Income stream surfers · 13:24 · 发布 2026-07-01 · 9417次观看(截至抓取) · 观看原视频
主旨
用同一道建站任务(带 Stripe 支付与预约容量限制的 Pilates 工作室网站)分别喂给 Sonnet 4.6、Sonnet 5、Fable 5 三个模型跑云端 Managed Agent,对比建站质量、token 用量与实际账单,发现 Fable 5 质量最好但账单最贵、且 token 用量与花费并不成正比。
核心论点
- 同题三模型对比下,Fable 5 建站质量最完整,但账单也最贵——它是唯一正确实现了预约容量限制这类细节的模型。(→ 详解1)
- Managed Agents 让”同一份 prompt 换模型重跑”变成可操作的评测手段——通过 console.anthropic.com 直接对比 session 的 token 与花费,才有了这次对比的可能。(→ 详解2)
- token 用量少不代表账单便宜,不同模型的计价权重不同——Fable 5 用的 token 比 Sonnet 5 少,账单却是它的三倍左右,说明不能只看 token 数判断成本。(→ 详解3)
- 把任务拆成”探索/读取”与”生成/输出”两段、只在输出阶段上最贵模型,是控制多模型 agent 成本的现实策略,而不是无脑全程用最强模型。(→ 详解4)
知识点详解
1. 同一测试题,三模型建站质量对比 06:39
作者给三个模型下达同一份指令:“build the Pilates studio site with class schedule, instructor bios, and a Stripe-powered bookings flow. Store classes, instructors, and bookings in SQL database”,用来测试 Harbor Build(作者自研的 AI 建站工具,01:17)在不同底层模型下的表现。
Sonnet 4.6 完成度最低,网站不完整、SEO 也偏弱;Sonnet 5(作者称其为 4.6 的”兄弟模型”)在完整建站上更强,完整接入了 Stripe 支付且 SEO 更好。Fable 5 则是三者中完成度最高的一个,不仅移动端结构更好,也”much more complete um following of the prompt”(08:00)。
作者现场做了一次真实的功能验证:点击一个私教(private)预约场次尝试支付,系统正确提示”Not enough spots left in that session”(08:35)——说明 Fable 5 不仅界面好看,连预约容量限制这类隐藏业务逻辑也正确落地了,这是另外两个模型的产出里没有验证到的细节。
2. Managed Agents:云端自主 build agent 与费用追踪 02:18
作者展示的对比方法依赖 Claude 的 Managed Agents 功能:在 console.anthropic.com 里”this is basically where you can track everything”——可以看到每一次 agent 运行(session)用了哪个模型、多少 token、花了多少钱。
作者形容”Manage Agents is like having Claude code in the cloud”(06:12):它让 Harbor Build 这类要给终端用户用的建站产品,把”生成一个网站”变成一次云端自主跑到底的任务,而不需要本地开着终端盯着。切换底层模型也只需要一句话指令(把”stale managed agent cache”换成”Fable 5 cache”),而不是手动改配置。
这次对比之所以能成立,前提正是 Managed Agents 把”跑同一个任务、只换模型”变成了几乎零成本的操作,再靠控制台里现成的 token/花费面板直接读数,省去了自己埋点统计的工作。
3. Token 用量与实际账单不成正比 02:36
用同一道 Pilates 建站题跑三个模型,console 里的数据是:Sonnet 5 用了”18 million tokens in total”(02:36),按当前定价约 7.3-8 美元(作者提到 Sonnet 5 8 月后还会涨价,届时约 9 美元一次);Sonnet 4.6”only used 6.7 million tokens”(07:24),token 量明显更少也更便宜;Fable 5 用了”11 million Fable tokens”(10:57),token 量比 Sonnet 5 少了近 40%。
但账单结果反过来:作者提到”I spent 100 bucks just today”(10:48),而这次 Fable 5 建站单次花费约 24 美元,是 Sonnet 5(约 8 美元)的三倍左右。也就是说存在明显的 模型间token计价差异——Fable 5 虽然 token 用得更省,但每个 token 背后计入的花费权重明显更高,这也印证了 Fable 5 发布横幅里那句”Fable 5 draws down usage faster than Opus 4.8”(00:40)并非营销空话,而是在实际账单里能观察到的现象。
4. 混合模型策略:读写分工,只在生成阶段用最贵模型 12:15
面对 24 美元一次建站的账单,作者没有直接放弃 Fable 5,而是当场向模型提了一个不改动任何东西、只回答的问题:“Is it possible to use Haiku for reads and only use Fable for creation?”(12:15)
