Loading
Loading
Loading
Loading
Loading
Loading
Loading
Loading
Loading
Loading
Loading
Loading
Loading
Loading
Loading
Loading
O "extended thinking" (pensamento estendido) no modo manual oferece controle direto sobre o quanto o Claude pensa. Você define um orçamento de tokens de pensamento em cada requisição com thinking: {type: "enabled", budget_tokens: N}, e o Claude pensa dentro desse orçamento antes de começar sua resposta final. O modo manual continua útil quando sua carga de trabalho exige latência previsível ou controle preciso sobre os custos de pensamento. Esta página aborda como definir e ajustar o orçamento, como o modo manual interage com o pensamento intercalado e o cache de prompt, e como migrar para o pensamento adaptativo.
Para entender como o pensamento em si funciona, incluindo blocos de pensamento e o formato da resposta, o parâmetro display, streaming, pensamento com uso de ferramentas e criptografia, consulte a visão geral do pensamento.
A disponibilidade do pensamento estendido por modelo, incluindo os modelos em que o pensamento estendido é o único modo, está listada na tabela de configuração por modelo.
Aqui está um exemplo de uso do pensamento estendido na Messages API:
client = anthropic.Anthropic()
response = client.messages.create(
model="claude-sonnet-4-6",
max_tokens=16000,
thinking={"type": "enabled", "budget_tokens": 10000},
messages=[
{
"role": "user",
"content": "Are there an infinite number of prime numbers such that n mod 4 == 3?",
}
],
)
# A resposta contém blocos de pensamento resumidos e blocos de texto
for block in response.content:
match block.type:
case "thinking":
print(f"\nThinking summary: {block.thinking}")
case "text":
print(f"\nResponse: {block.text}")Para ativar o pensamento estendido manual, adicione um objeto thinking com type definido como enabled e um valor de budget_tokens.
O parâmetro budget_tokens define uma meta de quantos tokens o Claude pode usar para seu processo de raciocínio interno. Orçamentos maiores podem melhorar a qualidade da resposta ao permitir uma análise mais completa para problemas complexos.
budget_tokens deve satisfazer estas restrições:
max_tokens. Os tokens de pensamento contam para o limite de max_tokens do turno, então o orçamento deve deixar espaço para a resposta final. A única exceção é o pensamento intercalado, em que budget_tokens pode exceder max_tokens porque o orçamento abrange todos os blocos de pensamento dentro de um único turno do assistente.budget_tokens deve ser menor que max_tokens, o pensamento estendido não pode ser combinado com max_tokens: 0 (pré-aquecimento de cache).O orçamento é uma meta, não um limite rígido. O uso real de tokens varia conforme a tarefa, e o Claude pode parar de raciocinar bem antes de esgotar o orçamento; max_tokens continua sendo o teto absoluto para a saída total.
No Claude Opus 4.5, o único modelo exclusivo de pensamento estendido que suporta effort, o effort molda a resposta geral enquanto budget_tokens define a profundidade do pensamento; defina ambos.
Para ajustar o orçamento:
Para acompanhar o custo real de um orçamento, monitore o campo usage.output_tokens_details.thinking_tokens na resposta, que informa quantos dos tokens de saída cobrados foram de raciocínio interno. Ao usar streaming, esse detalhamento aparece apenas no evento final message_delta.
Quando estiver pronto para deixar de usar orçamentos manuais, consulte Migrando para o pensamento adaptativo.
O "interleaved thinking" (pensamento intercalado) permite que o Claude pense entre chamadas de ferramentas dentro de um único turno do assistente, raciocinando sobre cada resultado de ferramenta antes de decidir o que fazer a seguir. Para o conceito, a estrutura de turnos e como ele se comporta em modelos de pensamento adaptativo, consulte pensamento intercalado na visão geral do pensamento. Esta seção aborda como habilitá-lo quando você usa o pensamento manual type: "enabled".
No Claude Opus 4.5, Claude Sonnet 4.5 e modelos Claude 4 anteriores (Claude Opus 4.1, Claude Opus 4 e Claude Sonnet 4), adicione o cabeçalho beta interleaved-thinking-2025-05-14 à sua requisição de API.
A geração 4.6 se divide no modo manual:
type: "enabled" manual ainda funciona, mas está obsoleto. Prefira o pensamento adaptativo, que intercala automaticamente sem cabeçalho.thinking: {type: "adaptive"} se precisar de raciocínio entre chamadas de ferramentas neste modelo.O Claude Haiku 4.5 não suporta pensamento intercalado. Na API do Claude, o cabeçalho beta é aceito, mas ignorado.
Mais duas considerações para o pensamento intercalado no modo manual:
budget_tokens pode exceder max_tokens aqui; as regras de orçamento explicam essa exceção.A forma como as plataformas tratam o cabeçalho beta difere. A API do Claude e a Claude Platform na AWS aceitam interleaved-thinking-2025-05-14 em qualquer modelo e o ignoram onde não é suportado. Aceitação não é o mesmo que efeito: em modelos que rejeitam type: "enabled" (4.7 e posteriores) ou que não têm intercalação no modo manual (Claude Opus 4.6), o cabeçalho não tem efeito no modo manual; o pensamento adaptativo intercala automaticamente nesses casos.
