Construindo com pensamento estendido

O pensamento estendido oferece ao Claude capacidades de raciocínio aprimoradas para tarefas complexas, enquanto fornece vários níveis de transparência em seu processo de pensamento passo a passo antes de entregar sua resposta final.

Modelos suportados

O pensamento estendido é suportado nos seguintes modelos:

• Claude Sonnet 4.5 (claude-sonnet-4-5-20250929)
• Claude Sonnet 4 (claude-sonnet-4-20250514)
• Claude Sonnet 3.7 (claude-3-7-sonnet-20250219) (descontinuado)
• Claude Haiku 4.5 (claude-haiku-4-5-20251001)
• Claude Opus 4.5 (claude-opus-4-5-20251101)
• Claude Opus 4.1 (claude-opus-4-1-20250805)
• Claude Opus 4 (claude-opus-4-20250514)

Como funciona o pensamento estendido

Quando o pensamento estendido é ativado, Claude cria blocos de conteúdo thinking onde produz seu raciocínio interno. Claude incorpora insights deste raciocínio antes de elaborar uma resposta final.

A resposta da API incluirá blocos de conteúdo thinking, seguidos por blocos de conteúdo text.

Aqui está um exemplo do formato de resposta padrão:

{
  "content": [
    {
      "type": "thinking",
      "thinking": "Let me analyze this step by step...",
      "signature": "WaUjzkypQ2mUEVM36O2TxuC06KN8xyfbJwyem2dw3URve/op91XWHOEBLLqIOMfFG/UvLEczmEsUjavL...."
    },
    {
      "type": "text",
      "text": "Based on my analysis..."
    }
  ]
}

Para mais informações sobre o formato de resposta do pensamento estendido, consulte a Referência da API de Mensagens.

Como usar o pensamento estendido

Aqui está um exemplo de uso do pensamento estendido na API de Mensagens:

Para ativar o pensamento estendido, adicione um objeto thinking, com o parâmetro type definido como enabled e o budget_tokens para um orçamento de token especificado para pensamento estendido.

O parâmetro budget_tokens determina o número máximo de tokens que Claude pode usar para seu processo de raciocínio interno. Nos modelos Claude 4, este limite se aplica aos tokens de pensamento completo, e não à saída resumida. Orçamentos maiores podem melhorar a qualidade da resposta ao permitir análise mais completa para problemas complexos, embora Claude possa não usar todo o orçamento alocado, especialmente em intervalos acima de 32k.

budget_tokens deve ser definido para um valor menor que max_tokens. No entanto, ao usar pensamento intercalado com ferramentas, você pode exceder este limite, pois o limite de token se torna sua janela de contexto inteira (200k tokens).

Pensamento resumido

Com o pensamento estendido ativado, a API de Mensagens para modelos Claude 4 retorna um resumo do processo de pensamento completo de Claude. O pensamento resumido fornece os benefícios completos de inteligência do pensamento estendido, enquanto previne abuso.

Aqui estão algumas considerações importantes para pensamento resumido:

• Você é cobrado pelos tokens de pensamento completo gerados pela solicitação original, não pelos tokens de resumo.
• A contagem de tokens de saída faturada não corresponderá à contagem de tokens que você vê na resposta.
• As primeiras linhas de saída de pensamento são mais verbosas, fornecendo raciocínio detalhado que é particularmente útil para fins de engenharia de prompt.
• Conforme a Anthropic busca melhorar o recurso de pensamento estendido, o comportamento de resumo está sujeito a mudanças.
• A resumição preserva as ideias-chave do processo de pensamento de Claude com latência mínima adicionada, permitindo uma experiência de usuário transmissível e migração fácil de Claude Sonnet 3.7 para modelos Claude 4.
• A resumição é processada por um modelo diferente daquele que você direciona em suas solicitações. O modelo de pensamento não vê a saída resumida.

Pensamento em streaming

Você pode fazer streaming de respostas de pensamento estendido usando eventos enviados pelo servidor (SSE).

Quando o streaming está ativado para pensamento estendido, você recebe conteúdo de pensamento via eventos thinking_delta.

Para mais documentação sobre streaming via API de Mensagens, consulte Streaming de Mensagens.

