看到 low、medium、high，很容易直接拉到最高，覺得這樣比較放心。但 effort 不是品質保證，也不是讓 AI 固定多想幾秒。比較之前，先問兩件事：現在用哪個模型？這個任務做到什麼程度才算過關？

一般工作可以先從 Opus 5.5 的 medium 開始；需要處理很長、很難的任務，再評估 Fable 5.1 的 high。 這是依官方定位整理的起點，不是本文跑出的勝負排名。本文沒有自行進行模型效能測試，圖中也沒有虛構的準確率或速度。來源：模型選擇指南。

先把三個名字放回各自的位置

Claude Code 是執行工作的工具：它接住你的任務，讓模型讀檔、改程式、用工具，再回報結果。Fable 5.1、Opus 5.5 則是 Anthropic 的模型名稱；effort 是模型執行時的一個設定。說「Claude Code 比 Opus 好」，就把工具與模型混在一起了。來源：Claude Code 模型設定。

寬圖可左右捲動；下方正文提供相同重點。
工具、模型、effort 與成果的關係Claude Code執行任務，模型提供能力，effort調整投入，成果仍須依條件驗收。01 / 先分清楚你正在調哪一層定性概念圖 · 箭頭表示設定與執行關係，不是能力排名TOOLClaude Code接任務、讀檔、用工具安排執行與回報MODEL模型Opus 5.5Fable 5.1SETTINGeffortlow · medium · highxhigh · maxRESULT任務成果正確、完整、可驗證？用時與用量是否可接受？換模型：改變可用能力。同模型調 effort：改變這次投入，無法保證品質必然提高。你提供的資料與工具權限同樣左右結果；缺資料時，先補資料。來源：Claude Code model config、Anthropic Effort；作者概念整理。

圖 1｜概念關係圖。箭頭表示設定與執行的關係，不代表能力分數；工具可用的權限、資料與驗收條件同樣影響成果。

同樣有五個檔位，起點卻不同

比較項目Claude Opus 5.5Claude Fable 5.1
供應商AnthropicAnthropic
Claude API 型號claude-opus-5-5claude-fable-5-1
官方發布日2026-09-222026-09-01
API 可用 effortlow / medium / high / xhigh / maxlow / medium / high / xhigh / max
API 預設 effortmediumhigh
Claude Code 一般預設 effortmediumhigh
官方建議起點多數工作先試它特別困難、長時間的代理任務
API 標準輸入單價US$4／百萬 tokensUS$10／百萬 tokens
API 標準輸出單價US$20／百萬 tokensUS$50／百萬 tokens

型號、日期與標準單價來自 Opus 5.5 規格、Fable 5.1 規格；檔位與預設來自 Effort 文件、Claude Code 設定。表內 Code 預設不含個人設定、組織上限或其他覆寫。

兩者的標準輸入、輸出單價都是 2.5 倍關係，不等於同一件工作必定貴 2.5 倍。實際用量、快取、重試與工具呼叫都會改變總帳單；表格也未計入快取、Batch、Fast mode 或第三方平台的不同費率。價格查核日為 2026-10-03，幣別為美元。

effort 調整的是投入程度

官方把 effort 定義為行為上的指引，而非固定 token 預算。降低設定時，模型仍可能對難題推理；提高設定則會改變它願意投入多少處理與驗證。這兩個模型的 adaptive thinking 都保持啟用，low 也不等於把思考關掉。來源：Effort、Opus 5.5 規格。

這裡有兩個獨立選擇：換模型，是改變可用的能力；同模型調 effort，是調整它在這次任務的投入。 因此，不能直接認定「Fable 的 low 一定輸給 Opus 的 high」，也不能只看 high 這個字就判定兩次測試條件相同。

連同一供應商都會按模型校準 effort，更沒有理由把不同供應商的 high 當成共同單位。這是比較方法上的限制，不是對其他廠商的效能結論。來源：Fable 5.1 提示指南。

