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 kerja effort

Secara default, Claude menggunakan effort tinggi, menghabiskan sebanyak token yang diperlukan untuk hasil yang sangat baik. Anda dapat menaikkan tingkat effort ke max untuk kemampuan tertinggi absolut, atau menurunkannya untuk lebih hemat 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 (saat 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:

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

Penggunaan dasar

curl https://api.anthropic.com/v1/messages \
    --header "x-api-key: $ANTHROPIC_API_KEY" \
    --header "anthropic-version: 2023-06-01" \
    --header "content-type: application/json" \
    --data '{
        "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"
        }
    }'

Kapan menyesuaikan parameter effort

• Gunakan max effort ketika Anda membutuhkan kemampuan tertinggi absolut tanpa batasan: penalaran paling menyeluruh dan analisis paling mendalam. Tersedia di Claude Mythos Preview, Claude Opus 4.6, dan Claude Sonnet 4.6.
• Gunakan high effort (default) ketika Anda membutuhkan 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 4.6.
• 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 menerapkan.
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.