思路(可称为 读写分工调度)是:一次建站里,读取/检索代码库和上下文这类”reads”步骤往往消耗大量 token 但对最终产出质量贡献有限;真正需要模型能力上限的是最后的生成/输出(creation)步骤。如果把便宜模型(Haiku)用在 reads、只在 creation 阶段切到 Fable 5,理论上能把总花费拉回到可接受区间——作者提到如果能做到 6.95 美元一次,就”pretty interesting”了,而当前 24 美元”not worth it”。
需要注意的是,这条策略在视频里只停留在向模型提问、并未实际执行验证,是作者当场抛出的下一步方向,而不是已验证的结论。
可执行步骤
- 评测新模型时,用同一道带明确验收条件(如支付流程、容量限制)的任务分别跑,不要只看界面美观度,现场做一次真实交互测试。
- 对比模型成本时,同时看 token 用量和实际账单两个数字,不要假设 token 少就等于更便宜。
- 多模型 agent pipeline 里,把探索性/读取步骤和最终生成/输出步骤分开,只在输出阶段上最贵模型,压低整体花费。
- 用云端 agent(如 Claude Managed Agents)跑同一任务换模型对比时,直接读 console 的 session 面板,不用自己埋点统计 token。
关联
- 印证:goal(见 Fable5五个高杠杆用例)里”设定目标+验收标准后交给模型自主推进到终态”的模式,在本片的 Managed Agents 建站任务里再次出现——“build the Pilates studio site with…”这类一次性下达目标和约束、交给云端 agent 自主跑完的指令,正是同一套长任务执行范式的另一实例。
- 印证:Cloud Session（云会话）(见 Claude Code 桌面版五大必知升级)“跑在 Anthropic 基础设施上、不依赖本地机器”的定义,与本片 Managed Agents 的运作方式一致——只是前者是桌面版场景,本片是 Claude API 场景下的同一底层能力。
术语
- Managed Agents(Claude API 提供的云端自主 build/编码 agent,可在 console.anthropic.com 里追踪每次运行的 token 与花费)
- Harbor Build(作者自研的 AI 网站构建工具,本片的测试载体)
- forward/goal(设定目标和验收标准后让模型自主推进到终态的长任务执行模式)
- reads / creation(agent 任务中”读取分析”与”生成输出”两类步骤,视频中提出可分别用不同价位模型承担)
金句
“There’s something about Sonnet 5 that drains more tokens than Sonnet 4.6.” → 同代模型间 token 消耗差异巨大,选型不能只看版本号新旧。 “This is definitely exciting stuff. I have been waiting to use this model for a while… but yeah, overall, guys, Fable 5 is obviously way better.” → 质量判断和成本判断要分开说,好用不等于用得起。
立场与利益
Harbor Build 是作者自己正在推广的建站工具(harborseo.ai),视频中段有明显的 founder 定价推销(“Become a founder today”),并承诺锁定后不涨价。本片的模型对比测试本身是围绕这款自研产品做的,结论(Fable 5 质量最好但太贵、需要读写分工降本)对判断三个 Claude 模型的相对表现仍然可信,但”Harbor Build 即将上线""founder pricing”等信息属于产品推广,不构成通用结论。
价值定位
适合已经在用 Claude API/Managed Agents 跑自动化建站或编码任务、需要在多个 Claude 模型间做成本-质量取舍的进阶用户。核心价值是提供了一组具体、可比对的实测数字(token 量与账单),提醒”token 用得少不代表便宜""模型越新越强不代表适合规模化部署”,而不是单纯安利某个模型更好。纯粹想了解 Fable 5”值不值得升级”的普通用户,直接看结论(质量最好、成本最高、暂不适合规模化)即可,不必深究 Managed Agents 操作细节。
自检问题
- 三个模型建站质量的排序是什么,Fable 5 比另外两个模型多做对了什么细节? 答案:质量从低到高为 Sonnet 4.6 < Sonnet 5 < Fable 5;Fable 5 是唯一正确实现预约容量限制(私教场次显示”Not enough spots left”)这一隐藏业务逻辑的模型,见”知识点1”。
- Sonnet 5 和 Fable 5 完成同一次建站分别用了多少 token,谁用得更多? 答案:Sonnet 5 用了 1800 万 token,Fable 5 用了 1100 万 token,Fable 5 反而更省 token,见”知识点3”。02:36
- 既然 Fable 5 用的 token 更少,为什么它的账单反而是 Sonnet 5 的三倍左右? 答案:不同模型每 token 计入的花费权重不同,token 用量少不等于账单便宜,这一点也和官方”Fable 5 draws down usage faster than Opus 4.8”的说法相印证,见”核心论点2”和”知识点3”。
- 作者提出的”读写分工”降本思路具体是什么,视频里是否已经验证过? 答案:把探索性的读取/分析步骤交给便宜模型(如 Haiku)、只在最终生成/输出阶段用 Fable 5,理论上能把单次建站成本从 24 美元拉低;但视频中这只是作者当场向模型提出的问题,并未实际执行验证,见”知识点4”。12:15
- Managed Agents 这个功能在本片对比实验里起到了什么作用? 答案:它让”同一份 prompt 换底层模型重跑”变成一句话操作,并可直接在 console.anthropic.com 里读取每次 session 的 token 与花费,是这次三模型对比得以低成本进行的基础设施,见”知识点2”。