Aqui está como lidar com streaming com pensamento:

Exemplo de saída de streaming:

event: message_start
data: {"type": "message_start", "message": {"id": "msg_01...", "type": "message", "role": "assistant", "content": [], "model": "claude-sonnet-4-5", "stop_reason": null, "stop_sequence": null}}

event: content_block_start
data: {"type": "content_block_start", "index": 0, "content_block": {"type": "thinking", "thinking": ""}}

event: content_block_delta
data: {"type": "content_block_delta", "index": 0, "delta": {"type": "thinking_delta", "thinking": "Let me solve this step by step:\n\n1. First break down 27 * 453"}}

event: content_block_delta
data: {"type": "content_block_delta", "index": 0, "delta": {"type": "thinking_delta", "thinking": "\n2. 453 = 400 + 50 + 3"}}

// Additional thinking deltas...

event: content_block_delta
data: {"type": "content_block_delta", "index": 0, "delta": {"type": "signature_delta", "signature": "EqQBCgIYAhIM1gbcDa9GJwZA2b3hGgxBdjrkzLoky3dl1pkiMOYds..."}}

event: content_block_stop
data: {"type": "content_block_stop", "index": 0}

event: content_block_start
data: {"type": "content_block_start", "index": 1, "content_block": {"type": "text", "text": ""}}

event: content_block_delta
data: {"type": "content_block_delta", "index": 1, "delta": {"type": "text_delta", "text": "27 * 453 = 12,231"}}

// Additional text deltas...

event: content_block_stop
data: {"type": "content_block_stop", "index": 1}

event: message_delta
data: {"type": "message_delta", "delta": {"stop_reason": "end_turn", "stop_sequence": null}}

event: message_stop
data: {"type": "message_stop"}

Pensamento estendido com uso de ferramentas

O pensamento estendido pode ser usado junto com uso de ferramentas, permitindo que Claude raciocine através da seleção de ferramentas e processamento de resultados.

Ao usar pensamento estendido com uso de ferramentas, esteja ciente das seguintes limitações:

1. Limitação de escolha de ferramenta: O uso de ferramentas com pensamento suporta apenas tool_choice: {"type": "auto"} (o padrão) ou tool_choice: {"type": "none"}. Usar tool_choice: {"type": "any"} ou tool_choice: {"type": "tool", "name": "..."} resultará em um erro porque estas opções forçam o uso de ferramentas, que é incompatível com pensamento estendido.

2. Preservando blocos de pensamento: Durante o uso de ferramentas, você deve passar blocos thinking de volta para a API para a última mensagem do assistente. Inclua o bloco completo não modificado de volta para a API para manter a continuidade de raciocínio.

Alternando modos de pensamento em conversas

Você não pode alternar pensamento no meio de um turno do assistente, incluindo durante loops de uso de ferramentas. O turno inteiro do assistente deve operar em um único modo de pensamento:

• Se o pensamento está ativado, o turno final do assistente deve começar com um bloco de pensamento.
• Se o pensamento está desativado, o turno final do assistente não deve conter nenhum bloco de pensamento

Do ponto de vista do modelo, loops de uso de ferramentas fazem parte do turno do assistente. Um turno do assistente não se completa até que Claude termine sua resposta completa, que pode incluir múltiplas chamadas de ferramentas e resultados.

Por exemplo, esta sequência é toda parte de um único turno do assistente:

User: "What's the weather in Paris?"
Assistant: [thinking] + [tool_use: get_weather]
User: [tool_result: "20°C, sunny"]
Assistant: [text: "The weather in Paris is 20°C and sunny"]

Embora haja múltiplas mensagens da API, o loop de uso de ferramentas é conceitualmente parte de uma resposta contínua do assistente.

Cenários de erro comuns

Você pode encontrar este erro:

Expected `thinking` or `redacted_thinking`, but found `tool_use`.
When `thinking` is enabled, a final `assistant` message must start
with a thinking block (preceding the lastmost set of `tool_use` and
`tool_result` blocks).

Isto tipicamente ocorre quando:

1. Você tinha pensamento desativado durante uma sequência de uso de ferramentas
2. Você quer ativar pensamento novamente
3. Sua última mensagem do assistente contém blocos de uso de ferramentas mas nenhum bloco de pensamento

Orientação prática

✗ Inválido: Alternando pensamento imediatamente após uso de ferramentas

User: "What's the weather?"
Assistant: [tool_use] (thinking disabled)
User: [tool_result]
// Cannot enable thinking here - still in the same assistant turn

✓ Válido: Complete o turno do assistente primeiro

User: "What's the weather?"
Assistant: [tool_use] (thinking disabled)
User: [tool_result]
Assistant: [text: "It's sunny"] 
User: "What about tomorrow?" (thinking disabled)
Assistant: [thinking] + [text: "..."] (thinking enabled - new turn)

Melhor prática: Planeje sua estratégia de pensamento no início de cada turno em vez de tentar alternar no meio do turno.

