Anthropic Effort 參數

透過 effort 參數控制 Claude 在回應時使用多少 token，在回應完整性與 token 效率之間取得取捨。

概觀

effort 參數可讓您控制 Claude 在回應請求時願意花費多少 token。這使您能夠僅使用單一模型，在回應完整性與 token 效率之間做取捨。

支援的模型：

Claude 4.6（Opus 4.6、Sonnet 4.6）— output_config 是穩定版 API 功能，不需要 beta 標頭。Opus 4.6 也支援 effort="max"。
Claude Opus 4.5 — 需要 effort-2025-11-24 beta 標頭（LiteLLM 會自動加入）。

LiteLLM 會自動將所有支援模型的 reasoning_effort → output_config={"effort": ...}。

Effort 的運作方式

預設情況下，Claude 會使用最大 effort——在最佳可能結果所需的範圍內盡可能花費最多 token。降低 effort 等級後，您可以指示 Claude 在 token 使用上更保守，進而以部分能力降低為代價，最佳化速度與成本。

提示：將 effort 設為 "high"，產生的行為與完全省略 effort 參數相同。

effort 參數會影響回應中的所有 token，包括：

文字回應與說明
工具呼叫與函式引數
延伸思考（啟用時）

這種做法有兩大優點：

不需要啟用 thinking 也能使用。
它可以影響所有 token 花費，包括工具呼叫。例如，較低的 effort 代表 Claude 會發出較少的工具呼叫。

這提供了更高程度的效率控制。

Effort 等級

等級	說明	典型使用情境
`max`	超越 high 的最大能力 — Claude 會使用更多 token 以獲得最完整的結果。僅支援 Claude Opus 4.6。	最困難的推理問題、複雜的多步驟研究
`high`	最大能力—Claude 會在最佳可能結果所需的範圍內盡可能使用最多 token。等同於未設定此參數。	複雜推理、困難的程式設計問題、代理式任務
`medium`	兼顧效能與適度 token 節省的平衡做法。	需要在速度、成本與效能之間取得平衡的代理式任務
`low`	最有效率—在部分能力降低下可大幅節省 token。	需要最佳速度與最低成本的較簡單任務，例如子代理

快速開始

使用 LiteLLM SDK

Python
TypeScript

import litellm

# Works with Claude 4.6 models (no beta header needed)
response = litellm.completion(
    model="anthropic/claude-sonnet-4-6",
    messages=[{
        "role": "user",
        "content": "Analyze the trade-offs between microservices and monolithic architectures"
    }],
    reasoning_effort="medium"  # Automatically mapped to output_config
)

print(response.choices[0].message.content)

# Also works with Claude Opus 4.5 (beta header auto-injected)
response = litellm.completion(
    model="anthropic/claude-opus-4-5-20251101",
    messages=[{
        "role": "user",
        "content": "Analyze the trade-offs between microservices and monolithic architectures"
    }],
    reasoning_effort="medium"
)

import Anthropic from "@anthropic-ai/sdk";

const client = new Anthropic({
  apiKey: process.env.ANTHROPIC_API_KEY,
});

// Claude 4.6 — output_config is a stable API feature (no beta header)
const response = await client.messages.create({
  model: "claude-sonnet-4-6",
  max_tokens: 4096,
  messages: [{
    role: "user",
    content: "Analyze the trade-offs between microservices and monolithic architectures"
  }],
  output_config: {
    effort: "medium"
  }
});

console.log(response.content[0].text);

使用 LiteLLM Proxy

curl http://localhost:4000/v1/chat/completions \
  -H "Content-Type: application/json" \
  -H "Authorization: Bearer $LITELLM_API_KEY" \
  -d '{
    "model": "anthropic/claude-sonnet-4-6",
    "messages": [{
      "role": "user",
      "content": "Analyze the trade-offs between microservices and monolithic architectures"
    }],
    "reasoning_effort": "medium"
  }'

直接呼叫 Anthropic API

Claude 4.6（穩定版）
Claude Opus 4.5（beta）

# Claude 4.6 — no beta header needed
curl https://api.anthropic.com/v1/messages \
  --header "x-api-key: $ANTHROPIC_API_KEY" \
  --header "anthropic-version: 2023-06-01" \
  --header "content-type: application/json" \
  --data '{
    "model": "claude-sonnet-4-6",
    "max_tokens": 4096,
    "messages": [{
      "role": "user",
      "content": "Analyze the trade-offs between microservices and monolithic architectures"
    }],
    "output_config": {
      "effort": "medium"
    }
  }'

# Claude Opus 4.5 — requires beta header
curl https://api.anthropic.com/v1/messages \
  --header "x-api-key: $ANTHROPIC_API_KEY" \
  --header "anthropic-version: 2023-06-01" \
  --header "anthropic-beta: effort-2025-11-24" \
  --header "content-type: application/json" \
  --data '{
    "model": "claude-opus-4-5-20251101",
    "max_tokens": 4096,
    "messages": [{
      "role": "user",
      "content": "Analyze the trade-offs between microservices and monolithic architectures"
    }],
    "output_config": {
      "effort": "medium"
    }
  }'

模型相容性

effort 參數支援：

Claude Opus 4.6（claude-opus-4-6）— 支援 high、medium、low，以及 max
Claude Sonnet 4.6（claude-sonnet-4-6）— 支援 high、medium、low
Claude Opus 4.5（claude-opus-4-5-20251101）— 支援 high、medium、low