什麼工作值得多給一點投入？

下表是根據官方指引整理的定性起點；例子是示範任務，不是已測得的最佳設定。

任務情境可以先試你要觀察的結果
改一個名稱、整理短文、先出草稿，而且每一步都會自己看low是否漏掉明確要求；省下時間後是否增加返工
範圍清楚的功能、日常分析與文件工作Opus 5.5 medium完成條件是否達成；引用、格式與測試能否通過
既有程式的難解錯誤，或有許多邊界情境high是否真的找到根因、補到必要驗證，而非只寫得更多
長時間、多步驟、必須自行收斂的難題xhigh；有收益才試 max相比前一檔，是否少了失敗、遺漏與人工介入
Opus 調高後仍卡在困難推理或長任務改試 Fable 5.1，從 high 校準換模型後是否改善原本的失敗點

依據：Claude Code 官方情境實驗與建議、模型選擇指南。上面的「先試」不是一律適用的操作規則。

拉到 max，為什麼還可能不划算？

第一種情況是工作本來就簡單。答案已經能過關，再增加投入，可能只多了等待與用量。Claude Code 官方也提醒：max 可能出現收益遞減與過度思考，應先測試再廣泛採用。這不代表 max 必然變差，也不代表每一次調高都一定更好。來源：Claude Code 模型設定。

第二種情況是缺了必要資料。你沒提供版本、錯誤訊息或驗收條件，單純調高 effort 不會替你補上不存在的事實。先把輸入補齊，再比較設定，才分得清改善來自哪裡。這是本文的操作建議。

第三種情況是輸出空間不夠。API 的 max_tokens 包含推理與回覆；長任務提高 effort 後，若上限沒有留足空間，回覆可能被截斷。Opus 5.5 官方因此建議把 xhigh、max 留給已量到品質收益的工作。來源：Opus 5.5 校準指引。

反過來，降到 low 也有需要留意的行為。Fable 5.1 官方指出，它在 low 時較可能直接依記憶回答而不搜尋。要查最新資料，就應明寫必須查核來源，再檢查它有沒有照做。來源：Fable 5.1 遷移指南。

寬圖可左右捲動；下方正文提供相同重點。
依驗收結果校準 effort先固定任務用模型預設測試，達標才試降低，未達標先補資料，再測提高或換模型，沒有收益就停止加碼。02 / 讓驗收決定 effort，不靠檔位猜品質作者建議流程 · 保持相同模型版本、任務、資料、工具與評分標準未達標達標START先用模型預設Opus 5.5：mediumFable 5.1：high達到驗收條件了嗎？CHECK先補資料、縮小任務確認不是輸入或工具出了問題SAVE試低一級，再驗收仍穩定達標才採用未達標：保留原設定RETEST再測高一級或換模型一次只改一項，比較原失敗點沒有改善：停止加碼、回查原因定性流程，非效能實測；依據：Opus 5.5 校準指引、Fable 5.1 effort 建議。

圖 2｜設定校準流程，為本文建議的操作示意。比較時固定模型版本、提示詞、資料、工具權限與驗收條件；每次只改一項。

在 Claude Code 裡，先看實際設定

可用 /model 查看模型、用 /effort 調整投入程度。做比較時記下完整型號，別只寫「Opus」或「Fable」：別名可能隨平台與版本變動。查核當下，fable 在 Claude apps gateway 仍可能對應 Fable 5；需要 Fable 5.1 時，應確認實際型號。來源：Claude Code 模型設定。

帳單也要分開看。Claude Code 可能透過訂閱方案或 API 計費；API 每百萬 tokens 的美元單價，不能直接換算成訂閱方案能問幾次。訂閱用戶看 /usage 的當期額度；API 使用者看實際使用量與帳單。來源：Claude Code 成本管理。

下一次就用自己的任務比一次

先挑一個會反覆出現、而且你能驗收的工作。寫下「做到什麼才算完成」，用模型預設檔位跑一次，再只調整 effort。至少記下完整模型、effort、用時、用量、驗收是否通過，以及自己補救了什麼。

單次成功只能作初步觀察。要形成固定用法，請在不同的代表性任務重複比較；用同一套評分標準檢查，而不是挑最漂亮的一次。若低一檔仍穩定過關，就有理由省下投入；若高一檔改善不了原本的問題，就回頭查資料、任務切法或模型選擇。

相信之前，先確認你比較的是同一件事。

編輯說明：本文為官方文件整理與操作建議，不含付費 API benchmark、廠商合作推薦或實際帳戶額度推算。兩張圖皆為定性示意。文件與價格可能更新；重新使用前請開啟相鄰來源核對。