 可能给出不同风格的回答。建议在新模型上跑一遍你的测试用例，看看输出是否符合预期。

2. 价格可能有变化

Opus 4.0 和 Opus 4.8 的定价一样（$5/$25），Sonnet 4.0 和 Sonnet 4.6 也一样（$3/$15）。但如果你从旧的 3.5 系列迁移过来，价格结构会有变化——新的 4 系列整体更贵，但能力也强很多。

3. 输出格式可能有差异

如果你的应用依赖特定的输出格式（比如 JSON schema、特定的代码风格），迁移后最好做一轮回归测试。模型版本更新有时候会导致输出格式的细微变化。

4. 怎么查你的项目用的哪个模型

Anthropic 提供了一个审计方法：登录 Claude Console → Usage 页面 → 点 Export 导出 CSV，里面会按 API Key 和模型名列出所有调用记录。这样你就能快速找到哪些地方还在用旧模型。

版本号之外的坑：模型 ID 的命名规则

Anthropic 的模型 ID 有两种风格：

带日期的：比如 claude-opus-4-20250514、claude-sonnet-4-20250514。这种 ID 锁定到具体的发布日期，不会变。

不带日期的：比如 claude-opus-4-8、claude-sonnet-4-6。从 4.6 代开始，Anthropic 改用了这种无日期格式。虽然不带日期，但它也是锁定到特定版本的快照，不是"永远指向最新版"的别名。

这一点很重要。你写代码的时候用 claude-sonnet-4-6，它不会自动升级到未来的 Sonnet 4.7。每个不带日期的 ID 都是一个固定版本。

对于 4.6 之前的模型，API alias（比如 claude-sonnet-4）是便利指针，会解析到对应的 dated ID。但从 4.6 开始，alias 的行为也变了——它本身就是 pinned snapshot。

如果你在意稳定性，建议在代码里明确写死模型 ID，不要依赖 alias。

Extended Thinking 和 Adaptive Thinking 是什么

这两个是 Claude 4 系列引入的推理增强功能，但很多分不清。

Extended Thinking（扩展思考）：模型在回答之前会先进行一段"内部推理"，这段推理过程不直接展示给用户，但会提高回答质量。适合数学、逻辑推理、复杂代码等场景。Sonnet 4.6 和 Haiku 4.5 支持，Opus 4.8 不支持（对，旗舰反而不支持，有点迷）。

Adaptive Thinking（自适应思考）：模型根据问题的复杂度自动决定"思考多久"。简单问题快速回答，复杂问题深入思考。Opus 4.8 和 Sonnet 4.6 支持，Haiku 4.5 不支持。

实际体验下来，Adaptive Thinking 的效果确实不错。你问它"1+1等于几"，它秒回"2"。你问它"帮我设计一个分布式锁的实现方案"，它会花更长时间思考，给出更周全的答案。

这两个功能的覆盖矩阵有点奇怪：

• Opus 4.8：只有 Adaptive Thinking，没有 Extended Thinking
• Sonnet 4.6：两个都有
• Haiku 4.5：只有 Extended Thinking，没有 Adaptive Thinking

也就是说 Sonnet 4.6 是功能最全的，旗舰 Opus 反而少了一个功能。这个设计决策我是没看懂。

和其他厂商的模型命名对比

吐槽完 Anthropic，也得横向对比一下其他厂商。

OpenAI：GPT-4、GPT-4 Turbo、GPT-4o、GPT-4o mini、GPT-4.1、GPT-4.1 mini、GPT-4.1 nano、GPT-5…… 命名也没好到哪去。但至少版本号是递增的——4、4.1、5，你能看出谁比谁新。

Google：Gemini 1.0、1.5、2.0、2.5，简单明了。Google 在命名这件事上做得最好，虽然模型能力不如 Claude 和 GPT，但至少用户不会搞混。

Meta：Llama 2、Llama 3、Llama 4。也很清晰，虽然有时候会有"3.1"、"3.2"、"3.3"这种小版本，但大方向是对的。

Anthropic 的问题是三条产品线各自编号，而且编号跳跃不规律。这在科技行业里算是比较少见的命名策略。

大批量 API 调用的成本控制

如果你的项目有大量 API 调用需求，模型选择对成本的影响不是一般的大。

举个例子，假设你每天处理 100 万条请求，每条请求平均 1000 token 输入、500 token 输出：

• 用 Haiku 4.5：每天 $3.5（约 ¥25）
• 用 Sonnet 4.6：每天 $22.5（约 ¥160）
• 用 Opus 4.8：每天 $17.5（约 ¥125）——等等，怎么 Opus 比 Sonnet 便宜？