資訊

effort="max" 僅可在 Claude Opus 4.6 上使用。與其他模型一起使用時，會引發驗證錯誤。

我應該何時調整 Effort 參數？

當您需要 Claude 的最佳表現時，使用高 effort（預設值）——例如複雜推理、細膩分析、困難的程式設計問題，或任何品質最重要的任務。
當您希望在不完全達到高 effort 的 token 花費下仍保有穩定效能時，使用中等 effort作為平衡選項。
當您優先考量速度（因為 Claude 會以較少的 token 回應）或成本時，使用低 effort——例如簡單分類任務、快速查詢，或大量使用情境，且額外延遲或花費無法合理化邊際品質提升時。

與工具使用搭配的 Effort

使用工具時，effort 參數會同時影響工具呼叫周圍的說明以及工具呼叫本身。較低的 effort 等級通常會：

將多個操作合併成較少的工具呼叫
發出較少的工具呼叫
直接採取行動

工具使用範例：

import litellm

response = litellm.completion(
    model="anthropic/claude-sonnet-4-6",
    messages=[{
        "role": "user",
        "content": "Check the weather in multiple cities"
    }],
    tools=[{
        "type": "function",
        "function": {
            "name": "get_weather",
            "description": "Get weather for a location",
            "parameters": {
                "type": "object",
                "properties": {
                    "location": {"type": "string"}
                },
                "required": ["location"]
            }
        }
    }],
    reasoning_effort="low"  # Mapped to output_config — will make fewer tool calls
)

與延伸思考搭配的 Effort

effort 參數可與延伸思考無縫搭配運作。當兩者都啟用時，effort 會控制所有回應類型的 token 預算：

import litellm

response = litellm.completion(
    model="anthropic/claude-sonnet-4-6",
    messages=[{
        "role": "user",
        "content": "Solve this complex problem"
    }],
    reasoning_effort="medium"  # Mapped to adaptive thinking + output_config for 4.6 models
)

最佳實務

新任務先從預設值（高）開始，如果您想最佳化成本，再嘗試較低的 effort 等級。
生產環境的代理式工作流程使用中等 effort，以便在品質與效率之間取得平衡。
低 effort 保留給大量、簡單的任務，例如分類、路由或資料擷取，因為速度比細膩回應更重要。
監控 token 使用量，以了解不同 effort 等級在您的特定使用情境下所帶來的實際節省。
使用您的特定 prompts 進行測試，因為 effort 等級的影響會依任務複雜度而有所不同。

提供者支援

effort 參數可跨所有相容 Anthropic 的提供者使用：

Standard Anthropic API：✅ 支援（Claude 4.6、Opus 4.5）
Azure Anthropic / Microsoft Foundry：✅ 支援（Claude 4.6、Opus 4.5）
Amazon Bedrock：✅ 支援（Claude 4.6、Opus 4.5）
Google Cloud Vertex AI：✅ 支援（Claude 4.6、Opus 4.5）

LiteLLM 會自動處理：

參數對應：reasoning_effort → output_config={"effort": ...}，適用於所有支援模型
beta 標頭注入（effort-2025-11-24）僅適用於 Claude Opus 4.5（4.6 模型不需要）

使用方式與計價

不同 effort 等級的 token 使用量會記錄在標準用量物件中。較低的 effort 等級會產生較少的輸出 token，進而直接降低成本：

response = litellm.completion(
    model="anthropic/claude-opus-4-5-20251101",
    messages=[{"role": "user", "content": "Analyze this"}],
    output_config={"effort": "low"}
)

print(f"Output tokens: {response.usage.completion_tokens}")
print(f"Total tokens: {response.usage.total_tokens}")

疑難排解

未加入 beta 標頭（Claude Opus 4.5）

當提供 reasoning_effort 或 output_config 時，LiteLLM 會自動為 Claude Opus 4.5 加入 effort-2025-11-24 beta 標頭。

注意： Claude 4.6 模型不需要 beta 標頭——output_config 是這些模型的穩定版 API 功能。

如果您在 Opus 4.5 看不到此標頭：

確認您使用的是 reasoning_effort 參數
驗證模型是否為 Claude Opus 4.5
檢查 LiteLLM 版本是否支援此功能

無效的 effort 值錯誤

可接受的值："high"、"medium"、"low"，以及 "max"（僅限 Opus 4.6）。任何其他值都會引發驗證錯誤：

# ❌ This will raise an error
output_config={"effort": "very_low"}

# ✅ Use one of the valid values
output_config={"effort": "low"}

# ❌ This will raise an error (max only works on Opus 4.6)
litellm.completion(model="anthropic/claude-sonnet-4-6", reasoning_effort="max", ...)

# ✅ max is only for Opus 4.6
litellm.completion(model="anthropic/claude-opus-4-6", reasoning_effort="max", ...)

不支援的模型

Claude Opus 4.6、Sonnet 4.6，以及 Opus 4.5 都支援 effort 參數。與其他模型一起使用時，可能會導致該參數被忽略或產生錯誤。

延伸思考 - 控制 Claude 的推理流程
工具使用 - 讓 Claude 使用工具與函式
程式化工具呼叫 - 讓 Claude 撰寫可呼叫工具的程式碼
Prompt 快取 - 快取 prompts 以降低成本

概觀​

Effort 的運作方式​

Effort 等級​

快速開始​

使用 LiteLLM SDK​

使用 LiteLLM Proxy​

直接呼叫 Anthropic API​

模型相容性​

我應該何時調整 Effort 參數？​

與工具使用搭配的 Effort​

與延伸思考搭配的 Effort​

最佳實務​

提供者支援​

使用方式與計價​

疑難排解​

未加入 beta 標頭（Claude Opus 4.5）​

無效的 effort 值錯誤​

不支援的模型​

相關功能​

其他資源​

概觀