Effort

Parameter effort memungkinkan Anda mengontrol seberapa bersemangat Claude dalam menghabiskan token saat merespons permintaan. Ini memberi Anda kemampuan untuk menukar antara kelengkapan respons dan efisiensi token, semuanya dengan satu model. Parameter effort secara umum tersedia di semua model yang didukung tanpa memerlukan header beta.

Cara effort bekerja

Secara default, Claude menggunakan high effort, menghabiskan sebanyak token yang diperlukan untuk hasil yang sangat baik. Anda dapat menaikkan tingkat effort ke max untuk kemampuan tertinggi yang mutlak, atau menurunkannya untuk lebih konservatif dengan penggunaan token, mengoptimalkan kecepatan dan biaya sambil menerima beberapa pengurangan dalam kemampuan.

Parameter effort mempengaruhi semua token dalam respons, termasuk:

• Respons teks dan penjelasan
• Panggilan alat dan argumen fungsi
• Pemikiran yang diperluas (ketika diaktifkan)

Pendekatan ini memiliki dua keuntungan utama:

1. Tidak memerlukan pemikiran untuk diaktifkan agar dapat menggunakannya.
2. Dapat mempengaruhi semua pengeluaran token termasuk panggilan alat. Misalnya, effort yang lebih rendah berarti Claude membuat lebih sedikit panggilan alat. Ini memberikan tingkat kontrol yang jauh lebih besar atas efisiensi.

Tingkat effort

Tingkat effort yang direkomendasikan untuk Sonnet 4.6

Sonnet 4.6 default ke effort high. Atur effort secara eksplisit saat menggunakan Sonnet 4.6 untuk menghindari latensi yang tidak terduga:

• Medium effort (default yang direkomendasikan): Keseimbangan terbaik antara kecepatan, biaya, dan kinerja untuk sebagian besar aplikasi. Cocok untuk coding agentic, alur kerja yang kaya alat, dan pembuatan kode.
• Low effort: Untuk beban kerja dengan volume tinggi atau sensitif latensi. Cocok untuk chat dan kasus penggunaan non-coding di mana turnaround yang lebih cepat diprioritaskan.
• High effort: Untuk tugas yang memerlukan intelijen maksimum dari Sonnet 4.6.
• Max effort: Untuk tugas yang memerlukan kemampuan tertinggi yang mutlak tanpa batasan pada pengeluaran token.

Tingkat effort yang direkomendasikan untuk Claude Opus 4.7

Mulai dengan xhigh untuk kasus penggunaan coding dan agentic, dan gunakan high sebagai minimum untuk sebagian besar beban kerja yang sensitif terhadap intelijen. Turun ke medium untuk beban kerja yang sensitif terhadap biaya, atau naik ke max hanya ketika eval Anda menunjukkan ruang kepala yang terukur di xhigh.

Default API adalah high. Untuk menggunakan xhigh, atur effort secara eksplisit; nilai yang Anda berikan menggantikan default.

Claude Opus 4.7 juga menghormati tingkat effort lebih ketat daripada Claude Opus 4.6, terutama di low dan medium. Pada tingkat effort yang lebih rendah, model membatasi pekerjaan ke apa yang diminta daripada melampaui. Jika Anda mengamati penalaran dangkal pada masalah kompleks dengan Claude Opus 4.7, naikkan effort daripada meminta di sekitarnya. Jika Anda harus menjaga effort tetap rendah untuk latensi, tambahkan panduan yang ditargetkan seperti "Tugas ini melibatkan penalaran multi-langkah. Pikirkan dengan hati-hati sebelum merespons."

Saat menjalankan Claude Opus 4.7 pada effort xhigh atau max, atur max_tokens yang besar sehingga model memiliki ruang untuk berpikir dan bertindak di seluruh subagents dan panggilan alat. Mulai dari 64k token dan menyesuaikan dari sana adalah default yang masuk akal.

Penggunaan dasar

client = anthropic.Anthropic()

response = client.messages.create(
    model="claude-opus-4-7",
    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)

Kapan menyesuaikan parameter effort

• Gunakan max effort ketika Anda memerlukan kemampuan tertinggi yang mutlak tanpa batasan: penalaran paling menyeluruh dan analisis paling mendalam. Tersedia di Claude Mythos Preview, Claude Opus 4.7, Claude Opus 4.6, dan Claude Sonnet 4.6.
• Gunakan xhigh effort untuk pekerjaan coding lanjutan dan agentic kompleks yang memerlukan eksplorasi yang diperluas, seperti panggilan alat berulang dan pencarian terperinci. Tersedia di Claude Opus 4.7.
• Gunakan high effort (default) ketika Anda memerlukan pekerjaan terbaik Claude: penalaran kompleks, analisis bernuansa, masalah coding yang sulit, atau tugas apa pun di mana kualitas adalah prioritas utama.
• Gunakan medium effort sebagai opsi seimbang ketika Anda menginginkan kinerja solid tanpa pengeluaran token penuh dari high effort.
• Gunakan low effort ketika Anda mengoptimalkan untuk kecepatan (karena Claude menjawab dengan lebih sedikit token) atau biaya. Misalnya, tugas klasifikasi sederhana, pencarian cepat, atau kasus penggunaan volume tinggi di mana peningkatan kualitas marginal tidak membenarkan latensi atau pengeluaran tambahan.

