Claude-modelfamilien
Vælg den rette model ud fra pris, hastighed og funktionalitet
Claude-modelfamilien er en gratis Claude Architect-lektion på CoddyKit. Dette er lektion 1 af 4. Du kan læse alle 3 lektioner i dette læringsspor gratis i deres fulde længde — derefter låser CoddyKit PRO alle lektioner op samt praktiske øvelser med en indbygget kodeeditor og en AI-underviser døgnet rundt. Den er en del af læringsforløbet i Claude Architect, og dine fremskridt synkroniseres på tværs af nettet og CoddyKit-appen. Claude Architect-kurset indeholder 4 lektioner i alt.
Mød modelserien
Hver Claude API-anmodning begynder med én beslutning: hvilken model? Det ene felt fastlægger omkostningerne, svartiden og intelligensloftet for hele kaldet.
Den aktuelle serie omfatter tre niveauer:
- Opus — den mest kompetente til de sværeste opgaver, der strækker sig over lang tid.
- Sonnet — den bedste balance mellem hastighed og intelligens.
- Haiku — den hurtigste og billigste til enkle opgaver i stor skala.
Som Claude Certified Architect er det en kernekompetence at vælge det rigtige niveau til hver arbejdsbelastning. Lad os opbygge en beslutningsramme.
Model-feltet er bare en streng
Du vælger en model ved at angive dens model-id som en streng. Anmodningen gemmer heller ingen tilstand — modellen er tilstandsløs, så du sender hele meddelelseshistorikken med ved hver tur.
De nøjagtige id-strenge er vigtige. En stavefejl (for eksempel claude-sonnet-4.6 i stedet for claude-sonnet-4-6) returnerer en 404 not_found_error, ikke en lydløs fallback.
import anthropic
client = anthropic.Anthropic()
response = client.messages.create(
model="claude-opus-4-8",
max_tokens=1024,
messages=[{"role": "user", "content": "Hello, Claude"}],
)
print(response.content[0].text)Opus — seriens topmodel
Claude Opus 4.8 (claude-opus-4-8) er den mest kompetente model. Vælg den, når korrekthed i et svært problem er vigtigere end omkostninger og hastighed:
- Store refaktoreringer i flere trin og kodekørsler natten over.
- Dyb research og agentiske forløb, der strækker sig over lang tid.
- Kompleks ræsonnering, hvor en billigere model ville forringe kvaliteten.
Den tilbyder et kontekstvindue på 1 mio. tokens til standardprisen og op til 128.000 output-tokens. Pris: 5 $ / 1 mio. input, 25 $ / 1 mio. output.
response = client.messages.create(
model="claude-opus-4-8",
max_tokens=64000,
thinking={"type": "adaptive"},
output_config={"effort": "high"},
messages=[{"role": "user", "content": "Refactor this service end to end."}],
)Sonnet — den afbalancerede arbejdshest
Claude Sonnet 4.6 (claude-sonnet-4-6) er den bedste kombination af hastighed og intelligens. Det er standardvalget til det meste trafik i produktion:
- Chat, klassifikation, indholdsgenerering og udtræk.
- Arbejdsgange med mange værktøjskald, der kræver hurtige svar.
- Alt, hvor Opus ville være overdimensioneret, men Haiku måske ville overse nuancer.
Den har et kontekstvindue på 1 mio. tokens og op til 64.000 output-tokens. Pris: 3 $ / 1 mio. input, 15 $ / 1 mio. output — billigere end Opus i begge ender.
response = client.messages.create(
model="claude-sonnet-4-6",
max_tokens=8192,
messages=[{"role": "user", "content": "Classify this support ticket."}],
)Haiku — hurtig og billig i stor skala
Claude Haiku 4.5 (claude-haiku-4-5) er den hurtigste og mest omkostningseffektive model. Brug den til enkle opgaver i stor skala, hvor svartid og pris er afgørende:
- Enkel klassifikation og routing.
- Korte opsummeringer og rettelser af formatering.
- Underagenter, der udfører snævert og klart afgrænset arbejde.
