Claude 全景图:模型、产品与生态

1. Anthropic 与 Claude

Anthropic 由前 OpenAI 研究副总裁 Dario Amodei 和姐姐 Daniela Amodei 于 2021 年联合创立。这家公司从第一天起就把"安全"二字刻进了 DNA——他们提出的 Constitutional AI(宪法式 AI)训练方法,核心思路是让模型在训练阶段就通过一组明确的准则来自我约束,而不是纯靠人类标注员手动纠偏。

这种路线反映在产品上,就是 Claude 在拒绝有害请求时往往更坚决,同时在长文本理解、代码生成和复杂推理方面持续加码。如果说 OpenAI 是"先跑马圈地再治理",Anthropic 更像是"边建边规范"。

Claude vs ChatGPT vs Gemini

三家的模型各有侧重,简单拉一下对比:

一句话总结:如果你做的事情涉及大量代码、长上下文分析、或者需要 AI 在终端里直接帮你干活,Claude 目前是最值得投入精力学习的选项。


2. 模型家族全景

Claude 的模型命名遵循一个简单规则:产品线名 + 版本号。产品线有三条,定位很清晰:

  • Opus — 旗舰级。最强推理能力和复杂编码能力,适合高难度任务。就像军队里的特种兵,贵但能解决硬问题。

  • Sonnet — 均衡型。速度和智能的最佳平衡点,日常开发的主力选手。性价比之王,大多数场景用它就够了。

  • Haiku — 轻量级。响应速度最快,智能水平接近前沿。适合需要低延迟、高吞吐的场景,比如实时分类、自动补全。

当前主力模型参数对比

几个关键数字值得记住:

  • Opus 4.7 的 1M 上下文 + 128k 输出,意味着你可以把一整个中型项目的代码库丢给它分析,然后让它输出一份完整的重构方案。

  • Sonnet 4.6 是 Claude Code 的默认模型,日常使用中你接触最多的就是它。

  • Haiku 4.5 虽然是"入门级",但它的能力已经超过了一年前的 Sonnet 4.0。模型迭代速度很快,低端型号的天花板一直在涨。

特殊模型:Mythos Preview

Anthropic 还有一个比较特殊的模型叫 Mythos Preview,专门面向防御性网络安全研究。这个模型目前是邀请制,不对公众开放。如果你在安全研究领域工作,可以通过 Anthropic 官方渠道申请访问。普通开发者不用关心这个。


3. 产品形态矩阵

Claude 不只是一个聊天机器人。Anthropic 围绕 Claude 模型构建了一整套产品矩阵,覆盖从普通用户到企业级部署的各种场景。

claude.ai — 对话界面

最基础的使用方式。打开浏览器,输入 claude.ai,注册账号就能用。支持文本对话、文件上传、图片理解。免费版有使用量限制,Pro 订阅 $20/月,Team 和 Enterprise 有更高的配额和管理功能。

适合人群:想快速体验 Claude 能力的普通用户、偶尔用 AI 辅助写作或分析的非技术人员。

Claude API — 开发者接口

通过 HTTP API 调用 Claude 模型,是所有集成开发的基础。支持文本生成、工具调用(Tool Use)、视觉理解、流式输出等能力。

文档地址:https://platform.claude.com/docs/

适合人群:需要在自己的应用中集成 AI 能力的开发者。

Claude Code — CLI 开发工具

这是本系列的主角。Claude Code 是一个基于命令行的 AI 编程助手,直接在你的终端里运行。它能读取你的项目文件、执行命令、修改代码、运行测试,像一个坐在你旁边的高级工程师。

与传统的 IDE 插件不同,Claude Code 工作在终端层面,不绑定任何特定编辑器。你用 VS Code 也好、Vim 也好、甚至纯命令行也好,Claude Code 都能无缝配合。

适合人群:日常在终端工作的开发者,尤其是后端、DevOps、全栈工程师。

Claude Managed Agents — 托管智能体平台

这是 Anthropic 推出的云端长任务执行平台。你可以把一个复杂任务(比如"分析这个仓库的所有 PR 并生成周报")交给一个托管智能体,它会在云端独立完成,完成后通知你。

与 Claude Code 的区别:Claude Code 是交互式的,你在终端里跟它对话;Managed Agents 是异步的,你提交任务后可以去忙别的。

适合人群:需要 AI 执行长时间运行任务的团队。

第三方云平台

Claude 模型还可以通过以下云平台访问:

