模型与限制实用指南

陈琳2026-07-02约 6 分钟主编

Claude 3.5 Sonnet、Opus和Haiku三个模型版本图标与上下文长度标尺对比

[ ] 确认你使用的 Claude 模型版本（Sonnet / Opus / Haiku）
[ ] 查看当前模型的上下文窗口上限（通常是 100K 或 200K tokens）
[ ] 确认你正在使用的平台或 API 是否对该模型施加额外速率限制
[ ] 明确你的任务类型：对话、长文本处理、代码生成还是结构化输出
[ ] 检查是否需要在限制到来前做手动分段或摘要

这份指南围绕一个核心事实：不同 Claude 模型有不同的输入长度、输出长度、速率和价格限制，忽略这些限制会导致请求失败、结果截断或成本失控。

开始之前：搞清楚你的模型版本

Claude 3.5 Sonnet、Claude 3 Opus 和 Claude 3 Haiku 在能力上差异明显，限制也不同。以 2025 年常见版本为例：

| 模型 | 上下文窗口 | 典型最大输出 | 适用场景 | |------|-----------|-------------|---------| | Claude 3.5 Sonnet | 200K tokens | 约 8K tokens | 多数日常工作、代码 | | Claude 3 Opus | 200K tokens | 约 4K-8K tokens | 复杂推理、长文档分析 | | Claude 3 Haiku | 200K tokens | 约 4K tokens | 快速问答、分类、摘要 |

一个重要前提：API 版本和网页版（claude.ai）的行为可能不同。网页版会在对话进行到一定长度后自动开始「遗忘」最早的内容，而 API 会在超出限制时返回错误。很多用户反复遇到的问题，根源就是在网页版用着没事，换成 API 却报错。

常见问题与原因

三种常见失败场景：输出截断、进度卡住和API错误

新手最常碰到的三种失败场景：

症状一：请求被拒绝，返回 413 或 400 错误

原因：输入内容超过了模型的上下文窗口上限。200K tokens 大约是 15 万英文单词或约 10 万汉字，但混入大量代码、JSON 或特殊格式时会提前到达限制。

症状二：输出被静默截断，内容不完整

原因：模型在达到输出上限时停止生成。API 会在响应中标记 stop_reason: "max_tokens"，但很多开发者没有检查这个字段。

症状三：请求正常返回，但模型无法回答最后部分的问题

原因：当对话历史过长时，模型丢失了最前面的内容。在网页版中，Claude 会在对话窗口显示「对话较长，Claude 可能无法记住最开始的对话内容」的提示。

操作步骤：正确管理模型限制

步骤 1：估算你需要的上下文长度

不要等到报错才考虑限制。用一个简单方法提前估算：

`` 中文文本：1 个汉字 ≈ 1-2 tokens（常用字约 1.3 tokens）英文文本：1 个单词 ≈ 1.3 tokens 代码：每行约 3-8 tokens 对话的额外 overhead：每轮约 50-100 tokens ``

实际例子：一段 5,000 汉字的中文报告，加上你的提问指令和过往 3 轮对话，大约消耗 7,000-9,000 tokens。而一段 50,000 汉字的合同分析加上逐条提问的 15 轮对话，可能超过 80,000 tokens。

步骤 2：设置合适的 max_tokens

API 调用时显式设置 max_tokens 参数。不要留空——留空时不同平台有不同的默认值，经常只有 1,024 tokens。

一个经验法则：把 max_tokens 设为任务合理输出的 1.5 倍。例如让你写 500 字的产品描述，设置 1,024 就够了；让分析 50 页 PDF 并输出完整摘要，设置 4,096 以上。

步骤 3：手动分段处理长内容

手动分段处理长内容：将文档分成三段分别处理

当输入明显超过 100K tokens 时，不依赖模型自动处理，主动分段：

将文档按逻辑切分成 10K-20K tokens 的块
先对每块单独做摘要
再把所有摘要拼接起来，让模型做最终分析

这种方法比一次性扔进去效果更稳定，且可以避免到达上下文限制边界时模型表现下降的问题——很多用户注意到，当输入接近限制时，模型对中间部分的回答质量会显著变差。

步骤 4：处理超长输出

如果模型输出的内容被截断（API 返回 stop_reason: "max_tokens"），需要主动续写：

``python # 续写的核心思路：将已完成的内容作为上下文重新请求 messages = [ {"role": "user", "content": "请分析这份市场报告"}, {"role": "assistant", "content": truncated_response}, # 已生成的部分 {"role": "user", "content": "继续，从\"第三部分\"开始"} ] ``

网页版可以直接输入「继续」或「接着写」，模型会自动从断点续写。

步骤 5：监控速率限制

API 用户需要注意每分钟请求数（RPM）和每分钟 token 数（TPM）两个指标。以常见方案为例：

| 层级 | RPM 限制 | TPM 限制 | |------|---------|---------| | 免费 | 5 | 20,000 | | Tier 1 | 50 | 200,000 | | Tier 2 | 100 | 1,000,000 |

超过限制会收到 429 状态码。解决方案是增加请求间隔或使用指数退避重试策略。

验证与检查清单

完成设置后，按以下顺序检查：

确认模型版本：API 调用日志或网页右上角菜单查看当前模型
检查输入长度：使用 token 计数工具（如 Anthropic 官方 cookbook 中的 tokenizer）验证输入是否在限制内
检查输出完整性：API 响应中的 stop_reason 字段是否为 "end_turn"（正常结束）。如果是 "max_tokens" 或 "length"，则输出被截断
检查内容连续性：取出输出的最后 200 个 tokens，看语句是否完整。如果最后一句突然中断，说明输出截断
回滚验证：如果怀疑某个限制导致结果错误，用更小的输入重试一次，看结果是否一致

排查指南

场景：API 返回 400 Bad Request

最常见的两种可能：

max_tokens 设置为 0 或负值——检查参数值是否为正整数
输入超过上下文窗口——减少输入或升级到更高窗口的模型

场景：网页版提示「对话过长」

此时可以：

开启新对话，将需要保留的关键信息手动复制粘贴过去
要求模型对当前对话做摘要，然后把摘要作为新对话的起点
删除不需要的早期对话轮次（网页版支持逐条删除）

场景：同一段文字，英语时正常，中文时却报错

中文的 token 密度更高，同样的字符数在中文下消耗更多 tokens。如果输入接近限制，中文文本比英文文本更容易触发上限。遇到这种情况，把中文输入减少 20%-30% 即可。

什么时候不要继续操作

当连续 3 次请求都在同一个步骤失败，且错误码相同——说明问题不在限流，而在你的请求格式或输入内容。此时应当：

暂停重试
检查 API 请求的完整参数
参考官方文档（docs.anthropic.com）中的示例代码
用最小的测试输入验证基础连接

常见问题