Preservando blocos de pensamento

Durante o uso de ferramentas, você deve passar blocos thinking de volta para a API, e você deve incluir o bloco completo não modificado de volta para a API. Isto é crítico para manter o fluxo de raciocínio do modelo e a integridade da conversa.

Quando Claude invoca ferramentas, está pausando sua construção de uma resposta para aguardar informações externas. Quando resultados de ferramentas são retornados, Claude continuará construindo essa resposta existente. Isto necessita preservar blocos de pensamento durante o uso de ferramentas, por um par de razões:

1. Continuidade de raciocínio: Os blocos de pensamento capturam o raciocínio passo a passo de Claude que levou a solicitações de ferramentas. Quando você publica resultados de ferramentas, incluir o pensamento original garante que Claude possa continuar seu raciocínio de onde parou.

2. Manutenção de contexto: Embora resultados de ferramentas apareçam como mensagens de usuário na estrutura da API, eles fazem parte de um fluxo de raciocínio contínuo. Preservar blocos de pensamento mantém este fluxo conceitual através de múltiplas chamadas de API. Para mais informações sobre gerenciamento de contexto, consulte nosso guia sobre janelas de contexto.

Importante: Ao fornecer blocos thinking, a sequência inteira de blocos thinking consecutivos deve corresponder aos resultados gerados pelo modelo durante a solicitação original; você não pode reorganizar ou modificar a sequência destes blocos.

Pensamento intercalado

O pensamento estendido com uso de ferramentas em modelos Claude 4 suporta pensamento intercalado, que permite que Claude pense entre chamadas de ferramentas e faça raciocínios mais sofisticados após receber resultados de ferramentas.

Com pensamento intercalado, Claude pode:

• Raciocinar sobre os resultados de uma chamada de ferramenta antes de decidir o que fazer a seguir
• Encadear múltiplas chamadas de ferramentas com etapas de raciocínio no meio
• Tomar decisões mais nuançadas com base em resultados intermediários

Para ativar o pensamento intercalado, adicione o cabeçalho beta interleaved-thinking-2025-05-14 à sua solicitação de API.

Aqui estão algumas considerações importantes para pensamento intercalado:

• Com pensamento intercalado, o budget_tokens pode exceder o parâmetro max_tokens, pois representa o orçamento total em todos os blocos de pensamento dentro de um turno do assistente.
• O pensamento intercalado é suportado apenas para ferramentas usadas via Messages API.
• O pensamento intercalado é suportado apenas para modelos Claude 4, com o cabeçalho beta interleaved-thinking-2025-05-14.
• Chamadas diretas para a Claude API permitem que você passe interleaved-thinking-2025-05-14 em solicitações para qualquer modelo, sem efeito.
• Em plataformas de terceiros (por exemplo, Amazon Bedrock e Vertex AI), se você passar interleaved-thinking-2025-05-14 para qualquer modelo além de Claude Opus 4.5, Claude Opus 4.1, Opus 4 ou Sonnet 4, sua solicitação falhará.

Pensamento estendido com cache de prompt

Cache de prompt com pensamento tem várias considerações importantes:

Remoção de contexto de bloco de pensamento

• Blocos de pensamento de turnos anteriores são removidos do contexto, o que pode afetar pontos de interrupção de cache
• Ao continuar conversas com uso de ferramentas, blocos de pensamento são armazenados em cache e contam como tokens de entrada quando lidos do cache
• Isso cria uma compensação: enquanto blocos de pensamento não consomem espaço de janela de contexto visualmente, eles ainda contam para seu uso de tokens de entrada quando armazenados em cache
• Se o pensamento for desativado, as solicitações falharão se você passar conteúdo de pensamento no turno atual de uso de ferramentas. Em outros contextos, o conteúdo de pensamento passado para a API é simplesmente ignorado

Padrões de invalidação de cache

• Alterações em parâmetros de pensamento (ativado/desativado ou alocação de orçamento) invalidam pontos de interrupção de cache de mensagem
• Pensamento intercalado amplifica a invalidação de cache, pois blocos de pensamento podem ocorrer entre múltiplas chamadas de ferramentas
• Prompts de sistema e ferramentas permanecem em cache apesar de alterações de parâmetros de pensamento ou remoção de bloco

