一句话看懂：Anthropic 在 Claude Code 中引入“模型选择”与“努力级别”两个独立设置，帮助开发者在不同任务场景下合理分配算力和成本；模型决定能力上限，努力级别控制任务执行深度。
事件核心：发生了什么
2026 年 7 月 7 日，Anthropic 通过官方博客详细解释了 Claude Code 中两个核心调优参数——模型选择与努力级别的实际工作机制。模型选择决定固定的权重和整体能力范围（例如 Claude Fable 5 比 Claude Sonnet 更强大），而努力级别并非简单的“思考时间”，它控制了模型在给出反馈前读取多少文件、使用多少工具、验证多少次，以及能够在多步任务中推进多久才需要再次确认。文章强调，小型模型适合常规任务，大型模型适用于复杂或模糊的场景；开发者应以任务类型为导向调整默认努力级别，而非逐个任务进行微调。
为什么重要
这一设置清晰划分了两个常被混用的维度，直接回应了开发者在实际编码辅助中遇到的典型痛点：当模型“答错”时，根源究竟是能力不足还是努力不够。如果模型已获取全部上下文、认真尝试后依然出错，问题在于模型能力（应升级模型）；如果模型遗漏文件、未运行测试、中途放弃重构，则说明努力级别偏低（应调高努力级别）。这种区分让开发者能更精准地控制开发助手的表现，避免在大型模型上浪费资源做小任务，或在小模型上期望过高而导致重复调试。从行业角度看，这也意味着 AI 开发工具正从单一的“更好/更差”切换，演进为支持细粒度资源分配的生产力工具。
对用户/开发者/创作者的影响
对于使用 Claude Code 的开发者：你不再只能通过切换模型来“让答案更好”，而是可以单独增大努力级别让模型读更多文件、运行更多测试、自动完成更多步骤。这意味着在处理中型代码库的重构任务时，可以先用中等模型配合高努力级别完成大部分逻辑，再在高难度部分切换到大型模型，从而优化 token 消耗和响应速度。对于团队或企业，这为成本控制提供了更灵活的手段：常规代码审查和简单任务可以固定使用低努力级别的小模型，只在架构设计、跨模块集成等关键步骤上放开预算。
AI 工具推荐
想把多个 AI 模型放在一个入口？
GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型，适合写作、绘图、视频和日常 AI 工作流。
推广链接：通过此链接购买，我可能获得佣金，不影响你的价格。
值得关注的后续
这一能力目前仅限 Claude Code 产品内使用，未来是否会开放成为 API 参数值得观察。如果 Anthropic 将其作为独立参数接入 API，它将直接改变当前“模型-能力”绑定的定价方式。竞争对手（如 GitHub Copilot、Cursor）可能很快跟进类似的设计——但目前公开信息显示，它们尚未公开如此明确的“努力度”概念。另外，该机制披露也暗示 Claude Code 已具备较强的多步骤智能代理能力，未来可能进一步强化自主规划与执行能力，挑战现有 AI 编码代理产品的边界。
