Claude 的思考和 effort 怎么调：五档各是什么、什么时候该调高、钱花在哪

这篇教程解决一个问题：effort 这个旋钮到底控制什么？调高一定更好吗？思考花掉的 token 去哪看？

Claude Code 里的 /effort 和接口里的 effort 参数是同一个东西。自己不写代码的读者，看前四节就够了。

实测环境
日期	2026-10-13
方式	用 Python 直接发 HTTP 请求
模型	Sonnet 5.5、Opus 5.5
连接方式	通过酷站AI 中转站，不是直连官方

一、两个旋钮，别混了

	thinking	effort
管什么	回答之前要不要先想，想的内容给不给你看	整个回答下多大功夫
影响范围	只影响思考那一块	所有输出：思考、正文、工具调用的次数和详略
现在怎么设	多数模型默认开着，一般不用动	五档里选一档

现在的模型用的是自适应思考：每个请求由模型自己判断要不要想、想多深。简单的问题它可能直接答，一个 thinking 块都没有；复杂的才会先推一遍。你不再给它一个“思考预算”，而是用 effort 告诉它总体上该多用力。

文档有一句话值得记住：effort 是一个行为上的信号，不是一个严格的 token 预算。 调低了，碰到够难的问题它照样会想，只是想得少一些。

二、五档各是什么

档位	文档的说法	适合
low	最省。明显节省 token，能力有所下降	简单的活、要快要便宜的场合、子代理
medium	均衡，适度节省	要兼顾速度、花费和效果的智能体任务
high	需要多少 token 就用多少，力求做好	复杂的推理、难的编程题、智能体任务
xhigh	为长时间的任务加码	跑三十分钟以上、token 预算上百万的编程和智能体任务
max	不计成本的最高能力	需要最深的推理、最彻底的分析

不设的时候用默认档，各模型不一样：

模型	默认档
Opus 5.5、Haiku 5.5	medium
Fable 5.1、Sonnet 5.5，以及其他支持 effort 的模型	high

把 effort 明确设成默认档，和不设完全一样。xhigh 不是每个模型都有，比如 Opus 4.6 和 Sonnet 4.6 只到 max、没有 xhigh。

effort 低的时候，工具调用也会变：次数更少，几步并成一步，不先解释直接动手，做完只说一句。effort 高的时候反过来：调用更多，先讲计划，做完给详细的总结。

三、实测：一道排期题，五档各跑一遍

题目：六个任务，各要一个人做若干整天，之间有依赖，两个人同时干，问最短几天做完。正确答案是 11 天，由最长的那条依赖链决定。它不难，但需要把依赖关系理一遍，凭感觉答会错。

两个模型、五档，各跑一次：

模型	effort	答案	用时	输出 token	其中思考	按官方价
Sonnet 5.5	low	8 天（错）	4.7 秒	315	0	$0.0036
Sonnet 5.5	medium	8 天（错）	3.6 秒	218	0	$0.0026
Sonnet 5.5	high	11 天	4.4 秒	345	185	$0.0039
Sonnet 5.5	xhigh	11 天	4.2 秒	365	240	$0.0041
Sonnet 5.5	max	11 天	9.9 秒	1,239	1,089	$0.0128
Opus 5.5	low	11 天	3.9 秒	218	85	$0.0052
Opus 5.5	medium	11 天	3.7 秒	217	95	$0.0052
Opus 5.5	high	11 天	3.9 秒	210	105	$0.0050
Opus 5.5	xhigh	11 天	3.9 秒	251	144	$0.0059
Opus 5.5	max	11 天	12.0 秒	1,243	1,132	$0.0257

一次的结果可能是碰巧，所以把 Sonnet 5.5 的前三档各重复了五次：

effort	五次的答案	答对	思考 token
low	8、10、10、10、10	0 / 5	都是 0
medium	8、8、8、15、8	0 / 5	都是 0
high	11、11、11、11、11	5 / 5	164 到 192

从这两张表里能读出四件事：

• 在 Sonnet 5.5 上，分界线是“它想没想”。 low 和 medium 一次都没有动用思考，加上第一轮共十二次，全错；high 开始每次都想了不到两百个 token，六次全对。
• 想这一下很便宜。 从 medium 到 high，花费从 0.0026 美元到 0.0039 美元，用时几乎没变。
• 再往上是白花钱。 max 的思考量是 high 的五六倍，花费是三倍多，答案一样。Opus 5.5 上更明显，max 花了 high 五倍的钱。
• Opus 5.5 在最低档也会想。 它的思考关不掉，low 时也用了 85 个 token，五档都对（各只跑了一次）。

所以“调高一定更好吗”的答案是：从不想到想，差别可能是对和错；从想到想很多，在这种题上什么也没多买到。 这和文档的说法一致：花费跟着所有这些动作一起涨，准确率只跟着任务真正需要的那一部分涨。