Compreendendo o comportamento de cache de bloco de pensamento

Ao usar pensamento estendido com uso de ferramentas, blocos de pensamento exibem comportamento de cache específico que afeta a contagem de tokens:

Como funciona:

1. O cache ocorre apenas quando você faz uma solicitação subsequente que inclui resultados de ferramentas
2. Quando a solicitação subsequente é feita, o histórico de conversas anterior (incluindo blocos de pensamento) pode ser armazenado em cache
3. Esses blocos de pensamento em cache contam como tokens de entrada em suas métricas de uso quando lidos do cache
4. Quando um bloco de usuário de resultado não-ferramenta é incluído, todos os blocos de pensamento anteriores são ignorados e removidos do contexto

Fluxo de exemplo detalhado:

Solicitação 1:

User: "What's the weather in Paris?"

Resposta 1:

[thinking_block_1] + [tool_use block 1]

Solicitação 2:

User: ["What's the weather in Paris?"], 
Assistant: [thinking_block_1] + [tool_use block 1], 
User: [tool_result_1, cache=True]

Resposta 2:

[thinking_block_2] + [text block 2]

A Solicitação 2 escreve um cache do conteúdo da solicitação (não da resposta). O cache inclui a mensagem de usuário original, o primeiro bloco de pensamento, bloco de uso de ferramenta e o resultado da ferramenta.

Solicitação 3:

User: ["What's the weather in Paris?"],
Assistant: [thinking_block_1] + [tool_use block 1],
User: [tool_result_1, cache=True],
Assistant: [thinking_block_2] + [text block 2],
User: [Text response, cache=True]

Para Claude Opus 4.5 e posterior, todos os blocos de pensamento anteriores são mantidos por padrão. Para modelos mais antigos, como um bloco de usuário de resultado não-ferramenta foi incluído, todos os blocos de pensamento anteriores são ignorados. Esta solicitação será processada da mesma forma que:

User: ["What's the weather in Paris?"],
Assistant: [tool_use block 1],
User: [tool_result_1, cache=True],
Assistant: [text block 2],
User: [Text response, cache=True]

Pontos-chave:

• Este comportamento de cache acontece automaticamente, mesmo sem marcadores cache_control explícitos
• Este comportamento é consistente se usar pensamento regular ou pensamento intercalado

Max tokens e tamanho da janela de contexto com pensamento estendido

Em modelos Claude mais antigos (anteriores ao Claude Sonnet 3.7), se a soma de tokens de prompt e max_tokens excedesse a janela de contexto do modelo, o sistema ajustaria automaticamente max_tokens para caber dentro do limite de contexto. Isso significava que você poderia definir um grande valor de max_tokens e o sistema o reduziria silenciosamente conforme necessário.

Com modelos Claude 3.7 e 4, max_tokens (que inclui seu orçamento de pensamento quando o pensamento está ativado) é aplicado como um limite rigoroso. O sistema agora retornará um erro de validação se tokens de prompt + max_tokens exceder o tamanho da janela de contexto.

A janela de contexto com pensamento estendido

Ao calcular o uso da janela de contexto com pensamento ativado, há algumas considerações a serem observadas:

• Blocos de pensamento de turnos anteriores são removidos e não contam para sua janela de contexto
• O pensamento do turno atual conta para seu limite de max_tokens para esse turno

O diagrama abaixo demonstra o gerenciamento especializado de tokens quando o pensamento estendido está ativado:

A janela de contexto efetiva é calculada como:

context window =
  (current input tokens - previous thinking tokens) +
  (thinking tokens + encrypted thinking tokens + text output tokens)

Recomendamos usar a API de contagem de tokens para obter contagens de tokens precisas para seu caso de uso específico, especialmente ao trabalhar com conversas com múltiplos turnos que incluem pensamento.

A janela de contexto com pensamento estendido e uso de ferramentas

Ao usar pensamento estendido com uso de ferramentas, blocos de pensamento devem ser explicitamente preservados e retornados com os resultados das ferramentas.