Plataformas operadas por parceiros (Amazon Bedrock e Google Cloud) também aceitam o cabeçalho em qualquer modelo sem retornar erro, e o ignoram em modelos que não suportam pensamento intercalado.
As regras gerais de estrutura de turnos, incluindo o loop de uso de ferramentas em turno único, o tratamento de conflitos no meio do turno e a alternância de pensamento entre turnos, estão em Pensamento com uso de ferramentas.
O modo manual adiciona um requisito: o turno final do assistente em uma requisição com pensamento habilitado deve começar com um bloco de pensamento (o pensamento adaptativo elimina esse requisito). Alterar a configuração de pensamento entre turnos também invalida o cache de prompt; consulte a seção a seguir.
O modo manual adiciona uma regra além do comportamento de cache neutro em relação ao modo descrito em pensamento e cache de prompt: alterar budget_tokens entre requisições invalida os pontos de interrupção de cache, assim como alternar modos de pensamento, porque o valor do orçamento é renderizado no prompt. Pontos de interrupção no nível de mensagem sempre falham após uma mudança de orçamento; se os pontos de interrupção de ferramentas e prompt do sistema também falham depende de onde o modelo renderiza a configuração.
Na prática, escolha um orçamento e mantenha-o estável durante toda a vida de uma conversa em cache. Executar uma conversa de múltiplos turnos com cache no nível de mensagem no Claude Sonnet 4.6 e alterar o orçamento na terceira requisição de 4.000 para 8.000 tokens mostra a invalidação diretamente:
First request - establishing cache
First response usage: { cache_creation_input_tokens: 1370, cache_read_input_tokens: 0, input_tokens: 17, output_tokens: 700 }
Second request - same thinking parameters (cache hit expected)
Second response usage: { cache_creation_input_tokens: 0, cache_read_input_tokens: 1370, input_tokens: 303, output_tokens: 874 }
Third request - different thinking budget (cache miss expected)
Third response usage: { cache_creation_input_tokens: 1370, cache_read_input_tokens: 0, input_tokens: 747, output_tokens: 619 }A terceira requisição recria o cache (cache_creation_input_tokens=1370, cache_read_input_tokens=0) porque o orçamento mudou entre as requisições. Para uma versão executável do mesmo experimento no modo adaptativo, em que o nível de effort desempenha o papel de cache que budget_tokens desempenha aqui, consulte Cache de prompt na página de direcionamento.
A maior parte do comportamento de pensamento é neutra em relação ao modo e está documentada uma única vez na página Pensamento. Tudo lá também se aplica ao modo manual:
Se o seu modelo suporta apenas pensamento estendido (Claude Sonnet 4.5, Claude Opus 4.5, Claude Haiku 4.5 e modelos Claude 4 anteriores), nenhuma ação é necessária agora: o pensamento adaptativo não está disponível nesses modelos, e type: "adaptive" retorna um erro 400. Mantenha budget_tokens até migrar para um modelo que suporte pensamento adaptativo, e então aplique o mapeamento a seguir.
Você precisa migrar de type: "enabled" se:
budget_tokens está obsoleto.type: "enabled" retorna um erro 400.O mapeamento é pequeno: remova budget_tokens, defina thinking: {type: "adaptive"} e controle a profundidade do raciocínio com output_config: {effort: ...} em vez de um orçamento de tokens.
{
"model": "claude-sonnet-4-6",
"max_tokens": 16000,
"thinking": {
"type": "enabled",
"budget_tokens": 10000
}
}torna-se:
{
"model": "claude-sonnet-4-6",
"max_tokens": 16000,
"thinking": {
"type": "adaptive"
},
"output_config": {
"effort": "high"
}
}effort: "high" corresponde ao padrão da API; aparece aqui apenas para mostrar onde o controle de profundidade agora reside, e omiti-lo produz comportamento idêntico.
Espere uma diferença comportamental, não apenas uma mudança de sintaxe. Com um orçamento fixo, o Claude pensa em toda requisição. Com o pensamento adaptativo, o Claude decide se e quanto pensar em cada requisição, e em configurações de effort mais baixas pode pular o pensamento completamente em entradas fáceis. Você também pode remover o cabeçalho beta interleaved-thinking-2025-05-14 após migrar: o pensamento adaptativo intercala automaticamente, e a API do Claude ignora o cabeçalho nesses modelos. A preservação de blocos de pensamento também muda: o Claude Opus 4.5 e modelos numerados 4.6 e superiores mantêm os blocos de pensamento de turnos anteriores no contexto e os cobram como entrada, enquanto o Claude Sonnet 4.5, Claude Haiku 4.5 e modelos anteriores os removiam; consulte preservação de blocos de pensamento por modelo.
Alternar modos é uma mudança de configuração de pensamento, então a primeira requisição após a mudança invalida os pontos de interrupção de cache, conforme descrito em Cache de prompt no modo manual.
Para orientação completa, consulte pensamento adaptativo, effort e o guia de migração de modelos.
Aprenda como o pensamento funciona: blocos, exibição, streaming e uso de ferramentas.
Deixe o Claude decidir quando e quanto pensar em cada requisição.
Preserve blocos de pensamento e gerencie o pensamento entre chamadas de ferramentas e turnos.
Was this page helpful?