Claude Platform Docs

思考のステアリング

エフォートレベル、システムプロンプトによるガイダンス、メッセージごとのステアリングを使って、Claudeがどのくらいの頻度で、どのくらい深く思考するかを制御し、思考のコストと料金について理解します。

Claudeの思考は適応的です。モデルは各リクエストを評価し、思考するかどうか、どの程度思考するかを判断します。ユーザーは意図を設定し、必要に応じてeffortを指定するだけで、モデルは推論が役立つと思われる箇所に推論を割り当てます。

このため、思考は、些細なリクエストと複雑なリクエストが混在するワークロードや、ステップごとに適切な推論量が変化する長期的なエージェントワークフローに非常に適しています。

思考を有効にする方法や思考出力の読み方については、思考の概要を参照してください。このページでは、Claudeがいつ思考するかをどのように判断するか、思考をどのように制御するか、そしてそこから生じるキャッシング、コスト、料金の仕組みについて説明します。

Claudeがいつ思考するかを判断する仕組み

思考はモデルにとって任意です。各リクエストにおいて、Claudeは入力の複雑さを評価し、より深い推論によって回答が改善されるかどうかを判断します。単純な事実に関する質問では、思考ブロックがまったくない直接的な応答が返される場合があります。一方、複数ステップの数学問題や難しいデバッグタスクでは、より深い推論が行われます。

この判断はリクエストごとに行われます。同じ会話の中に思考ありのターンと思考なしのターンが混在することがあり、Claudeが思考をスキップしたターンには思考ブロックが含まれません。すべてのアシスタントターンが思考ブロックで始まることを前提としたアプリケーションロジックを構築しないでください。

この判断を制御する主な手段はeffortパラメータです。これは、Claudeが思考をどの程度の頻度で、どの程度深く使用するかについてのソフトなガイダンスとして機能します。各レベルの動作については、このページのエフォートレベルを参照してください。

Claudeに思考の頻度を減らしてほしい場合は、プロンプトベースのステアリングに手を伸ばす前に、エフォートレベルを下げてください。

思考はツール使用とも自動的にインターリーブされます。Claudeはツール呼び出しの間に思考し、各ツール結果を評価してから次に何をするかを判断できます(インターリーブ思考)。

思考の設定とeffortパラメータがどのように相互作用するかの詳細については、思考とeffortを参照してください。

Claudeが思考する頻度のステアリング

特定のターンでClaudeが思考するかどうかは、プロンプトで制御可能です。effortは全体的な姿勢を設定しますが、自然言語によるガイダンスを使って、システムプロンプトでグローバルに、またはユーザーターンで個々のメッセージごとに、その動作を直接調整することもできます。

2つのレバーを次の順序で組み合わせて使用してください。

  1. ワークロードにおける品質とレイテンシのデフォルトのバランスに合ったエフォートレベルを設定します。
  2. そのレベルでもClaudeのトリガー動作がニーズに合わない場合にのみ、プロンプトによるガイダンスを追加します。

思考に関するより広範なプロンプティングのガイダンスについては、思考とインターリーブ思考の機能を活用するを参照してください。

エフォートレベル

エフォートは、思考をステアリングするための主要な手段です。各レベルは、Claudeが思考する頻度と深さについて、それぞれ異なるデフォルトを設定します。

エフォートレベル思考の動作
maxClaudeは最も積極的かつ最も深く思考し、思考の長さに制約はありません。
xhighClaudeはhighよりも積極的かつ深く思考し、広範な探索に適しています。
high(ほとんどのモデルでのデフォルト)Claudeは思考が有益なほとんどのリクエストで思考します。複雑なタスクで深い推論を提供します。
medium(Claude Opus 5.5およびClaude Haiku 5.5でのデフォルト)Claudeは適度に思考します。単純なクエリでは思考をスキップする場合があります。
lowClaudeは思考を最小限に抑えます。速度が最も重要な単純なタスクでは思考を省略します。

どのレベルでも、Claudeはリクエストごとに思考するかどうかを判断します。ツール使用のループでは、新しいユーザー入力後の最初のリクエストが通常推論の大部分を担い、ツール結果を処理するだけの後続リクエストでは、xhighやmaxであっても思考がスキップされることがあります。また、会話が長くなるにつれて、リクエストあたりの思考は減少する傾向があります。すべてのリクエストで思考ブロックを保証するレベルはありません。

