Adaptive Thinking в Claude Sonnet 4.6: Полное руководство для разработчиков

Краткий обзор

Adaptive Thinking заменяет бинарный режим «расширенного мышления» Claude динамическим, адаптированным к задаче рассуждением. Используя параметр effort (low/medium/high/auto), разработчики контролируют, насколько глубоко модель рассуждает перед ответом — балансируя скорость, стоимость и интеллект для каждого запроса.

Что такое Adaptive Thinking?

Предыдущие модели Claude имели два режима: стандартный (быстрый, дешёвый) или расширенное мышление (медленный, дорогой, тщательный). Adaptive Thinking вводит спектр, позволяя модели автоматически калибровать глубину рассуждения на основе сложности задачи.

Ключевой инсайт: не каждый вопрос требует глубокого рассуждения. «Сколько будет 2+2?» не должно стоить столько же, сколько «Спроектируйте архитектуру распределённой системы».

Параметр Effort

Управляйте глубиной рассуждения с помощью параметра effort:

Значение	Поведение	Сценарий

low

Минимальное рассуждение, самый быстрый ответ

Простые вопросы, форматирование, базовые задачи

medium

Сбалансированное рассуждение

Большинство задач программирования, анализ

high

Глубокое рассуждение, медленный ответ

Сложные проблемы, архитектура

auto

Модель решает на основе запроса

Универсальные приложения

Реализация

import anthropic

client = anthropic.Anthropic()

# Simple task - minimal thinking
simple_response = client.messages.create(
    model="claude-sonnet-4-6-20260217",
    max_tokens=1024,
    thinking={"type": "enabled", "effort": "low"},
    messages=[{"role": "user", "content": "Format this JSON"}]
)

# Complex task - deep reasoning
complex_response = client.messages.create(
    model="claude-sonnet-4-6-20260217",
    max_tokens=8192,
    thinking={"type": "enabled", "effort": "high"},
    messages=[{"role": "user", "content": "Design a microservices architecture for..."}]
)

# Let the model decide
auto_response = client.messages.create(
    model="claude-sonnet-4-6-20260217",
    max_tokens=4096,
    thinking={"type": "enabled", "effort": "auto"},
    messages=[{"role": "user", "content": user_query}]
)

Влияние на стоимость

Уровень Effort	Токены мышления	Относительная стоимость	Задержка

low

~100-500

1x

~1с

medium

~500-2000

1.5-2x

~2-3с

high

~2000-10000

3-5x

~5-15с

auto

Варьируется

1-5x

Варьируется

Токены мышления тарифицируются по ценам выходных токенов ($15/M для Sonnet 4.6). Запрос с high-effort, генерирующий 5,000 токенов мышления, добавляет ~$0.075 к стоимости.

Лучшие практики

1. Используйте Low Effort для рутинных задач

# Good: Simple extraction doesn't need deep thinking
response = client.messages.create(
    thinking={"type": "enabled", "effort": "low"},
    messages=[{"role": "user", "content": "Extract the email from: John Smith "}]
)

2. Оставляйте High Effort для сложных проблем

# Good: Architecture decisions benefit from deep reasoning
response = client.messages.create(
    thinking={"type": "enabled", "effort": "high"},
    messages=[{"role": "user", "content": "Review this code for security vulnerabilities and suggest fixes"}]
)

3. Используйте Auto для пользовательских приложений

Когда вы не можете предсказать сложность запроса, auto обеспечивает хорошее поведение по умолчанию:

# Good: Chatbot where queries vary in complexity
response = client.messages.create(
    thinking={"type": "enabled", "effort": "auto"},
    messages=[{"role": "user", "content": user_input}]
)

4. Реализуйте маршрутизацию Effort

def get_effort_level(task_type: str) -> str:
    simple_tasks = ["format", "extract", "summarize_short"]
    complex_tasks = ["architecture", "security_review", "debug_complex"]

    if task_type in simple_tasks:
        return "low"
    elif task_type in complex_tasks:
        return "high"
    else:
        return "medium"

Доступ к содержимому мышления

Получите процесс рассуждения модели:

response = client.messages.create(
    thinking={"type": "enabled", "effort": "high"},
    messages=[...]
)

for block in response.content:
    if block.type == "thinking":
        print(f"Reasoning: {block.thinking}")
    elif block.type == "text":
        print(f"Response: {block.text}")

Сравнение: старое vs новое

Аспект	Extended Thinking (старое)	Adaptive Thinking (новое)

Управление

Бинарное вкл/выкл

Гранулярные уровни effort

Стоимость

Всегда дорого при включении

Пропорционально сложности

Задержка

Всегда медленно при включении

Масштабируется с effort

Оптимизация

Ручное переключение

Доступен автоматический режим

Заключение

Adaptive Thinking превращает Claude из бинарного инструмента в нюансированного мыслителя. Сопоставляя усилия со сложностью задачи, вы можете снизить затраты на 50-80% на простых задачах, сохраняя возможность глубокого рассуждения, когда это необходимо. Начните с auto для универсальных приложений, затем оптимизируйте с явными уровнями effort по мере понимания паттернов вашей нагрузки.