Effort

Der Effort-Parameter ermöglicht es Ihnen zu kontrollieren, wie bereitwillig Claude Token beim Antworten auf Anfragen ausgibt. Dies gibt Ihnen die Möglichkeit, zwischen Gründlichkeit der Antwort und Token-Effizienz abzuwägen, alles mit einem einzigen Modell. Der Effort-Parameter ist allgemein auf allen unterstützten Modellen verfügbar und erfordert keinen Beta-Header.

Wie Effort funktioniert

Standardmäßig verwendet Claude hohen Effort – gibt so viele Token aus, wie für hervorragende Ergebnisse erforderlich sind. Sie können die Effort-Stufe auf max erhöhen, um die absolut höchste Leistung zu erzielen, oder sie senken, um sparsamer mit Token-Nutzung umzugehen und Geschwindigkeit und Kosten zu optimieren, während Sie eine gewisse Leistungsreduktion akzeptieren.

Der Effort-Parameter beeinflusst alle Token in der Antwort, einschließlich:

• Textantworten und Erklärungen
• Tool-Aufrufe und Funktionsargumente
• Erweitertes Denken (wenn aktiviert)

Dieser Ansatz hat zwei große Vorteile:

1. Es erfordert nicht, dass Denken aktiviert ist, um es zu verwenden.
2. Es kann alle Token-Ausgaben beeinflussen, einschließlich Tool-Aufrufe. Zum Beispiel würde niedrigerer Effort bedeuten, dass Claude weniger Tool-Aufrufe macht. Dies gibt einen viel größeren Grad an Kontrolle über die Effizienz.

Effort-Stufen

Grundlegende Verwendung

import anthropic

client = anthropic.Anthropic()

response = client.messages.create(
    model="claude-opus-4-6",
    max_tokens=4096,
    messages=[{
        "role": "user",
        "content": "Analyze the trade-offs between microservices and monolithic architectures"
    }],
    output_config={
        "effort": "medium"
    }
)

print(response.content[0].text)

Wann sollte ich den Effort-Parameter anpassen?

• Verwenden Sie max Effort, wenn Sie die absolut höchste Leistung ohne Einschränkungen benötigen – das gründlichste Denken und die tiefste Analyse. Nur auf Opus 4.6 verfügbar; Anfragen mit max auf anderen Modellen geben einen Fehler zurück.
• Verwenden Sie high Effort (Standard), wenn Sie Claudes beste Arbeit benötigen – komplexes Denken, nuancierte Analyse, schwierige Codierungsprobleme oder jede Aufgabe, bei der Qualität die oberste Priorität ist.
• Verwenden Sie medium Effort als ausgewogene Option, wenn Sie solide Leistung ohne die volle Token-Ausgabe von hohem Effort möchten.
• Verwenden Sie low Effort, wenn Sie Geschwindigkeit optimieren (weil Claude mit weniger Token antwortet) oder Kosten – zum Beispiel einfache Klassifizierungsaufgaben, schnelle Nachschlagungen oder Hochvolumen-Anwendungsfälle, bei denen marginale Qualitätsverbesserungen zusätzliche Latenz oder Ausgaben nicht rechtfertigen.

Effort mit Tool-Nutzung

Bei der Verwendung von Tools beeinflusst der Effort-Parameter sowohl die Erklärungen um Tool-Aufrufe als auch die Tool-Aufrufe selbst. Niedrigere Effort-Stufen neigen dazu zu:

• Mehrere Operationen in weniger Tool-Aufrufen kombinieren
• Weniger Tool-Aufrufe machen
• Direkt zur Aktion übergehen ohne Präambel
• Knappe Bestätigungsmeldungen nach Abschluss verwenden

Höhere Effort-Stufen können:

• Mehr Tool-Aufrufe machen
• Den Plan vor der Aktion erklären
• Detaillierte Zusammenfassungen von Änderungen bereitstellen
• Umfassendere Code-Kommentare enthalten

Effort mit erweitertem Denken

Der Effort-Parameter funktioniert zusammen mit erweitertem Denken. Sein Verhalten hängt vom Modell ab:

• Claude Opus 4.6 verwendet adaptive thinking (thinking: {type: "adaptive"}), wobei Effort die empfohlene Kontrolle für die Thinking-Tiefe ist. Während budget_tokens auf Opus 4.6 noch akzeptiert wird, ist es veraltet und wird in einer zukünftigen Version entfernt. Bei high und max Effort denkt Claude fast immer tief. Bei niedrigeren Stufen kann es das Denken bei einfacheren Problemen überspringen.
• Claude Opus 4.5 verwendet manuelles Denken (thinking: {type: "enabled", budget_tokens: N}), wobei Effort zusammen mit dem Thinking-Token-Budget funktioniert. Setzen Sie die Effort-Stufe für Ihre Aufgabe, dann setzen Sie das Thinking-Token-Budget basierend auf der Aufgabenkomplexität.

Der Effort-Parameter kann mit oder ohne aktiviertes erweitertes Denken verwendet werden. Wenn er ohne Denken verwendet wird, kontrolliert er immer noch die Gesamttoken-Ausgabe für Textantworten und Tool-Aufrufe.

Best Practices

1. Beginnen Sie mit high: Verwenden Sie niedrigere Effort-Stufen, um Leistung gegen Token-Effizienz abzuwägen.
2. Verwenden Sie low für geschwindigkeitssensitive oder einfache Aufgaben: Wenn Latenz wichtig ist oder Aufgaben unkompliziert sind, kann niedriger Effort die Antwortzeiten und Kosten erheblich reduzieren.
3. Testen Sie Ihren Anwendungsfall: Die Auswirkung von Effort-Stufen variiert je nach Aufgabentyp. Evaluieren Sie die Leistung auf Ihren spezifischen Anwendungsfällen, bevor Sie bereitstellen.
4. Erwägen Sie dynamischen Effort: Passen Sie Effort basierend auf Aufgabenkomplexität an. Einfache Abfragen können niedriger Effort rechtfertigen, während agentengestützte Codierung und komplexes Denken von hohem Effort profitieren.