Die Model-Tiers

Du versendest eine App mit Claude. Welches Modell wählst du? Wenn du dich standardmäßig für das intelligenteste entscheidest, wird deine API-Rechnung dich überraschen. Wählst du das billigste, könnte die Ausgabe nicht überzeugen. Jedes Modell hat unterschiedliche Kompromisse, und die richtige Wahl beeinflusst sowohl Qualität als auch Kosten.

Anthropic bietet derzeit vier Model-Tiers an, und du wählst zwischen ihnen mit dem model Parameter in deinem API-Aufruf.

Beachte, dass Claude Fable zum Zeitpunkt dieses Kurses nicht allgemein verfügbar war und nicht im obigen Video dargestellt ist. Erfahre mehr über Claude Fable und Claude Mythoshier.

Claude Fable ist unser bisher fähigstes Modell — ein neuer Tier, der über Opus liegt und für deine schwierigsten Herausforderungen entwickelt wurde. Es kostet deutlich mehr als Opus, daher reserviere es für Arbeiten, bei denen diese zusätzliche Leistung den Preis wert ist.
Claude Opus ist das fähigste der drei Kern-Modellfamilien, aber auch das langsamste und teuerste der drei. Nutze es für tiefes Reasoning, komplexe Analysen, mehrstufiges Coding und nuanciertes Schreiben.
Claude Haiku ist das schnellste und kostengünstigste, optimiert für Geschwindigkeit und Kosteneffizienz statt maximaler Intelligenz. Nutze es für hochvolumige, niedrig-komplexe Arbeiten wie Klassifizierung, Extraktion und Routing.
Claude Sonnet liegt im süßen Spot: eine ausgewogene Kombination aus Intelligenz, Geschwindigkeit und Kosten, die sich gut für die meisten produktiven Arbeiten eignet.

Drei Karten, die die Claude-Model-Tiers vergleichen: Haiku \(schnellste, niedrigste Kosten, für Klassifizierung und Routing\), Sonnet \(fähig und schnell, für die meisten produktiven Arbeiten\), und Opus \(am intelligentesten, höchste Kosten, für tiefes Reasoning und komplexe Analysen\)

Beginne mit einer einfachen Evaluierung

Bevor du Production-Code schreibst, richte eine einfache Evaluierung ein: eine Reihe von Beispieleingaben, die du durch jedes Modell laufen lässt und gegen das bewertest, was gute Ausgabe für deinen Use-Case bedeutet. Du brauchst nichts Ausgefallenes — 20 oder 30 repräsentative Beispiele aus deiner tatsächlichen Workload reichen zum Anfang.

Dann arbeite dich durch die Tiers nach oben:

Führe deine Beispiele zuerst durch Haiku. Wenn die Qualität hält, bist du fertig — und du hast gerade viel Geld gespart.
Wenn nicht, steige auf Sonnet auf.
Greife nur zu Opus, wenn die Aufgabe es braucht.

Vergleiche die Tiers nebeneinander

Lass uns den Unterschied zwischen den Tiers sehen, nicht nur darüber sprechen. Wir senden denselben Prompt durch alle drei Modelle und beobachten die Latenz und Token-Zählungen:

models = ["claude-haiku-4-5", "claude-sonnet-4-6", "claude-opus-4-7"]

for model in models: response = client. messages. create( model=model, max_tokens=300, messages=[{"role": "user", "content": prompt}], ) print(model, response. usage)

Zwei Dinge passieren hier:

Die Schleife tauscht das model Feld bei jeder Anfrage. Derselbe Prompt, dieselben max tokens — nur das Modell ändert sich.
response. usage gibt dir die Input- und Output-Tokens direkt von der API zurück, worauf deine Rechnung berechnet wird.

Terminal-Ausgabe vom Ausführen desselben Prompts durch Opus, Sonnet und Haiku, zeigt die Latenz und Input-/Output-Token-Zählungen jedes Modells

Führe es aus und du wirst drei Modelle und drei Zahlensätze sehen. Opus dauert am längsten und liest am poliersten — aber für eine zweisätzige Definition ist dieser Glanz verschwendet. Sonnet straff das Schreiben ein wenig. Und Haiku kommt zurück, oft in unter einer Sekunde, mit einer sehr kompetenten zweisätzigen Antwort. Es ist ehrlich gesagt perfekt für diese Art von Szenario.

Und das ist der ganze Punkt: **das richtige Modell ist das billigste, dessen Ausgabe du tatsächlich versenden würdest. ** Für eine Definition ist Haiku ausreichend. Für das Verfassen einer behördlichen Antwort würdest du denselben Vergleich durchführen und würdest wahrscheinlich bei Opus landen. Die Eval hat jedes Mal die gleiche Form.

Leite verschiedene Arbeiten an verschiedene Modelle weiter

In einer echten App würdest du verschiedene Arten von Arbeiten an verschiedene Modelle innerhalb desselben Endpunkts weiterleiten. Nimm ein Operations-Dashboard mit einer Dokumentenverarbeitungsroute:

Jede eingehende Datei wird mit Haiku klassifiziert.
Client-Updates werden mit Sonnet entworfen.
Nur RFP-Antworten greifen zu Opus.

Eine Warteschlange, drei Modelle, pro Aufgabe ausgewählt.

Zusammenfassung

Anthropic bietet drei Model-Tiers an: Opus für schwierige Probleme, Sonnet für tägliche Arbeiten und Haiku für Volumen.
Richte eine einfache Evaluierung ein — 20 oder 30 repräsentative Beispiele aus deiner echten Workload — bevor du Production-Code schreibst.
Führe die Eval von Haiku aufwärts durch und stoppe beim billigsten Modell, dessen Ausgabe du tatsächlich versenden würdest.
response. usage meldet Input- und Output-Tokens, worauf deine Rechnung basiert.
In der Produktion leite verschiedene Aufgaben an verschiedene Modelle innerhalb desselben Endpunkts weiter, anstatt ein Modell für alles auszuwählen.