AREX Feed Article
Claude 官方开发者账号发布新视频：API 团队成员对谈新模型上线、重新审视 harness 与每任务成本
Anthropic 面向开发者的官方 X 账号 @ClaudeDevs 于 UTC 时间 11 月 12 日 19:30（北京时间 11 月 13 日凌晨 3 点 30 分）发布一条新视频：出镜的两人是 Jake Dejno（）与 Lucca Siaudzionis（）。按的表述，两人谈的是官方如何把新模型上线到自家 API、随模型一并推出的功能，以及升级到新模型时应如何重新审视自己的 harness——即包在模型外面的那层调用与编排逻辑——和如何衡量每任务成本（cost per task）。
完整对谈发布在 Claude 官方 YouTube 频道，标题为《》，片长 18 分 30 秒。这条视频落在一个具体节点上：三天前（UTC 时间 11 月 9 日）， Fable 5.2 上线 Claude Platform 和 Claude Code，比 Fable 5.1 快最多 30%，输入/输出价格从每百万 token 10/50 美元降到 8/40 美元；同一天稍晚，该账号还发布了《》选型指南。帖文没有说明这场对谈针对哪一款具体模型。
一条两句话的帖子，一段 1 秒后跟上的链接
主帖正文只有两句话，内嵌一段 1 分 21 秒的视频片段；在主帖发出 1 秒后发布，内容只有一行「Watch the full conversation」（观看完整对谈）加 YouTube 链接。截至 11 月 13 日发稿，主帖获得 873 个赞、89,505 次浏览、51 条回复和 264 次收藏，跟帖获得 75 个赞、48,333 次浏览。@ClaudeDevs 的自我介绍是「Official updates for developers building with @ClaudeAI」（为使用 @ClaudeAI 构建的开发者提供官方动态），目前约有 81.7 万关注者。
出镜的两个人：自述「API @anthropic」的个人账号
帖文本身没有交代两人的职务。两人的 X 个人资料显示：Jake Dejno 的简介写着「API @anthropic」，Lucca Siaudzionis 的简介写着「api @anthropicai」，所在地均为旧金山（San Francisco），两个账号都注册于 2010 年，关注者分别只有 353 和 258。视频里，两人自述 API 团队与研究院在同楼办公、共享 Slack 群和会议，对「什么能让模型发挥得最好」有直接判断，并把这些判断设为 API 默认值：「直接从文档里复制粘贴的最基本请求，就带着我们认为最好的开箱体验。」
新模型如何上线 API：默认值、旋钮和迁移
本节及后文对对谈内容的转述，均出自该 YouTube 视频。视频中，Messages API 被两人称为整个 API 的「基石」（cornerstone）：结构是业界熟悉的 assistant 轮次、user 轮次加中间的工具调用，真正的空间在一组旋钮上。两人举的第一个例子是 effort 挡位（控制模型在回答上花多少思考的设置）——同一个模型开高挡和低挡，表现接近两个不同的模型。
决定上什么功能是与研究院的双向对话。一条路从研究院到 API：研究人员发现模型擅长什么，就把它做成工具——两人举的例子是当年发现 Claude 越来越会操作电脑，后来变成 API 里的 computer use 工具。另一条路反过来：客户的需求被整理成对研究院的请求，「显然不是过去的 Claude，而是新的 Claude，因为总有一条 pipeline（流水线）」。
版本机制上，两人的判断是模型本身就是一种版本机制：model string（模型字符串）与 API 版本互相咬合，而且因为模型处在智能前沿，「用户更愿意为了拿到这些价值去调整」自己的代码，但 harness 仍要靠 evals（评测）来验证。迁移的实际操作也有缓冲：两人举例，官方从常规 extended thinking 切换到 adaptive thinking 时，评测已显示后者表现更好，于是直接推出，但一段时间内保留旧方式的开关，还提供 beta headers（测试版功能开关）等回退机制，给开发者留出更新 harness 的时间。硬性弃用最终还是会来，因为模型不再按旧方式训练——「那就是迁移的截止日期」。
