前两天我在用Claude Code跑一份跨学科调研报告中途嫌它想得太慢随手把effort level从默认调到了max。想着这下总该又快又准了吧。结果呢等了老半天token账单唰一下涨上去了报告质量却没肉眼可见地变好。把我给心疼得发出灵魂拷问这钱花哪儿去了不死心的我后来去翻了Anthropic官方博客里一篇讲Claude Code模型选择和effort level的文章才发现我对这两个东西的理解从一开始就是错的。原文链接https://claude.com/blog/claude-model-and-effort-level-in-claude-code我猜屏幕前很多用Claude Code或者类似工具的朋友多半也跟我犯过一样的迷思。我们下意识觉得模型越大就该越聪明effort调得越高AI就该想得越久越仔细。第一句话对。第二句话只对了一半甚至可以说是错得挺离谱。先说说为啥模型越大越聪明这件事是真的。你发给Claude的每一句话其实到不了模型本体那儿得先被切成一块一块的碎片每一块映射成一个数字这个过程叫分词。const可能对应1978await可能对应4293从这一步开始你的提示词在模型眼里就是一串整数。模型要做的事情其实就是不断猜下一个数字是什么猜完拼回文字给你看。而决定它怎么猜的是训练时候写死的一堆参数业内管这个叫权重。你的提示词、你的CLAUDE.md、你上传的文件都只是在临时影响这次猜测的方向权重本身一个数字都不会变。所以换模型这件事说到底就是换了一套权重去处理你的请求。权重是训练时候定好的装的是这个模型这辈子学到的所有东西编程语言、框架、语法规则都焊在里面。如果某个库是训练完之后才出的那权重里压根没有它你把文档喂进上下文Claude能照着用但那叫临场救急不叫真的学会了。那effort level到底在管什么。这块需要注意一下很多人包括我自己一直以为effort就是个思考时长的开关调高了AI就多想会儿。但博客里讲得挺清楚effort控制的其实是Claude愿意为你这次请求投入多少工作量思考时长只是其中一项还包括它愿意读几个文件愿意做多少次验证一件多步骤的任务它愿意闷头做多远才回来找你确认。我自己写研究报告的时候深有体会。同样一个任务低effort的Claude经常是读完你给的几句话就动手了中间跳过某个文件没看或者该跑测试的地方图省事没跑最后错的地方用我们“人”的话来说就是“大意了”拿到半截就开跑而不是它不会。高effort的时候它会先列个计划边做边根据新信息调整这个计划比如三个排查假设里第一个就找到了bug它会直接说前面查到了所以后面两个不用查了跳过去。这不是自作聪明地偷懒是它确实判断出没必要浪费了。顺着这个再往下聊博客里给了个类比我觉得特别好玩甚至可以当成选模型的口诀记下来。把Fable想成一个见过极少数人才见过的问题的专才Opus是经验老到的专家Sonnet是一个非常靠谱的通才。effort level决定的是他们三个愿意在你这件事上花多久。Opus在低effort下就像你抓住一个身经百战的专家聊五分钟他脑子里那些别人代码库里根本找不到的经验一眼扫过去就能给你但五分钟就摆在那儿他也只能快速扫一遍你的代码不可能细读。Sonnet在高effort下更像你把一整个下午都交给一个特别靠谱的通才他会把你的东西全读一遍跑一跑反复核对最后对你这份具体代码理解得比谁都透但他没有那种一眼认出似曾相识问题的直觉。Fable哪怕只给它低effort也更像那个瞥一眼别人都卡住的难题就能看出门道的专才这份识别力才是你花大价钱买的东西值得留给真正需要它的场合。所以模型设置大致对应的是能力上限effort设置大致对应的是投入程度大部分真实任务其实两者都需要一点。那具体怎么判断该调哪个呢?