この表は、各レベルによって思考の動作がどのように変わるかを示しています。特定のワークロードでどのレベルを選ぶべきかのガイダンス(モデルごとの推奨事項を含む)については、エフォートのページのエフォートパラメータを調整するタイミングを参照してください。

effortはthinkingオブジェクト内ではなく、output_config.effortで設定します。言語ごとの完全な例については、effortレベルを設定するを参照してください。

{
  "model": "claude-opus-5-5",
  "max_tokens": 4096,
  "output_config": { "effort": "medium" },
  "messages": [{ "role": "user", "content": "..." }]
}

利用可能なレベルはモデルによって異なります。各モデルがサポートするレベルについては、エフォートのページにあるエフォートの利用可能性の表を正式な情報源として参照してください。

システムプロンプトによるガイダンス

システムプロンプトによるガイダンスは、会話内のすべてのリクエストに対してClaudeの思考のしきい値を変化させます。ワークロードが必要とする以上にClaudeが頻繁に思考している場合は、次のようなガイダンスをシステムプロンプトに追加してください。

Extended thinking adds latency and should only be used when it
will meaningfully improve answer quality, typically for problems
that require multistep reasoning. When in doubt, respond directly.

逆に思考を促すには、次のようなフレーズを使用します。

This task involves multistep reasoning. Think carefully before responding.

ステアリングの効果は、正確な言い回しに左右されることがあります。ある言い回しで望む動作が得られない場合は、より直接的な表現を試してください。

メッセージごとのステアリング

システムプロンプトとは独立して、ユーザーターンからメッセージごとに思考をステアリングすることもできます。ユーザーメッセージに"Please think hard before responding."を追加するとそのターンでClaudeの思考が促され、"Answer directly without deliberating."を追加すると思考が抑制されます。

メッセージごとのステアリングは、会話内の一部のリクエストだけが広範な推論を必要とする場合に便利です。たとえばエージェントハーネスでは、システムプロンプトに手を加えたりターン間でリクエストパラメータを変更したりすることなく、計画ステップでは促すフレーズを、定型的な確認では抑制するフレーズを追加できます。

Claude Haiku 5.5およびClaude Fable 5.2では、思考を抑制するフレーズを使っても思考量が確実に減るとは限りません。Anthropicのテストでは、このフレーズを使っても、medium以上のエフォートではClaude Fable 5.2の思考は止まりませんでした。プラットフォームが対応している場合は、代わりにメッセージごとのeffort変更を使用して、これらのモデルで定型的なターンを少ない思考で実行してください。このベータ機能ではプロンプトキャッシングも維持されます。

ワークロードでステアリングを検証する

プロンプトベースのステアリングはモデルの動作を変化させるため、他のプロンプト変更と同様に扱ってください。つまり、リリース前に測定してください。トラフィックの代表的なサンプルをガイダンスありとなしで実行し、思考がトリガーされる頻度(応答内の思考ブロックの有無)、出力トークン使用量、レイテンシ、そして重要なケースにおける回答品質を比較してください。

仕組み

Claudeが自身の思考を管理することから、3つの仕組みが生じます。ターンの検証、プロンプトキャッシング、そしてコストの上限設定方法です。

ターンの検証

アシスタントターンは思考ブロックで始まる必要はありません。(従来の手動思考バジェットを使用するモデルでは、思考が有効なリクエストの最後のアシスタントターンが思考ブロックで始まることが強制されます。手動モードでのターン構造を参照してください。)

マルチターンアプリケーションにとって、これは会話履歴を次のいずれの形でも渡せることを意味します。

  • Claudeが思考なしで生成したアシスタントターンは、そのままで有効な履歴です。
  • 思考なしで開始された会話や、異なる思考設定を使用した会話を、履歴を書き換えることなく再開できます。
  • 複数のソースから組み立てられた履歴は、検証を通過するために各アシスタントターンの先頭に思考ブロックを再挿入する必要はありません。

これは、ターンが思考ブロックなしで開始できるというだけの意味です。思考ブロックがある場合は、変更せずにそのまま渡してください。特にツール使用中は、思考ブロックがClaudeのツール呼び出しの背後にある推論を保持しているため重要です。完全なルールについては、思考の概要を参照してください。