O cálculo efetivo da janela de contexto para pensamento estendido com uso de ferramentas se torna:

context window =
  (current input tokens + previous thinking tokens + tool use tokens) +
  (thinking tokens + encrypted thinking tokens + text output tokens)

O diagrama abaixo ilustra o gerenciamento de tokens para pensamento estendido com uso de ferramentas:

Gerenciando tokens com pensamento estendido

Dado o comportamento da janela de contexto e max_tokens com pensamento estendido em modelos Claude 3.7 e 4, você pode precisar:

• Monitorar e gerenciar mais ativamente seu uso de tokens
• Ajustar valores de max_tokens conforme o comprimento do seu prompt muda
• Potencialmente usar os endpoints de contagem de tokens com mais frequência
• Estar ciente de que blocos de pensamento anteriores não se acumulam em sua janela de contexto

Esta mudança foi feita para fornecer comportamento mais previsível e transparente, especialmente conforme os limites de tokens máximos aumentaram significativamente.

Criptografia de pensamento

O conteúdo completo do pensamento é criptografado e retornado no campo signature. Este campo é usado para verificar que blocos de pensamento foram gerados por Claude quando passados de volta para a API.

Aqui estão algumas considerações importantes sobre criptografia de pensamento:

• Ao fazer streaming de respostas, a assinatura é adicionada via signature_delta dentro de um evento content_block_delta logo antes do evento content_block_stop.
• Valores de signature são significativamente mais longos em modelos Claude 4 do que em modelos anteriores.
• O campo signature é um campo opaco e não deve ser interpretado ou analisado - ele existe apenas para fins de verificação.
• Valores de signature são compatíveis entre plataformas (Claude APIs, Amazon Bedrock e Vertex AI). Valores gerados em uma plataforma serão compatíveis com outra.

Redação de pensamento

Ocasionalmente, o raciocínio interno de Claude será sinalizado por nossos sistemas de segurança. Quando isso ocorre, criptografamos parte ou todo o bloco thinking e o retornamos como um bloco redacted_thinking. Os blocos redacted_thinking são descriptografados quando passados de volta para a API, permitindo que Claude continue sua resposta sem perder contexto.

Ao construir aplicações voltadas para o cliente que usam pensamento estendido:

• Esteja ciente de que os blocos de pensamento redatado contêm conteúdo criptografado que não é legível por humanos
• Considere fornecer uma explicação simples como: "Parte do raciocínio interno de Claude foi automaticamente criptografada por razões de segurança. Isso não afeta a qualidade das respostas."
• Se mostrar blocos de pensamento aos usuários, você pode filtrar blocos redatados enquanto preserva blocos de pensamento normais
• Seja transparente que usar recursos de pensamento estendido pode ocasionalmente resultar em algum raciocínio sendo criptografado
• Implemente tratamento de erros apropriado para gerenciar graciosamente o pensamento redatado sem quebrar sua interface

Aqui está um exemplo mostrando blocos de pensamento normais e redatados:

{
  "content": [
    {
      "type": "thinking",
      "thinking": "Let me analyze this step by step...",
      "signature": "WaUjzkypQ2mUEVM36O2TxuC06KN8xyfbJwyem2dw3URve/op91XWHOEBLLqIOMfFG/UvLEczmEsUjavL...."
    },
    {
      "type": "redacted_thinking",
      "data": "EmwKAhgBEgy3va3pzix/LafPsn4aDFIT2Xlxh0L5L8rLVyIwxtE3rAFBa8cr3qpPkNRj2YfWXGmKDxH4mPnZ5sQ7vB9URj2pLmN3kF8/dW5hR7xJ0aP1oLs9yTcMnKVf2wRpEGjH9XZaBt4UvDcPrQ..."
    },
    {
      "type": "text",
      "text": "Based on my analysis..."
    }
  ]
}

Ao passar blocos thinking e redacted_thinking de volta para a API em uma conversa com múltiplos turnos, você deve incluir o bloco completo e não modificado de volta para a API para o último turno do assistente. Isso é crítico para manter o fluxo de raciocínio do modelo. Sugerimos sempre passar todos os blocos de pensamento de volta para a API. Para mais detalhes, consulte a seção Preservando blocos de pensamento acima.

Diferenças no pensamento entre versões de modelo

A API de Mensagens lida com pensamento de forma diferente entre os modelos Claude Sonnet 3.7 e Claude 4, principalmente no comportamento de redação e sumarização.

Veja a tabela abaixo para uma comparação condensada:

Preservação de bloco de pensamento no Claude Opus 4.5

Claude Opus 4.5 introduz um novo comportamento padrão: blocos de pensamento de turnos anteriores do assistente são preservados no contexto do modelo por padrão. Isso difere dos modelos anteriores, que removem blocos de pensamento de turnos anteriores.