不对，让我重新算。Haiku 是 $1/$5，Sonnet 是 $3/$15，Opus 是 $5/$25（都是每百万 token）。

100 万条请求 × 1000 token = 10 亿 input token = 1000 M token 100 万条请求 × 500 token = 5 亿 output token = 500 M token

• Haiku：1000 × $1 + 500 × $5 = $1000 + $2500 = $3500/天
• Sonnet：1000 × $3 + 500 × $15 = $3000 + $7500 = $10500/天
• Opus：1000 × $5 + 500 × $25 = $5000 + $12500 = $17500/天

差距很明显。如果你的业务场景允许，用 Haiku 处理简单请求、Sonnet 处理中等复杂度、Opus 只处理最复杂的任务，可以省很多钱。

Anthropic 还提供了 Batch API，可以享受 50% 的折扣。如果你的任务不是实时的（比如批量数据处理、离线分析），用 Batch API 可以直接砍半成本。

另外还有 Prompt Caching 功能，如果你的请求中有大量重复的 system prompt 或者上下文，缓存后可以大幅降低 input token 的费用。

在 Claude Code 中切换模型

Claude Code 是 Anthropic 出的终端 AI 编程工具，我之前写过对比文章。在 Claude Code 里切换模型很方便：

# 查看当前模型

claude config get model

# 切到 Sonnet 4.6（日常推荐）

claude config set model claude-sonnet-4-6

# 切到 Opus 4.8（复杂任务）

claude config set model claude-opus-4-8

# 切到 Haiku 4.5（轻量任务）

claude config set model claude-haiku-4-5

Claude Code 默认用的是 Sonnet。我个人的习惯是日常用 Sonnet，碰到特别复杂的任务临时切到 Opus。用完再切回来，避免不小心烧太多钱。

AWS Bedrock 和 Vertex AI 用户注意

如果你通过 AWS Bedrock 或 Google Vertex AI 使用 Claude，情况又不一样。

模型 ID 格式不同：

• Bedrock：anthropic.claude-opus-4-8、anthropic.claude-sonnet-4-6
• Vertex AI：claude-opus-4-8、claude-sonnet-4-6@20251001

退役时间表不同：Bedrock 和 Vertex AI 是合作方运营的平台，它们的退役时间表和 Anthropic 官方 API 不一样。可能 Anthropic 官方已经退役的模型，在 Bedrock 上还能用一段时间（或者反过来）。

所以如果你用的是第三方平台，一定要看对应平台的模型文档，不要只看 Anthropic 官方的。

Bedrock 从 Sonnet 4.5 开始还提供了两种端点：全球端点（动态路由，最大可用性）和区域端点（保证数据在特定地理区域内路由）。如果你对数据合规有要求，要注意选择区域端点。

模型退役背后的一些思考

Anthropic 退役模型的速度确实很快。Opus 4.0 从发布到退役只有一年出头，Sonnet 4.0 也差不多。这对开发者来说是个不小的成本——你得不断更新代码、测试新模型、处理迁移问题。

Anthropic 自己也承认了这个问题，说退役模型是为了"确保新模型有足够容量"。他们还承诺会长期保存模型权重，未来可能让退役模型重新上线。

但说实话，我觉得 Anthropic 的退役策略有点激进。OpenAI 的 GPT-4 发布两年多了还在卖，虽然不是推荐选项但至少还能用。Anthropic 是直接给你一个退役日期，到期就关。

这背后可能有商业考量——强制用户升级到新模型，新模型定价更高（或者能力更强让用户愿意付更多钱）。也可能真的是技术原因，老模型占着 GPU 资源不划算。

不管原因是什么，对开发者的建议是一样的：

1. 不要把模型 ID 写死在配置文件最深处，尽量用环境变量或配置中心管理
2. 定期检查 Anthropic 的模型退役页面
3. 新模型发布后尽早测试，别等到退役前才匆忙迁移
4. 如果你的应用对模型行为敏感（比如输出格式），每次迁移都要做回归测试
5. 考虑用抽象层封装模型调用，这样换模型只需要改一个配置