プロンプトキャッシング

同じ思考設定とエフォートレベルを維持する連続したリクエストでは、プロンプトキャッシングが保持されます。完全なルールについては、思考とプロンプトキャッシングを参照してください。解決されたエフォート値はプロンプトに組み込まれます。そのため、リクエスト間でこの値を変更すると、キャッシュブレークポイントが無効になる場合があります。従来のbudget_tokensパラメータを、それを使用するモデルで変更した場合も同様です。effortをモデルのデフォルト値に明示的に設定することは省略した場合と同等であり、キャッシュは無効になりません。

実際的な結論として、会話ごとに思考設定とトップレベルのeffortレベルを選び、それを維持してください。一部のターンでより多くまたは少ない思考が必要な場合は、対応するモデルでメッセージごとのeffort変更(ベータ版)を使用してください。または、メッセージごとのプロンプトで制御してください。どちらも以前のキャッシュブレークポイントをそのまま維持しますが、思考設定やトップレベルのeffortレベルを変更した場合は維持されない可能性があります。

次の例は、自分で実行できるマルチターンスクリプトで、この無効化を示しています。

コスト制御

思考トークンのバジェットは設定しません。2つの制御手段がコストの上限を定めます。

  • max_tokensは、思考と応答テキストを合わせた、リクエストの総出力に対するハードキャップです。Claudeがこれを超えて生成することはありません。ツール使用ループでは、ターン内の各リクエストがそれぞれ独自のmax_tokensを持つため、ターン全体の消費量の上限にはなりません。
  • effortは、その出力のうちClaudeがどれだけを思考に割り当てるかについてのソフトなガイダンスです。動作を形作りますが、トークン数を保証するものではありません。

思考はmax_tokensにカウントされるため、推論と回答の両方に余裕を残せるよう十分に高く設定してください。思考なしの応答に合わせてサイズ設定されたmax_tokensは、Claudeが難しいリクエストで思考を始めると、小さすぎることがよくあります。

high以上のeffortでは、Claudeは広範に思考する可能性があり、バジェットを使い切る可能性が高くなります。応答にstop_reason: "max_tokens"が見られる場合、2つの対処法があります。

  • max_tokensを引き上げて、思考と回答のためにモデルにより多くの余裕を与えます。
  • エフォートレベルを下げて、Claudeの思考を減らし、バジェットのより多くを応答テキストに残します。

どちらが正しいかは、切り捨てられた応答が推論を必要としていたかどうかによります。それらのリクエストの品質が重要であればキャップを引き上げ、過剰に思考していたのであればエフォートを下げてください。

料金

思考では、以下に対して料金が発生します。

  • Claudeが思考中に使用するトークン(出力トークンとして課金)
  • 保持のデフォルトに従ってコンテキストに残る、以前のアシスタントターンの思考ブロック:すべてを保持するモデルではデフォルトですべてのターン、それ以外では最後のターンのみ(入力トークンとして課金)
  • 標準のテキスト出力トークン

課金対象はdisplay設定に関係なく同じです。変わるのは表示される内容だけです。

display: "summarized"display: "omitted"
入力トークン元のリクエスト内のトークンsummarizedと同じ
出力トークン(課金対象)Claudeが内部で生成した完全な思考トークンsummarizedと同じ
出力トークン(表示)要約された思考テキスト思考トークンはゼロ(thinkingフィールドは空)
要約の生成料金なし該当なし

内部推論に費やされた課金対象の出力トークン数を確認するには、応答内のusage.output_tokens_details.thinking_tokensを読み取ってください。この値は、モデルが生成した生の推論(本文で返される要約テキストではありません)を反映しており、常にoutput_tokens以下です。これをoutput_tokensから差し引くことで、出力の非推論部分を概算できます。ストリーミング時には、この内訳は最後のmessage_deltaイベントにのみ表示されます。

{
  "usage": {
    "input_tokens": 25,
    "output_tokens": 348,
    "output_tokens_details": {
      "thinking_tokens": 312
    }
  }
}

output_tokensは引き続き、課金に使用される包括的で正式な合計値です。output_tokens_detailsは、オブザーバビリティのための読み取り専用の内訳です。基本料金、キャッシュ書き込み、キャッシュヒット、出力トークンを含む完全な料金情報については、料金を参照してください。

次のステップ

思考を有効にし、思考出力を読み取り、モデルごとのサポート状況を確認します。

ツール呼び出しをまたいで思考ブロックを保持し、マルチターン会話で思考を管理します。

各リクエストでClaudeが割り当てる思考と出力の量を制御します。

このページは役に立ちましたか?