  • AWS Bedrock — 在 AWS 生态内调用 Claude,享受 AWS 的安全合规和计费体系。

  • Google Cloud Vertex AI — 在 GCP 内调用 Claude,适合已经深度绑定 Google Cloud 的团队。

  • Azure AI — 微软 Azure 平台上的 Claude 接入点。

这些第三方平台的定价和配额可能与 Anthropic 官方 API 有所不同,但模型能力是一样的。选择哪个平台取决于你现有的云基础设施。


4. Claude Code 在生态中的位置

Claude Code 是什么

一句话:Claude Code 是一个在终端里运行的 AI 编程助手,它能理解你的整个项目、执行多步骤操作、并且可以通过 Skills、Hooks、MCP 等机制无限扩展。

你可以把它理解为一个"懂代码的 AI 同事",它不只是给你补全几行代码,而是能帮你做完整的工程任务:分析 bug 的根因、重构一个模块、写测试、审查 PR、生成文档。

与 Cursor / GitHub Copilot 的区别

市面上 AI 编码工具很多,Claude Code 的差异化在哪里?

维度 Claude Code Cursor GitHub Copilot
运行方式 CLI 终端 IDE(VS Code fork) IDE 插件
项目理解 深度理解整个代码库 理解当前文件和上下文 主要基于当前文件
操作能力 读写文件、执行命令、Git 操作 编辑当前文件 代码补全和聊天
可扩展性 Skills / Hooks / MCP / 子代理 有限的插件系统 扩展能力有限
编辑器绑定 不绑定,纯终端 绑定 Cursor 编辑器 绑定 VS Code / JetBrains
自动化能力 支持 headless 模式和 CI 集成 不支持 不支持

简单说,Copilot 是"代码补全工具",Cursor 是"AI 增强 IDE",Claude Code 是"AI 工程师"。三者不是互斥关系——你完全可以在 VS Code 里装着 Copilot 的同时,在终端里跑 Claude Code。

核心优势

  1. 深度项目理解:Claude Code 启动时会自动读取项目的 CLAUDE.md 配置文件、理解项目结构、识别技术栈。它不是无脑对每个问题从零开始,而是带着对项目的持续理解来工作。

  2. 多工具编排:它能在一次对话中读取文件、分析代码、修改多个文件、运行测试、查看结果、再修复问题。整个流程是连贯的,不需要你手动复制粘贴中间结果。

  3. 可扩展架构:通过 Skills 系统你可以教它新技能,通过 Hooks 系统你可以在特定事件时触发自动化操作,通过 MCP 协议你可以让它连接外部服务(数据库、API、文件系统等)。

适用场景

  • 日常编码:写新功能、修 bug、写测试

  • 代码审查:分析 PR 变更、发现潜在问题

  • 重构:大规模代码结构调整

  • 调试:根据错误日志追踪根因

  • 文档生成:根据代码自动生成 API 文档或技术笔记

  • DevOps:编写部署脚本、排查环境问题


5. 定价体系速览

Claude 的定价按 token 计费,分输入和输出两个价格。理解定价逻辑能帮你在实际使用中有效控制成本。

按模型分层定价

定价逻辑很直观:模型越强,价格越高。输出 token 比输入 token 贵 5 倍,因为输出需要更多计算。

MTok = 百万 tokens

给个直觉:用 Sonnet 4.6 写一个中等复杂度的功能(大约 2000 tokens 输入 + 1000 tokens 输出),成本大约是 ,也就是不到分钱。日常开发场景下,一天的费用很难超过5。

降本三板斧

如果你的用量比较大,有三个策略可以显著降低成本:

1. Prompt Caching — 重复内容只算一次

开启 Prompt Caching 后,对话中重复出现的前缀内容(比如系统提示词、项目背景信息)会被缓存。缓存命中时,读取价格只有原始输入价格的约 0.1 倍

举个例子:你的系统提示词有 5000 tokens,每次请求都要发送。没有缓存时,用 Sonnet 4.6 每次要花 在这部分输入上。开启缓存后,第二次开始只需0.0015——直接省了 90%。

2. Batch API — 不着急的任务打五折

如果你的任务不需要实时返回(比如批量代码分析、文档翻译),可以用 Batch API 提交。批处理模式下,价格直接打 50% 折扣,代价是结果可能需要等几分钟到几小时。

3. 选对模型 — 别用大炮打蚊子

不是每个任务都需要 Opus。大量日常编码任务用 Sonnet 就够了,简单的分类和格式化任务用 Haiku 更划算。合理选择模型,成本可以差 5 倍以上。

一个实用策略:先用 Haiku 快速验证思路,确认方向对了再用 Sonnet 精修,只在真正需要深度推理时才上 Opus。


Logo

AtomGit 是由开放原子开源基金会联合 CSDN 等生态伙伴共同推出的新一代开源与人工智能协作平台。平台坚持“开放、中立、公益”的理念,把代码托管、模型共享、数据集托管、智能体开发体验和算力服务整合在一起,为开发者提供从开发、训练到部署的一站式体验。

更多推荐