這是我們 AI 產品落地頁的大綱。請在設計前告訴我哪些地方不清楚。
核心承諾:已經可見,但仍像功能描述,而不是具體的使用者結果。 不清楚之處:頁面沒有說明誰會最先獲得價值,也沒有說清註冊後工作流程會如何改變。 範例缺口:在首屏附近加入前後對比範例、模型輸出樣本和一個簡短可信訊號。 CTA 問題:主要行動入口出現得太晚;把使用導向的 CTA 移到更接近快速使用區塊的位置。 修訂計畫:先收緊首屏,再加入結果卡片,接著重寫異議處理,最後再打磨視覺。
Claude Sonnet 4.5 是 Rivya 較早的均衡型 Claude AI 聊天模型,適合長文件、謹慎改寫、研究整合和程式碼審查;當你想要 Sonnet 的紀律感但不需要較新的 4.6 定位時,可以使用它。
範例輸出
適合 SaaS 落地頁、發表頁和早期轉換評審。
對話
範例輸出
適合 SaaS 落地頁、發表頁和早期轉換評審。
讓 Rivya 協助規劃、提示詞、分析或程式設計。
落地頁評審提示詞的對話預覽,包含結構化轉換回饋。
輸出
適合 SaaS 落地頁、發表頁和早期轉換評審。
最適合
支援
線上試用
輸入設定
對話控制
選擇 Rivya 何時可以搜尋網頁、應使用多高的推理強度,以及所選模型支援時是否包含模型思考內容。
思考內容
交由模型預設決定,或在提供方支援時明確包含或隱藏思考軌跡。
開始一段對話,把規劃、提示詞和創意方向整理成一條可重用的脈絡。
提示詞起步
不想從空白提示開始時,可使用已映射到 Claude Sonnet 4.5 的模板,讓第一次執行更穩。
模型證明
先使用上方線上試用,再對照這些範例結果判斷完成度、節奏和任務適配度,之後再決定是否在 Studio 消耗更多點數。
讓 Rivya 協助規劃、提示詞、分析或程式設計。
落地頁評審提示詞的對話預覽,包含結構化轉換回饋。
輸出
適合 SaaS 落地頁、發表頁和早期轉換評審。
主要範例
落地頁評審提示詞的對話預覽,包含結構化轉換回饋。
輸入
僅提示詞
觀察重點
落地頁評審提示詞的對話預覽,包含結構化轉換回饋。
每次使用點數
per_million_tokens · input=170 · output=855 · cache_read_multiplier=0.1 · cache_write_5m_multiplier=1.25 · cache_write_1h_multiplier=2 · ⌈total⌉
為什麼這個模型有效
細膩寫作和謹慎分析
注重安全且校準良好的回應
Rivya 目前前端中的文字優先 Claude 專案
最適合的任務
模型證明
決策適配
決策適配
Claude Sonnet 4.5 常見問題
Claude Sonnet 4.5 適合重視語氣的寫作、長篇摘要、政策導向分析、程式碼解釋和謹慎草擬。日常工作仍需要良好判斷力時,它介於重視速度的 Haiku 和成本較高、深度更強的 Opus 之間。
在 Rivya 上,Claude Sonnet 4.5 目前以文字優先的聊天專案運行。
請提供來源材料、目標讀者、語氣、限制條件和具體的輸出形式。Sonnet 的價值在於始終依循這套編輯框架,而不是頁面上有大量控制項。
Rivya 目前按使用量計費:每百萬 input token 為 170 點數,每百萬 output token 為 855 點數。若寫作品質、細膩度或政策意識能比快速模型減少修改輪次,這個層級就值得使用。
需要謹慎的通用寫作和分析時,請選 Sonnet。例行工作若更重視速度可選 Haiku;任務需要更深入的研究綜整或更高難度的判斷時則選 Opus。
當第一個回應需要在單一 Claude 模型上測試編輯式改寫、語氣敏感寫作、長篇摘要或謹慎分析時,可以從這裡開始。這能提供一個可控的第一回合,用來檢查提示詞、方向和回應品質,再進入較長專案。
此頁設定為 Claude Sonnet 4.5 的公開聊天入口。這會讓第一個結果聚焦在編輯式改寫和語氣敏感寫作,而不是太早把工作推進到較長的聊天串。
第一回合前,比起尋找額外控制項,更重要的是整理好任務框架、來源材料,以及答案需要多謹慎。對 Claude Sonnet 4.5 這類文字優先聊天選項而言,開場設定通常會決定第一個結果是否足以處理編輯式改寫和語氣敏感寫作。
此頁可公開瀏覽,但實際送出第一則訊息仍需要登入。Rivya 目前按使用量計費:每百萬 input token 為 170 點數,每百萬 output token 為 855 點數。你可以先在這裡整理問題並選擇模型,準備好開始即時聊天時再登入。
當工作仍是第一段對話,且你正在測試 Claude Sonnet 4.5 是否能從第一回合處理編輯式改寫和語氣敏感寫作時,可以留在這個頁面。當工作需要保存脈絡、附加檔案、後續回合,或你知道會持續擴展這條聊天串時,再開啟完整 Studio。
比較替代模型
Anthropic 在 Rivya 上的旗艦 Claude 聊天模型,適合深度推理、謹慎整合、主管寫作和高影響力文字工作。
為什麼考慮它
如果點數說明適合下一次執行,可以考慮它:per_million_tokens · input=285 · output=1430 · cache_read_multiplier=0.1 · cache_write_5m_multiplier=1.25 · cache_write_1h_multiplier=2 · ⌈total⌉。
Anthropic 在 Rivya 上的均衡型 Claude AI 聊天模型。它保留強大的長文推理和謹慎分析,適合內容、研究和程式設計專案,同時不必直接跳到 Opus 層級的花費。
為什麼考慮它
如果任務適配度接近這個方向,可以考慮它:審查長簡報、PRD 和策略文件。
Anthropic 在 Rivya 上的輕量 Claude AI 聊天模型。它針對速度、成本效率和穩定的日常聊天表現調整,適合想要 Claude 語氣但不想使用高階方案成本的高頻專案。
為什麼考慮它
如果點數說明適合下一次執行,可以考慮它:per_million_tokens · input=55 · output=285 · cache_read_multiplier=0.1 · cache_write_5m_multiplier=1.25 · cache_write_1h_multiplier=2 · ⌈total⌉。
將產品筆記轉成說明中心大綱,包含使用者目標、前置條件、步驟、邊緣情況與相關連結。
「文件頁大綱提示詞」的對話預覽。
讓 Rivya 協助規劃、提示詞、分析或程式設計。
UX 文案清楚度檢查對話的對話預覽。
檢查介面文案中的動作標籤不清、輔助文字過載與缺少使用者結果。
UX 文案清楚度檢查對話的對話預覽。
讓 Rivya 協助規劃、提示詞、分析或程式設計。
客戶訪談追問對話的對話預覽。
根據訪談筆記建立追問問題,同時避免引導客戶或確認自己的理論。
客戶訪談追問對話的對話預覽。
最適合的任務
任務接近這些情境時使用
安靜事實
提供方
Anthropic
類別
聊天
能力
對話
點數模式
per_million_tokens · input=170 · output=855 · cache_read_multiplier=0.1 · cache_write_5m_multiplier=1.25 · cache_write_1h_multiplier=2 · ⌈total⌉
輸入路徑
僅提示詞
提示設定
最多 20,000 個字元
開發者存取
確認模型欄位、參考媒體規則和點數行為後,可透過 Public API v1 呼叫 Claude Sonnet 4.5。