博客里给的这条经验我觉得特别实用值得记下来甚至可以打印出来贴在屏幕边上。当Claude给它的上下文很充分你也感觉它确实认真尝试了结果还是错的这说明它不是不够努力是能力真的没到该换更大的模型了。但如果它错在漏读了一个文件该跑的测试没跑或者半途而废没把重构做完这说明是它没使劲该调高effort而不是急着换模型。我自己现在的习惯是effort这个东西尽量别按任务一件件调官方的建议也是这样大部分时候用默认档就够了效果调整更适合当成你个人对某类工作的整体偏好比如你就是喜欢慢工出细活那就常年调高一点而不是这次任务调一下下次任务再调回去来回折腾反而容易忘了自己调到哪儿了。说到这儿我突然想到一件挺有意思的事其实这套逻辑放到我们人自己身上也一模一样。我们判断一个人靠不靠谱大概也是看两件事一个是他见识够不够遇到过多少同类问题这个换不了是他这辈子攒下来的底子。另一个是他这次愿不愿意认真对待愿不愿意多花时间核对细节这个是他当下的选择跟能力没关系。一个见识浅但态度认真的人可能比一个见多识广但敷衍了事的人干得更好反过来也一样。我们总在纠结要不要多学一个新工具新技能好像那才叫成长但很多时候真正卡住我们的不是见识不够是我们没有对当下这件事投入应有的认真。effort这个词用在AI身上是token数量用在人身上大概就是我们常说的那股较真劲儿。复利这件事说到底也是这两条腿一起走的一条腿是攒见识另一条腿是每件事上愿不愿意多花那一份心思。少了哪条腿走起来都是瘸的。好了effort level和模型选择这事儿我算是彻底想明白了以后也不会再瞎调max然后干等着账单涨了。屏幕前的你如果也在用Claude Code或者类似的AI编程工具下次遇到它做错事先别急着一股脑调到最高档问问自己它是没见过这类问题还是这次粗心大意了这个问题想清楚了钱和时间都能省不少。如果喜欢我的文章可以随手点个赞、在看、转发三连哦也可以给我个⭐星标⭐能够第一时间收到推送哟这里给大家精心整理了一份全面的AI大模型学习资源包括AI大模型全套学习路线图从入门到实战、精品AI大模型学习书籍手册、视频教程、实战学习、面试题等资料免费分享扫码免费领取全部内容1. 成长路线图学习规划要学习一门新的技术作为新手一定要先学习成长路线图方向不对努力白费。这里我们为新手和想要进一步提升的专业人士准备了一份详细的学习成长路线图和规划。可以说是最科学最系统的学习成长路线。2. 大模型经典PDF书籍书籍和学习文档资料是学习大模型过程中必不可少的我们精选了一系列深入探讨大模型技术的书籍和学习文档它们由领域内的顶尖专家撰写内容全面、深入、详尽为你学习大模型提供坚实的理论基础。书籍含电子版PDF3. 大模型视频教程对于很多自学或者没有基础的同学来说书籍这些纯文字类的学习教材会觉得比较晦涩难以理解因此我们提供了丰富的大模型视频教程以动态、形象的方式展示技术概念帮助你更快、更轻松地掌握核心知识。4. 2026行业报告行业分析主要包括对不同行业的现状、趋势、问题、机会等进行系统地调研和评估以了解哪些行业更适合引入大模型的技术和应用以及在哪些方面可以发挥大模型的优势。5. 大模型项目实战学以致用当你的理论知识积累到一定程度就需要通过项目实战在实际操作中检验和巩固你所学到的知识同时为你找工作和职业发展打下坚实的基础。6. 大模型面试题面试不仅是技术的较量更需要充分的准备。在你已经掌握了大模型技术之后就需要开始准备面试我们将提供精心整理的大模型面试题库涵盖当前面试中可能遇到的各种技术问题让你在面试中游刃有余。7. 资料领取全套内容免费抱走学 AI 不用再找第二份不管你是 0 基础想入门 AI 大模型还是有基础想冲刺大厂、了解行业趋势这份资料都能满足你现在只需按照提示操作就能免费领取扫码免费领取全部内容