随模型推出的功能还包括对话中途改 effort 或 system prompt（系统提示词）而不破坏 prompt caching（提示词缓存）——过去一改缓存就失效，「对用户来说是个 deal breaker」。安全侧，两人提到 API 上每个模型都运行着大量分类器（classifier）拦截滥用，近期还围绕 thinking protections 推出了一批改动，并按他们的说法在文档中把这些措施列为防止蒸馏（distillation）的手段。
模型聪明 10 倍时，harness 可能反成限制
对谈中关于 harness 的核心判断是：模型换代正是重估 harness 的时机。「如果新模型比上一代聪明 10 倍，harness 反而可能开始成为限制」——一些旧流程不再是必需品，升级正是把它们找出来清理的时机。两人建议对工作流的每一部分定期重估，包括直接用 Claude Code 的用户，因为模型可能在某一方面突然变强，让 harness 的某一段过时。
验证手段是 evals。官方自己跑大量评测，也建议每个客户跑自己的评测，理由是「我们是 API，很通用，要服务所有人」，而每家的用例和个性化只属于自己。衡量的维度从 token 用量、智能水平到任务结果都要覆盖。新功能还可能带来更高的 prompt caching 命中率，命中率上去，成本就下来。两人还提到「评测饱和」（eval saturation）——模型把旧评测全部做对之后，官方只能把评测出得更难。
每任务成本：在单价之外乘上每个 token 的智能
对谈的后半段回答「cost per task 和 cost per token 怎么选」。两人的观察是：有些功能不改变每 token 单价，改变的是最终用掉的 token 数，所以单价之外要加一个维度——「每个 token 的智能」（intelligence per token），即你选的模型多快能把任务做成。高智能的 Fable 一档与 Haiku 一档做同一件事，token 用量「差别巨大」。
两个方向都成立。一个方向是升级：更强的模型更贵，但它解开了你以前解不开的测试——两人把这一点称为「最大的信号」。另一个方向是降档：各档模型都在变聪明，过去只有 Fable 5 能做的事，现在 Opus 5 也许就能接下。
成本端最大的杠杆之一是 prompt caching。两人说，对还没优化缓存的客户，他们给的第一条建议就是它：在 agentic 轮次（代理式任务中的一轮请求）里，后一个请求往往只是在前一个上追加，跑过的块直接进缓存；销售团队和客户交谈时，第一个被问到的往往就是缓存命中率——能不能做到 90%，「那是梦想数字」。
这套算法此前已落到纸面：官方 9 月 25 日发布的《》以 Claude Code 任务为例，把一次任务的账单拆成四项——轮次（turns）、缓存读（cache reads）、输出 token 类型、模型档位。按文中用 Opus 5.5 牌价（每百万 token 输入 4 美元、输出 20 美元、缓存读 0.2 美元）举的例子：一个上下文从 2 万涨到 12 万 token 的任务，40 个轮次约发出 280 万输入 token，在 90% 缓存命中下输入成本约 1.62 美元，完全没有缓存则是 11.20 美元；轮次压到 25 个，约 1.02 美元。文中还给了一个量级对比：Opus 5.5 上一个输出 token 等于 100 个缓存读的价钱。
版本节奏、托管 harness 与没发布的候选功能
把视频放回时间线，它接在官方一连串 API 动作之后：10 月 21 日， API version 2026-10-21——2023 年以来的第一个正式版本号；视频上线前约一个半小时， Self-hosted Claude Managed Agents 进入私人测试，用户可以在自己的云或本地托管 agent harness、沙箱和会话历史。与 Fable 5.2 同日发布的讲了三个具体问题：何时该换模型、何时该调 effort 而不是换模型、如何把 subagent（子代理）放到更小的模型上省成本。
主帖没有预告这场对谈是否还有后续。按官方当时的说法，版本以后会更频繁地发布，好让破坏性变更赶在新模型的要求之前得到处理；而对谈结尾的表述是，每次新模型出炉，团队都会重估全部功能，包括一些因为没达到性能门槛而从未发布的候选功能。