Dens kontekstvindue er 200.000 tokens (mindre end Opus' og Sonnets 1 mio.), med op til 64.000 output-tokens. Pris: 1 $ / 1 mio. input, 5 $ / 1 mio. output — det billigste niveau.
response = client.messages.create(
model="claude-haiku-4-5",
max_tokens=256,
messages=[{"role": "user", "content": "Is this email spam? Answer yes or no."}],
)Afvejningen mellem de tre
Valget af model er altid en afvejning mellem tre dimensioner:
- Kompetence — Opus > Sonnet > Haiku til svær ræsonnering.
- Hastighed — Haiku er hurtigst, Opus er mest grundig.
- Omkostning — Haiku (1 $/5 $) < Sonnet (3 $/15 $) < Opus (5 $/25 $) pr. 1 mio. tokens.
Arkitektens instinkt: begynd på det billigste niveau, der opfylder kvalitetskravet, og gå kun op, når evalueringer viser, at det er nødvendigt. Lad være med automatisk at vælge Opus til alt — så bruger du budget på opgaver, som Sonnet eller Haiku kan håndtere lige så godt.
Tilpas niveauet til opgaven
En praktisk routingheuristik til et system i flere trin:
- Koordinator / planlægger, der udfører kompleks opdeling → Opus.
- Primær arbejder, der håndterer værktøjskald og syntese → Sonnet.
- Snævre underagenter (klassificering, grep-og-opsummering) → Haiku.
Det afspejler, hvordan agenter i produktion forbliver økonomiske: Brug intelligens på Opus-niveau kun dér, hvor beslutningen er svær, og send rutinepræget, parallelt arbejde videre til billigere modeller.
Skift ikke model midt i en samtale
Modeller er afgrænset af cachen. Promptcaching er et præfiks-match, og cachen identificeres pr. model — så et skift af modelstrengen midt i en samtale ugyldiggør hele cachen, og du behandler alt igen til fuld pris.
Mønstret på arkitekturniveau er: Behold én model i hovedløkken, og opret en underagent til en underopgave, hvis den kræver en billigere model, i stedet for at skifte model på den aktive tråd.
# Main loop stays on Opus; cheap discovery work goes to a Haiku sub-agent
main = client.messages.create(
model="claude-opus-4-8",
max_tokens=16000,
messages=history, # cached prefix preserved
)
scout = client.messages.create(
model="claude-haiku-4-5", # separate call, separate cache
max_tokens=1024,
messages=[{"role": "user", "content": "Summarize these 5 files."}],
)Styr omkostningerne med effort, ikke models skift
Du behøver ikke altid ændre modellen for at ændre omkostningerne. På Opus 4.8 og Sonnet 4.6 justerer parameteren effort, hvor meget modellen tænker og bruger, inde i output_config:
low— kortfattet, færre værktøjskald og venlig over for svartiden.high— standardindstillingen; grundig.max— kun på Opus-niveau, når korrekthed er vigtigere end omkostninger.
Kombiner den med adaptiv tænkning (thinking={"type": "adaptive"}), og lad modellen beslutte, hvor meget den skal ræsonnere pr. anmodning. Bemærk: budget_tokens er fjernet på disse modeller — brug i stedet adaptiv tænkning.
response = client.messages.create(
model="claude-sonnet-4-6",
max_tokens=8192,
thinking={"type": "adaptive"},
output_config={"effort": "low"}, # cut cost without dropping a tier
messages=[{"role": "user", "content": "Draft a release note."}],
)Vær opmærksom på kontekstvinduet og outputgrænsen
Kompetence handler ikke kun om intelligens — det handler også om, hvor meget modellen kan rumme og producere:
- Opus 4.8 / Sonnet 4.6: kontekstvindue på 1 mio. tokens.
- Haiku 4.5: kontekstvindue på 200.000 tokens.
Hvis en arbejdsbelastning skal ræsonnere over en meget stor kodebase eller dokumentsamling i ét kald, kan Haikus mindre vindue udelukke den uanset omkostningen. Stream også alle anmodninger med stor max_tokens (over ca. 16.000) — kald uden streaming risikerer HTTP-timeout i SDK'et.
with client.messages.stream(
model="claude-opus-4-8",
max_tokens=128000, # large output -> must stream
messages=[{"role": "user", "content": "Generate the full migration plan."}],
) as stream:
message = stream.get_final_message()Batch API: et omkostningsgreb, ikke et modelniveau
Omkostningsoptimering handler ikke kun om valg af model. Message Batches API kører anmodninger med 50 % rabat inden for et vindue på op til 24 timer.