这只是一道题。换成别的任务，分界线可能在别的档位，也可能根本没有。文档的建议是在你自己的任务上扫两三档，看质量从哪一档开始掉。

四、各模型从哪一档起步

模型	文档的建议
Opus 5.5	默认是 medium，比上一代 Opus 低一档。思考关不掉，effort 是控制它想多少、花多少的主要手段。在高档位上把 max_tokens 设大
Sonnet 5.5	从 high 开始。带工具的多步任务，要求明确的可以先用 medium，难的、长的再回到 high。聊天这类要快的场合用 medium 或 low
Haiku 5.5	多数活从 medium 开始。low 最便宜最快，适合聊天、短的工具任务、量大又简单的请求；但在长的智能体提示里，它在 low 上更容易跳过搜索、提前收工、漏掉检查

还有一条通用的提醒：各档的思考量在每一代模型上都重新校准过。 在上一个模型上调好的档位，换了模型要重新试，不要直接搬。

五、思考的钱花在哪

	怎么算
这一轮的思考	按输出 token 收费，也算进 max_tokens
以前几轮留在上下文里的思考	按输入 token 收费。留几轮看模型：有的全留，有的只留最近一轮
思考摘要	生成摘要不另外收费

三件容易想错的事：

• 看不到不等于没花钱。 默认的显示方式是 omitted，thinking 块里的文字是空的，但思考的 token 一个不少地收了。不显示省的是时间（流式时正文能更早出来），不是钱。
• 看到的字数和收费的数对不上。 把显示方式设成 summarized，拿到的是一段摘要，收费按的是模型内部实际想的量。没有哪种设置能拿到原始的思考过程。
• max_tokens 把思考也算在内。 上限给小了，可能全被思考用光，正文一个字没有，见《把代码升级到 Claude 5.5 这一代要改什么》第三节。

要知道这一次想了多少，看响应里的这一项：

"usage": {
  "output_tokens": 345,
  "output_tokens_details": { "thinking_tokens": 185 }
}

这是上面 Sonnet 5.5 用 high 的那一次：345 个输出 token 里有 185 个是思考。流式时这一项只出现在最后一个 message_delta 事件里。

成本的两道闸：max_tokens 是硬上限，模型绝不会超；effort 是软的引导。在带工具的循环里，每个请求各有各的 max_tokens，所以它管不住一整轮任务的总花费，那是第七节任务预算的事。

六、想让它多想或少想

顺序是：先调 effort，不够再用提示词。

提示词的做法是直接说。放在系统提示里对整场对话生效；加在某一条用户消息的末尾，只管那一轮。文档给的例句是英文的 Please think hard before responding. 和 Answer directly without deliberating.。

文档自己也说了它的局限：

• 效果对措辞敏感，要在自己的任务上量过再用。
• 在 Sonnet 5.5 和 Haiku 5.5 上，用提示词让它少想不可靠。 要少想，调低 effort。
• 让它少想可能降低需要推理的任务的质量。

实测在 Opus 5.5 的 medium 档上，同一道排期题换四种说法，各一次：

说法	思考 token
原样	127
末尾加“请先仔细想清楚再回答。”	165
末尾加“直接回答，不要推敲。”	115
系统提示里写“直接给出答案，不需要在回答前展开思考”	87

方向和文档说的一致，幅度不大，四次都答对了。每种只跑了一次，不足以说明有稳定的效果。

七、任务预算：给一整轮任务一个总量

max_tokens 只管单个请求。一个智能体任务要来回很多个请求，总共花多少没有人管。任务预算（测试版）填的是这个空：你告诉模型“这整件事你有多少 token”，它看着一个倒计时自己安排，快用完时收尾、汇报，而不是在动作中途被掐断。

"output_config": {
  "effort": "medium",
  "task_budget": { "type": "tokens", "total": 20000 }
}

请求要带上 beta 头 task-budgets-2026-03-13。

要知道的几点：

• 它是建议，不是硬上限。 模型可能略微超出。真正的硬上限仍然是每个请求的 max_tokens，两个要配合着用。
• 倒计时只有模型看得到。 响应里没有“还剩多少”的字段，要自己在客户端把每次的用量加起来。
• 预算给得太小，它可能干脆不干。 明显不够的预算会让模型拒绝开始、大幅缩小范围，或者早早交一个半成品。文档的建议是先量一下现在的任务实际用多少，再从那里往下调。
• 支持的模型：Fable 5.1、Opus 5.5、Opus 5、Opus 4.8、Opus 4.7、Sonnet 5.5、Haiku 5.5。Sonnet 5 和 4.6 那一代不支持。
• Claude Code 里用不了，只能直接调接口。

