Extended Thinking

延伸思考實際上在做什麼，跟一般回覆有什麼不同？

延伸思考是 Claude 在產生最終回覆之前，先進行一段內部推理的機制。官方文件把這個過程描述成「自我評估」——模型會先判斷這次請求是不是真的需要額外推理才能答好，如果判斷不需要，同一次對話裡的這一輪可能完全不會有思考區塊；如果判斷需要，才會展開思考過程，再據此產生最終答案。

這跟一般回覆最大的差別在於「是否固定發生」。延伸思考不是每次都會啟動的功能，而是依照請求複雜度動態決定的——同一個對話裡，前一輪可能有思考區塊，後一輪問了個簡單問題，可能就完全沒有，這種深度上的變化是設計本來就預期的行為，不是不穩定或異常。

舊版的 budget_tokens 跟現在的 effort 參數，差別到底在哪？

budget_tokens 是較舊的模型上才會用到的設定方式，屬於手動管理：你直接指定一個思考過程能用的 token 上限，是一個硬性限制。官方文件也特別提醒，在請求之間更動 budget_tokens 的數值，會讓 prompt caching 的快取點失效。

effort 參數是現行模型採用的做法，設定在 output_config.effort，提供 low、medium、high、xhigh、max 五個層級。跟 budget_tokens 最根本的不同是，effort 只是「軟性引導」，告訴模型大致該往哪個方向分配資源，並不是寫死的硬上限——即使設成 max，也不保證每次請求都會啟動思考；即使設成 low，遇到真正複雜的請求，模型仍然可能判斷需要思考。跟 budget_tokens 相同的是，更動 effort 層級同樣會讓快取點失效，這個代價沒有因為改用新參數而消失。

怎麼決定在自己的應用裡要用哪個 effort 層級？

官方文件列出的對照很具體：max 代表思考量最大、深度最深，對思考長度沒有限制；xhigh 比 high 更願意啟動思考、也思考得更深；high 是多數模型的預設值，對大部分能從思考中受益的請求都會啟動；medium 是 Claude Opus 5.5 的預設值，思考強度中等，遇到簡單查詢可能直接跳過；low 把思考量壓到最低，優先求回應速度。

實務上的選擇邏輯是看任務性質：簡單、需要快速回應、大量重複呼叫的場景，適合用 low 或乾脆不特別設定（使用模型預設值）；需要多步驟推理、程式碼除錯、複雜分析這類任務，拉高到 high 或以上通常比較划算。真正該留意的是成本控制的另一半——max_tokens 才是總輸出（思考加上回覆）的硬性上限，effort 只決定這個上限裡大概要分配多少比例給思考，兩個參數要一起設定才完整。

延伸思考的 token 怎麼算錢，畫面上看到的思考內容跟實際計費的量一樣嗎？

不完全一樣。計費採用的是 usage.output_tokens_details.thinking_tokens 這個欄位記錄的完整思考 token 數，這個數字會被當成一般輸出 token 一併計費；但畫面上實際顯示給你看的思考內容，有可能是經過摘要處理的版本，不是逐字呈現模型內部的完整推理過程。也就是說，你看到的思考文字長度，不能直接拿來估算這次請求實際花了多少錢，真正該看的是回傳的 thinking_tokens 數字。

這個落差對成本控制很重要：如果你只靠肉眼看思考內容的長短去判斷花費，很容易低估實際成本，因為完整的內部推理可能比畫面上呈現的摘要長得多。