如何选择正确的AI模型和思考深度

Deepswe是目前唯一提供每个模型在不同思考深度下的跑分，100多个纯Software Engineer Task，据说非常难作弊：https://deepswe.datacurve.ai/

点All Effort Level可以看到不同思考深度下One Shot的准确性和价格。这个价格不是API价格而是实际使用价格，不同模型解决同一个问题的时候会用完全不同的Token数量。

感觉刚出的5.6 Sol Medium/Low很不错。便宜量足。Opus的Medium/Low也还可以。

Sonnet 5就是搞笑的。我以前主力Build是Sonnet 5 Medium，看了这个表格换成Opus Low了。

Anthropic官方Blog也有一篇非常详细的文章，对Claude Code底层逻辑特别有兴趣的，值得一读：https://claude.com/blog/claude-m...evel-in-claude-code

「思考预算」的本质是交出控制权： Effort Level 并不是一个死板的 Token 计数器，而是一个“行为调节信号”。低思考（Low/Medium）时，Claude 主要依赖长期的模式识别和记忆“肌肉记忆”快速作答；而高思考（High/Max/Ultra Code）时，模型会获得更长延伸思考（Extended Thinking）的“代币预算”，允许它在内部反复推演逻辑、甚至在执行中自我纠错和回溯。这意味着推理强度越高，你让渡给 AI 智能体的自主拆解和探索权力就越多。

高低档位的行为“质变”： 不同 Effort 档位会直接改变 Claude 的代码产出风格与工具调用逻辑。低档位（Low/Medium） 会倾向于合并操作，跳过无谓的寒暄，以更少的 Agent（智能体）工具调用直奔主题，极其省钱且响应飞快；而高档位（High/Max） 则会“边想边干”，在写代码前先为你详细解释架构方案，在调用工具（如读写文件、运行测试）时进行更深度的多步骤探索，并附带极其详尽的代码注释。

精细化路由（Routing）才是降本增效的终极解法： 在 Claude Code 或者是自动化 Pipeline 代理工作流中，无脑全开 Max 往往会导致算力浪费或过度设计（Over-engineering），而全开 Low 则容易漏掉边界条件。最聪明的“Vibe Coding”策略是分场景动态切换（动态路由）：基础重构、写文档或简单分类开 Low/Medium；复杂的跨文件 Debug、全局架构规划开 High/xHigh；而牵一发动全身的安全性审计、大范围代码库迁移或最终的 Review 关卡，再祭出 Max/Ultra Code 极限思考。