Anthropic 的 Claude API 同時提供三個 latest model：Opus 4.5（最強推理）、Sonnet 4.5（平衡）、Haiku 4.5（快與便宜）。對企業採購主管而言，重點不是「哪個最強」，而是「哪個對你的工作流最划算」。這篇用同一個 FinOps 分析 prompt 實測三個 model，看真實 latency、token、成本與輸出品質差距。
3 秒看結論
- Opus 4.5：$5 / $25 per MTok，最強推理、output 最精準收尾；單次 36.6 秒
- Sonnet 4.5：$3 / $15 per MTok，平衡之選、結構最簡潔；31.9 秒
- Haiku 4.5：$1 / $5 per MTok，最快最便宜、output 最詳盡發散；19.6 秒（最快）
- 成本：Opus 是 Haiku 的 4.4 倍，Sonnet 是 Haiku 的 2.3 倍
- 不是「越貴越好」，而是「品質、速度、成本」三維度按工作流取捨
三大 model 一覽
| Model | Input | Output | Prompt Cache（Read） | 主要定位 |
|---|---|---|---|---|
| Opus 4.5 | $5 / MTok | $25 / MTok | $0.50 / MTok | 複雜推理、agent、長 context |
| Sonnet 4.5 | $3 / MTok | $15 / MTok | $0.30 / MTok | 通用任務、平衡品質與成本 |
| Haiku 4.5 | $1 / MTok | $5 / MTok | $0.10 / MTok | 即時應用、高頻 batch、輕度任務 |
成本差距邏輯很簡單：Opus 是 Haiku 的 5 倍 input、5 倍 output，Sonnet 是 Haiku 的 3 倍。Prompt caching read 都比 input 便宜約 10 倍，長 context 重複呼叫的場景可省 90% 成本。
實測對比：同一 FinOps prompt 三個 model 跑一次
測試設計
Prompt（B2B 商業 + 技術混合）：給三個 model 同樣的台灣中型 SaaS 公司 AWS 帳單分析任務（總 $48,200/月，EC2 45%、RDS 22%、S3 15%、CloudFront 10%、其他 8%），要求 3 大成本問題 + 3 步節費建議 + 預估節省金額範圍。
為什麼選這個 prompt：結合資料解讀、優先序判斷、數字估算、結構化建議，是 B2B 採購主管實際會問的問題類型，剛好分得出三 model 差異。
實測數據（2026-05-21，透過 Anthropic API 直接呼叫）
| 維度 | Opus 4.5 | Sonnet 4.5 | Haiku 4.5 |
|---|---|---|---|
| Latency | 36.6 秒 | 31.9 秒 | 19.6 秒 |
| Input tokens | 210 | 210 | 210 |
| Output tokens | 1,988 | 1,765 | 2,273 |
| Output 中文字數 | ~1,500 | ~1,300 | ~1,700 |
| 單次成本 | $0.0511 | $0.0271 | $0.0116 |
| 成本相對值 | 4.4× | 2.3× | 1.0× |
輸出品質觀察
Opus 4.5：簡潔精準
- 結構最緊湊（4 段：問題、建議、節省、額外建議）
- 每個建議標明「執行時間 1-2 週」
- 節省估算用「保守 vs 樂觀」雙範圍（$14k ～ $21.5k/月）
- 數字計算精確（$48,200 × 45% = $21,690）
- 自動收尾、不過度發散
Sonnet 4.5：結構最平衡
- output 最少（中文字最簡潔）
- 用表格化呈現，多抓到 1 項 CloudFront 優化（題目有提 10%，沒被忽略）
- 節省範圍較窄較務實（$12.5k ～ $15.1k）
- 加 JSON Policy 範例
- 適合「給 1 個答案就好」的場景
Haiku 4.5：詳盡但發散
- output 最長（中文字 ~1,700）
- 多 2 個 section：實施路線圖（4-8 週）+ 監控指標
- 節省範圍最寬「保守 / 中等 / 激進」三情景（$9.2k ～ $26.1k）