一个实用的模型选择决策树

最后给一个简单的决策树，帮你快速选模型：

你有多少预算？

• 预算充足 → Opus 4.8
• 预算适中 → Sonnet 4.6
• 预算紧张 → Haiku 4.5

你的任务有多复杂？

• 简单分类/提取/问答 → Haiku 4.5
• 日常编码/文档/分析 → Sonnet 4.6
• 复杂推理/大型重构/Agent 任务 → Opus 4.8

你对延迟有多敏感？

• 需要最快响应 → Haiku 4.5
• 可以等几秒 → Sonnet 4.6
• 可以等更久 → Opus 4.8

你需要多长的上下文？

• 20 万 token 够用 → 三个都行
• 需要 100 万 token → Sonnet 4.6 或 Opus 4.8

大多数情况下，Sonnet 4.6 是最安全的选择。不确定就用它。

后续计划

Anthropic 的模型迭代速度不会慢下来。Opus 4.9、Sonnet 4.7 迟早会来。到时候希望他们能把命名理清楚一点——至少让用户不用对着版本号发呆。

补充：Claude Mythos Preview 是什么

在官方模型列表里，还有一个很神秘的存在：Claude Mythos Preview。

这是 Anthropic 的一个研究预览模型，专门用于防御性网络安全工作流。它不属于 Claude 4 系列，而是 Project Glasswing 项目的一部分。

关键信息：

• 访问权限：仅限邀请，没有自助注册
• 用途：防御性网络安全
• 不在常规模型列表里

对普通开发者来说，这个模型基本接触不到。但它的存在说明 Anthropic 在安全领域的投入比公开的要多。如果你是做安全的，可以关注一下 Project Glasswing 的动态。

多平台定价对比

同一个 Claude 模型，在不同平台上的定价可能不一样：

Anthropic 官方 API：

• Opus 4.8：$5/$25 每百万 token
• Sonnet 4.6：$3/$15
• Haiku 4.5：$1/$5

AWS Bedrock：定价和 Anthropic 官方基本一致，但 Bedrock 有自己的免费额度和优惠计划。

Google Vertex AI：定价也差不多，但 Vertex AI 有时候会有自己的促销活动。

Microsoft Foundry：比较新的合作渠道，定价需要看具体页面。

如果你是企业用户，建议同时看几个平台的价格，有时候差异不大但免费额度和 SLA 会有区别。

另外 Anthropic 还有一个 Priority Tier（优先层级），三个在售模型都支持。Priority Tier 的请求会优先处理，延迟更低，但价格也更高。如果你的应用对延迟敏感，可以考虑开这个。

Prompt Caching 省钱技巧

Anthropic 的 Prompt Caching 是一个经常被忽略但很实用的功能。

原理很简单：如果你的多次请求中有相同的 system prompt 或者大段重复内容，开启缓存后，重复部分只在第一次请求时计费，后续请求的重复部分按 90% 折扣计算。

这对以下场景特别有用：

• 长 system prompt 的应用（比如 AI 助手、客服机器人）
• 需要注入大量上下文的 RAG 应用
• 多轮对话（历史消息可以缓存）

开启方式也不复杂，在 API 请求中加上缓存标记就行。具体可以看 Anthropic 的官方文档。

假设你的 system prompt 有 5000 token，每天处理 10 万次请求：

• 不缓存：5000 x 100000 = 5 亿 input token = 500 M token
• 用 Sonnet 4.6：500 x $3 = $1500/天
• 开缓存后：第一次 $3/M，后续 $0.30/M，平均下来大概 $300-$400/天

省的钱相当可观。

Batch API：非实时任务的省钱利器

如果你的任务不需要实时响应（比如批量数据处理、离线分析、大规模评测），Anthropic 的 Batch API 可以享受 50% 的折扣。

用法和普通 API 类似，只是把请求打包提交，Anthropic 会在 24 小时内处理完返回结果。

这对以下场景很适合：

• 大规模数据分类
• 文档批量摘要
• 代码批量审查
• 评测跑分

唯一的限制是不能实时——你提交后要等，可能几分钟也可能几小时。所以只适合离线任务。

关于 Claude Code 的模型选择

如果你主要用 Claude Code 来写代码，模型选择有额外的考量。

Claude Code 是 Anthropic 出的终端 AI 编程工具，它对模型的使用方式和普通 API 调用不太一样。Claude Code 需要模型理解你的代码库结构、读取文件、执行命令，这些都需要较强的推理能力和较长的上下文。

