Claude Sonnet 4.6がAdaptive Thinkingを導入、拡張モードを置き換え

バイナリからスペクトラムへ：推論が柔軟に

Claude Sonnet 4.6はAdaptive Thinkingを導入し、以前のバイナリの「拡張思考」モードを推論の深さをより細かく制御できるものに置き換えます。

バイナリ思考の問題

以前のClaudeモデルには2つのモードがありました：

• 標準： 速くて安いが、浅い推論

• Extended Thinking： 遅くて高いが、徹底的

これにより、開発者は品質と速度の間で選択を迫られ、中間点がありませんでした。

effortパラメータ

Adaptive Thinkingは4つのレベルを持つ`effort`パラメータを導入します：

レベル

思考トークン

レイテンシ

コスト

ユースケース

low

約100〜500

約1秒

1x

簡単なQ&A、フォーマット

medium

約500〜2000

約2〜3秒

1.5〜2x

標準的なコーディングタスク

high

約2000〜10000

約5〜15秒

3〜5x

複雑な問題

auto

変動

変動

1〜5x

一般的なアプリケーション

実装

python
# 簡単なタスク - 最小限の思考
response = client.messages.create(
    model="claude-sonnet-4-6-20260217",
    thinking={"type": "enabled", "effort": "low"},
    messages=[...]
)

# 複雑なタスク - 深い推論
response = client.messages.create(
    model="claude-sonnet-4-6-20260217",
    thinking={"type": "enabled", "effort": "high"},
    messages=[...]
)

# モデルに決めさせる
response = client.messages.create(
    model="claude-sonnet-4-6-20260217",
    thinking={"type": "enabled", "effort": "auto"},
    messages=[...]
)


コスト節約

アーリーアダプターが大幅な節約を報告しています：

「すべてを最大の思考で実行していました。今は簡単なクエリに「low」のeffortを使用——ルーティンタスクに品質の影響なしでコストが40%下がりました。」

ベストプラクティス

一般的なアプリケーションには`auto`から始め、ワークロードパターンを理解したら明示的なeffortレベルで最適化してください。