- 速度最快、成本最低
- 但偶有 over-engineering（題目沒問「無伺服器遷移」也提）
觀察結論
- 三個 model 都正確識別 EC2 / RDS / S3 為 top 3 問題，數字計算都對
- 「品質差距」沒有想像中大，重點不是準不準，是深度詳盡度 vs 簡潔精準度的偏好
- Opus 不一定最好：對單次採購建議類任務，Opus 的「簡潔精準」是優勢；對需要完整路線圖的場景，Haiku 的「發散完整」反而適合
- 速度差距明顯：Haiku 19.6s vs Opus 36.6s，Haiku 快 1.9 倍，對 latency 敏感的應用（即時回覆、agent loop）差很大
適合場景
Opus 4.5 適合
- 複雜推理鏈、多步決策 agent
- 法律、財務、研究類需高精確度的任務
- 長 context（>50k token）處理
- 量不大但每次都要最好品質的場景
Sonnet 4.5 適合
- 大多數企業日常用例的甜蜜點
- 客服 / 聊天機器人 backend
- 內容生成、文件摘要
- 程式碼 review 與重構
Haiku 4.5 適合
- 高頻 batch 任務（分類、抽取、評分）
- 即時 / 低 latency 應用
- 大量但簡單的查詢
- 成本敏感的 production 環境
該怎麼選？三個判斷題
照下方流程依序回答即可定位 model。
實務建議：從 Sonnet 4.5 開始試，根據實際輸出品質、latency、成本回頭決定要不要升 Opus 或降 Haiku，是最務實的起手點。
常見問題
Claude API 的 Opus 4.5 跟 Pro 訂閱裡的 Opus 是同一個 model 嗎？
是同一個 model。Pro / Max 訂閱透過 web / app 介面提供 Opus 存取（用量受訂閱層級限制），API 是按 token 計費（無 seat 限制、可程式整合）。同樣的 model id，不同的存取機制與計費邏輯。
三個 model 都支援 prompt caching 嗎？
支援。截至 2026 年 5 月，Anthropic 的 prompt caching 可在所有 latest model 使用，read rate 比 input rate 便宜約 10 倍（Opus $0.50 vs $5、Sonnet $0.30 vs $3、Haiku $0.10 vs $1 per MTok）。長 context 重複呼叫的場景可省 90% input 成本。
從 Sonnet 切到 Haiku 通常會差很多嗎？
依任務複雜度而定。本實測中 FinOps 分析任務，Haiku 的輸出在「正確性」上與 Sonnet 沒明顯差距；但若任務需要深度推理（如多步邏輯、法律分析），Sonnet 與 Opus 比 Haiku 強。建議先在 staging 環境跑 100 筆對比真實任務再決定。
如何在不改程式碼的情況下對比三個 model？
最簡單的方法是用 model 參數切換 model id（如 claude-opus-4-5 / claude-sonnet-4-5 / claude-haiku-4-5），其他參數不變，跑同一組測試 prompt，比較 output、latency、token、成本。也可用 OpenAI-compatible gateway 統一介面同時測 Claude 與其他 LLM。
結論
選 model 不是看誰最強，是看你的工作負載對「品質、速度、成本」三維度的權重怎麼擺。Opus 適合單次高品質、Sonnet 適合大多數通用、Haiku 適合高頻 batch 或即時應用。從 Sonnet 4.5 開始試是務實的起手點，再依實際效益決定升降級。
台灣企業使用 Claude API 常碰到的採購問題（統編、發票、預算審計）可由勤英科技協助處理。
延伸閱讀
- Claude 方案完整比較：Free 到 API 該選哪個方案
- 台灣公司採購 Claude API 完整解法：採購實務與發票流程
- Claude API 詳細定價與 token 計算：定價深入（即將上線）
資料來源
- Anthropic 官方 API 定價頁：claude.com/pricing
- Anthropic 開發者文件：docs.anthropic.com
- 本文實測數據透過 Anthropic API 直接呼叫