推荐配置：

• 日常使用：Sonnet 4.6。它的代码能力已经够强了，而且 Claude Code 会自动管理上下文窗口，100 万 token 的窗口足够处理大多数项目。
• 复杂任务：Opus 4.8。如果你在做大范围重构、跨文件修改、或者需要理解复杂业务逻辑，Opus 的表现更好。
• 不建议用 Haiku：Claude Code 的工作方式需要较强的推理能力，Haiku 太"轻"了，容易犯错。

Claude Code 还有一个有趣的特点：Opus 4.8 的 effort 参数默认是 high，这意味着它在 Claude Code 里会尽可能深入地分析问题。有时候你问一个简单问题，它会花很长时间思考——这是正常行为，不是卡了。

实际踩坑记录

说几个我在使用过程中碰到的实际问题：

1. Sonnet 4.0 到 4.6 的行为差异

我的一个项目用 Sonnet 4.0 做 JSON 数据提取，迁移到 4.6 后发现输出格式有细微变化——4.6 偶尔会在 JSON 前面加一段解释文字。解决办法是在 prompt 里更明确地要求"只输出 JSON，不要加任何解释"。

2. Opus 4.8 的"过度思考"

Opus 4.8 默认 effort=high，有时候会过度分析简单问题。比如你让它写一个简单的 for 循环，它可能会考虑边界情况、异常处理、性能优化……然后给你一个过度工程化的方案。解决办法是手动把 effort 调到 medium 或 low。

3. 模型 ID 不要带日期

早期我用 claude-sonnet-4-20250514 这种带日期的 ID，后来发现这种 ID 指向的是特定版本，不会自动更新。如果不小心用了旧的 dated ID，就一直跑在旧版本上。建议用不带日期的 alias（如 claude-sonnet-4-6），至少你能在文档里查到它指向哪个版本。

4. Bedrock 和官方 API 的表现差异

同一个模型，在 Bedrock 和 Anthropic 官方 API 上的表现有时候会有细微差异。这可能是因为底层基础设施不同，或者 Bedrock 做了一些额外的优化/限制。如果你的应用同时用两个平台，最好做一致性测试。

模型 Fallback 策略

生产环境里，你不可能只依赖一个模型。网络抖动、API 限流、模型退役，各种情况都可能发生。一个靠谱的 fallback 策略很有必要。

基本思路是：主模型挂了，自动切到备选模型。

import anthropic

import os

client = anthropic.Anthropic()

def call_claude(prompt, models=None):

    if models is None:

        models = ["claude-sonnet-4-6", "claude-haiku-4-5"]

    for model in models:

        try:

            response = client.messages.create(

                model=model,

                max_tokens=1024,

                messages=[{"role": "user", "content": prompt}]

            )

            return response.content[0].text

        except Exception as e:

            print(f"Model {model} failed: {e}")

            continue

    raise Exception("All models failed")

这个例子很简单，生产环境还需要加：

• 重试逻辑（指数退避）
• 错误类型区分（429 限流 vs 500 服务端错误）
• 日志记录和告警
• 成本监控

如果你用的是 LiteLLM 这类统一网关，它内置了 fallback 功能，配置一下就行。

总结

Anthropic 的 Claude 模型命名确实混乱，三条产品线各自编号，版本号跳跃不规律。但产品本身是好的——Opus 4.8 是目前最强的编码模型之一，Sonnet 4.6 性价比极高，Haiku 4.5 速度快成本低。

如果你还在用 Claude Sonnet 4 或 Opus 4，赶紧迁移，6月15日就退役了。

后续 Anthropic 还会继续迭代，Opus 4.9、Sonnet 4.7 迟早会来。到时候希望他们能把命名理清楚一点吧——至少让用户不用对着版本号发呆。

后面打算写一篇 Claude Code 和 OpenAI Codex CLI 的深度对比，这两个终端 AI 编程工具各有优劣，值得好好聊聊。有啥问题评论区聊。