Benefícios da preservação de blocos de pensamento:

• Otimização de cache: Ao usar uso de ferramenta, blocos de pensamento preservados habilitam acertos de cache, pois são passados de volta com resultados de ferramenta e armazenados em cache incrementalmente entre o turno do assistente, resultando em economia de tokens em fluxos de trabalho com múltiplas etapas
• Sem impacto na inteligência: Preservar blocos de pensamento não tem efeito negativo no desempenho do modelo

Considerações importantes:

• Uso de contexto: Conversas longas consumirão mais espaço de contexto, pois blocos de pensamento são retidos no contexto
• Comportamento automático: Este é o comportamento padrão para Claude Opus 4.5—nenhuma alteração de código ou cabeçalhos beta são necessários
• Compatibilidade com versões anteriores: Para aproveitar este recurso, continue passando blocos de pensamento completos e não modificados de volta para a API como você faria para uso de ferramenta

Preços

Para informações completas de preços, incluindo taxas base, gravações de cache, acertos de cache e tokens de saída, consulte a página de preços.

O processo de pensamento incorre em cobranças por:

• Tokens usados durante o pensamento (tokens de saída)
• Blocos de pensamento do último turno do assistente incluídos em solicitações subsequentes (tokens de entrada)
• Tokens de saída de texto padrão

Ao usar pensamento sumarizado:

• Tokens de entrada: Tokens em sua solicitação original (exclui tokens de pensamento de turnos anteriores)
• Tokens de saída (cobrados): Os tokens de pensamento originais que Claude gerou internamente
• Tokens de saída (visíveis): Os tokens de pensamento sumarizado que você vê na resposta
• Sem cobrança: Tokens usados para gerar o resumo

Melhores práticas e considerações para pensamento estendido

Trabalhando com orçamentos de pensamento

• Otimização de orçamento: O orçamento mínimo é 1.024 tokens. Sugerimos começar no mínimo e aumentar o orçamento de pensamento incrementalmente para encontrar o intervalo ideal para seu caso de uso. Contagens de tokens mais altas habilitam raciocínio mais abrangente, mas com retornos diminuindo dependendo da tarefa. Aumentar o orçamento pode melhorar a qualidade da resposta em troca de latência aumentada. Para tarefas críticas, teste diferentes configurações para encontrar o equilíbrio ideal. Observe que o orçamento de pensamento é um alvo em vez de um limite rigoroso—o uso real de tokens pode variar com base na tarefa.
• Pontos de partida: Comece com orçamentos de pensamento maiores (16k+ tokens) para tarefas complexas e ajuste com base em suas necessidades.
• Orçamentos grandes: Para orçamentos de pensamento acima de 32k, recomendamos usar processamento em lote para evitar problemas de rede. Solicitações que empurram o modelo para pensar acima de 32k tokens causam solicitações de longa duração que podem atingir limites de tempo limite do sistema e limites de conexão aberta.
• Rastreamento de uso de tokens: Monitore o uso de tokens de pensamento para otimizar custos e desempenho.

Considerações de desempenho

• Tempos de resposta: Esteja preparado para tempos de resposta potencialmente mais longos devido ao processamento adicional necessário para o processo de raciocínio. Considere que gerar blocos de pensamento pode aumentar o tempo de resposta geral.
• Requisitos de streaming: Streaming é necessário quando max_tokens é maior que 21.333. Ao fazer streaming, esteja preparado para lidar com blocos de conteúdo de pensamento e texto conforme chegam.

Compatibilidade de recursos

• Pensamento não é compatível com modificações de temperature ou top_k, bem como uso forçado de ferramenta.
• Quando o pensamento está habilitado, você pode definir top_p para valores entre 1 e 0,95.
• Você não pode pré-preenchimento de respostas quando o pensamento está habilitado.
• Alterações no orçamento de pensamento invalidam prefixos de prompt em cache que incluem mensagens. No entanto, prompts de sistema em cache e definições de ferramenta continuarão funcionando quando os parâmetros de pensamento mudarem.

Diretrizes de uso

• Seleção de tarefa: Use pensamento estendido para tarefas particularmente complexas que se beneficiam de raciocínio passo a passo, como matemática, codificação e análise.
• Tratamento de contexto: Você não precisa remover blocos de pensamento anteriores você mesmo. A API Claude automaticamente ignora blocos de pensamento de turnos anteriores e eles não são incluídos ao calcular o uso de contexto.
• Engenharia de prompt: Revise nossas dicas de prompt de pensamento estendido se você quiser maximizar as capacidades de pensamento de Claude.

Próximos passos