实测带着这个参数和 beta 头发了一次请求，返回 200，正常回答。单个简单的请求看不出预算的作用，本站没有在多步任务里验证它。

八、快速模式：同一个模型，出字更快，价格翻倍

快速模式（研究预览）用更快的推理配置跑同一个模型，能力不变，输出速度最高到 2.5 倍。它加快的是出字的速度，不是第一个字出来之前的等待。

支持的模型	Opus 5.5、Opus 5、Opus 4.8
怎么开	请求里加 speed: "fast"，带 beta 头
价格	Opus 5.5 是每百万 token 8 美元和 40 美元，标准价的两倍
哪里能用	只在 Claude API 上，要申请
不能和什么一起用	批量接口

在快速和标准之间切换会让提示缓存失效。响应的 usage 里有一项 speed，写着实际用的是哪一种。

实测通过中转站请求快速模式：

HTTP 400 "本站暂不支持 claude-opus-5-5 的 speed="fast"（快速档），请使用标准速度。"

这家中转站没有开。

九、会话中途别随便改

effort 和思考的设置都是缓存前缀的一部分。 对话进行到一半改了其中任何一个，之前缓存的内容就对不上了，下一个请求要按全价重新处理整段对话。

• 靠缓存的长对话里，开头选定一档，中途保持不变。
• 确实需要某几轮用不同的档位，Fable 5.1、Opus 5.5、Opus 5、Sonnet 5.5、Haiku 5.5 支持“按消息改 effort”（测试版），这种改法不破坏缓存。
• 把参数明确设成默认值，和不设是等价的，不会让缓存失效。

文档里有一个完整的例子（Build an orchestration mode），用高档位的 effort、对话中间的 system 消息和一个编排工具，拼出一种“放手让它拆任务、派子代理”的模式。它强调这不是一个接口参数，是用几样现成的东西搭出来的，而且一个请求可能派生出很多个子对话，token 用量成倍增加。本站没有跑这个例子。

十、带工具时的四条规则

思考和工具一起用，文档列了四条：

1. 一轮任务里只用一种思考配置。 一个工具循环算一轮，要改配置等这一轮结束。
2. 把 thinking 块完整、原样地传回去。 交工具结果时，助手那条消息里的 thinking 块要一起回来。
3. 助手的消息原样回放。 不要重组，不要按类型过滤。redacted_thinking 是另一种块，只过滤 thinking 会把它漏掉。
4. 强制调用工具和思考不能随便搭。 Opus 5.5、Sonnet 5.5、Fable 5.1 上强制调用直接报 400；其他模型上强制调用会跳过思考，响应直接从工具调用开始。

十一、常见的现象对一下

你看到的	原因	怎么办
thinking 块里的文字是空的	显示方式默认是 omitted	设成 summarized
有的轮次没有 thinking 块	自适应思考认为这一轮不用想，这是正常的	要它多想，调高 effort
回答停在 max_tokens，正文很短或没有	思考占了输出的额度	调大 max_tokens，或者调低 effort
缓存命中突然掉到零	改了思考配置或 effort	同一场对话里保持不变
改了 effort，思考量没变	模型用的是旧的手动思考模式，那里管思考的是预算	换成自适应思考，或者调预算
400：thinking 块不能修改	传回去的助手消息和收到的不一样	原样回放
400：thinking 块的签名无效	它前面的系统提示、工具或更早的消息被改过	对话历史只增不改
回答的文字里冒出工具调用或 XML 标签	Opus 5 关掉思考时会这样	把思考开回来，用低档 effort 控制花费

通过中转站还测到的

请求	结果
effort 的五档	都接受，并且看得出差别（第三节）
effort 写成不存在的值，或者写成 adaptive	400，消息列出了五个合法的取值
speed: "fast"	400，本站暂不支持
带 task_budget 和 beta 头	200
display 设成 updates（带 beta 头）	200
不经过 SDK，非流式请求把 max_tokens 设成 64000	200

最后一条说明一件事：Python SDK 在 max_tokens 超过 21,333 时要求用流式，这是 SDK 在本地做的检查，不是接口的限制。直接发 HTTP 请求不受这个约束，但长时间没有数据的连接可能被网络掐断，所以长输出还是该用流式。

和 Claude Code 的关系

• Claude Code 的 /effort 设的就是这个参数，档位的含义相同。怎么在 Claude Code 里省用量，见《Claude Code 怎么省用量》。
• 会话中途用 /effort 换档，同样会让缓存失效一次。
• 任务预算在 Claude Code 里不可用。

花费

这一轮四十来次请求，按官方价估算合计约 0.16 美元。最贵的两次是两个模型的 max 档，加起来 0.04 美元。这是估算，不是中转站实际扣的金额。

这次实测没有覆盖到的

• 官方接口没有测。
• 只用了一道题。 档位之间的分界线换个任务就可能不同。Opus 5.5 的五档各只跑了一次。
• Haiku 5.5 和 Fable 5.1 没有测。
• 任务预算没有在多步任务里验证，按消息改 effort、display: updates 的实际效果、编排模式的例子，都没有跑。
• 快速模式测不了，中转站没有开。
• 带工具时的那几条规则在这家中转站上测不出来：升级清单那一篇里试过，删掉 thinking 块再传回去它也不报错。