Ulempen er, at det ikke er beregnet til blokerende eller tidskritisk arbejde: Der er ingen SLA for svartid, og værktøjskald i flere ture understøttes ikke. Brug det til rapporter og revisioner natten over; aldrig til et tjek før sammenfletning eller noget, en bruger venter på. Vælg i stedet en hurtig model (ofte Haiku eller Sonnet) via standard-API'et.
batch = client.messages.batches.create(
requests=[
{"custom_id": "row-1", "params": {
"model": "claude-haiku-4-5",
"max_tokens": 256,
"messages": [{"role": "user", "content": "Classify row 1"}],
}},
],
)Hurtigt tjek: valg af model
Et scenariebaseret spørgsmål om at matche modellen med begrænsningen.
Opsummering: valg på tværs af serien
Vigtige pointer til eksamen og produktion:
- Opus 4.8 (5 $/25 $, 1 mio. kontekst) — den sværeste ræsonnering og agenter, der arbejder over lang tid; brug den sparsomt.
- Sonnet 4.6 (3 $/15 $, 1 mio. kontekst) — det afbalancerede standardvalg til det meste trafik.
- Haiku 4.5 (1 $/5 $, 200.000 kontekst) — hurtig, billig og velegnet til enkle opgaver i stor skala.
- Begynd på det billigste niveau, der opfylder kvalitetskravet; gå kun op, når evalueringer kræver det.
- Juster omkostningerne med effort og adaptiv tænkning, før du skifter niveau.
- Skift ikke model midt i en samtale — det ugyldiggør cachen; opret i stedet en billigere underagent.
- Brug Batches API (50 % rabat) kun til ikke-blokerende job — aldrig til tidskritiske tjek.
Lær Python med en AI-underviser — gratis
Skriv og kør rigtig kode i din browser, få øjeblikkelig hjælp fra en AI-underviser døgnet rundt, og fortsæt, hvor du slap, på web eller i appen.
- Kurser
- 26
- Lektioner
- 104
Ofte stillede spørgsmål
Er lektionen “Claude-modelfamilien” gratis?
Ja — alle 3 lektioner i læringssporet Claude Architect, inklusive “Claude-modelfamilien”, kan læses gratis i deres fulde længde her på webstedet. Derefter låser CoddyKit PRO alle lektioner op samt interaktive øvelser med en indbygget kodeeditor og en AI-underviser døgnet rundt. Claude Architect-kurset indeholder 4 lektioner i alt.
Hvad lærer jeg i “Claude-modelfamilien”?
Vælg den rette model ud fra pris, hastighed og funktionalitet Du øver dig i Claude Architect med praktisk kode, som du kører direkte i browseren, og en AI-vejleder døgnet rundt besvarer dine spørgsmål, mens du arbejder dig gennem lektionen.
Skal jeg have erfaring for at begynde på Claude Architect?
Der kræves ingen tidligere erfaring. Claude Architect på CoddyKit er tilrettelagt for både begyndere og øvede, så du kan starte her eller fra begyndelsen og lære i dit eget tempo. Dette er lektion 1 af 4.
Hvor lang tid tager lektionen “Claude-modelfamilien”?
De fleste CoddyKit-lektioner tager cirka 5–10 minutter. Hver lektion er kort og interaktiv, så du gør løbende fremskridt og kan fortsætte, hvor du slap – på både web og app.
Kan jeg skrive og køre kode i denne Claude Architect-lektion?
Ja. Alle Claude Architect-lektioner har en indbygget kodeeditor, så du kan skrive og køre rigtig kode direkte i din browser og få øjeblikkelig feedback fra AI – uden lokal opsætning.
Alle lektioner i dette kursus
- Claude-modelfamilien
- En API-forespørgsels anatomi
- Forklaring af stopårsager
- Tokens, kontekstvinduer og pris