Effort dengan penggunaan alat

Saat menggunakan alat, parameter effort mempengaruhi penjelasan di sekitar panggilan alat dan panggilan alat itu sendiri. Tingkat effort yang lebih rendah cenderung:

• Menggabungkan beberapa operasi menjadi lebih sedikit panggilan alat
• Membuat lebih sedikit panggilan alat
• Melanjutkan langsung ke tindakan tanpa pembukaan
• Menggunakan pesan konfirmasi yang ringkas setelah penyelesaian

Tingkat effort yang lebih tinggi mungkin:

• Membuat lebih banyak panggilan alat
• Menjelaskan rencana sebelum mengambil tindakan
• Memberikan ringkasan perubahan yang terperinci
• Menyertakan komentar kode yang lebih komprehensif

Effort dengan pemikiran yang diperluas

Parameter effort bekerja bersama pemikiran yang diperluas. Perilakunya tergantung pada model:

• Claude Mythos Preview menggunakan adaptive thinking secara default (tidak ada konfigurasi thinking yang diperlukan). thinking: {type: "disabled"} ditolak. Effort mengontrol kedalaman pemikiran dengan cara yang sama seperti di Opus 4.7 dan Opus 4.6.
• Claude Opus 4.7 menggunakan adaptive thinking (thinking: {type: "adaptive"}), di mana effort adalah kontrol yang direkomendasikan untuk kedalaman pemikiran. Pemikiran yang diperluas manual (thinking: {type: "enabled", budget_tokens: N}) tidak lagi didukung di Opus 4.7; gunakan adaptive thinking dengan effort sebagai gantinya. Pada effort high, xhigh, dan max, Claude hampir selalu berpikir mendalam. Pada tingkat yang lebih rendah, mungkin akan melewati pemikiran untuk masalah yang lebih sederhana.
• Claude Opus 4.6 menggunakan adaptive thinking (thinking: {type: "adaptive"}), di mana effort adalah kontrol yang direkomendasikan untuk kedalaman pemikiran. Meskipun budget_tokens masih diterima di Opus 4.6, ini sudah usang dan akan dihapus dalam rilis di masa depan. Pada effort high dan max, Claude hampir selalu berpikir mendalam. Pada tingkat yang lebih rendah, mungkin akan melewati pemikiran untuk masalah yang lebih sederhana.
• Claude Sonnet 4.6 menggunakan adaptive thinking (di mana effort mengontrol kedalaman pemikiran). Pemikiran manual dengan interleaved mode (thinking: {type: "enabled", budget_tokens: N}) masih berfungsi tetapi sudah usang.
• Claude Opus 4.5 dan model Claude 4 lainnya menggunakan pemikiran manual (thinking: {type: "enabled", budget_tokens: N}), di mana effort bekerja bersama anggaran token pemikiran. Atur tingkat effort untuk tugas Anda, kemudian atur anggaran token pemikiran berdasarkan kompleksitas tugas.

Parameter effort dapat digunakan dengan atau tanpa pemikiran yang diperluas diaktifkan. Ketika digunakan tanpa pemikiran, itu masih mengontrol pengeluaran token keseluruhan untuk respons teks dan panggilan alat.

Praktik terbaik

1. Atur effort secara eksplisit: API default ke high, tetapi titik awal yang tepat tergantung pada model dan beban kerja Anda.
2. Gunakan low untuk tugas yang sensitif terhadap kecepatan atau sederhana: Ketika latensi penting atau tugas sederhana, low effort dapat secara signifikan mengurangi waktu respons dan biaya.
3. Uji kasus penggunaan Anda: Dampak tingkat effort bervariasi menurut jenis tugas. Evaluasi kinerja pada kasus penggunaan spesifik Anda sebelum melakukan deployment.
4. Pertimbangkan effort dinamis: Sesuaikan effort berdasarkan kompleksitas tugas. Kueri sederhana mungkin memerlukan low effort sementara coding agentic dan penalaran kompleks mendapat manfaat dari high effort.