
1. 模型思考(Extended Thinking)
1.1 交错思考的优点
未开启交错思考时,模型在一个 assistant turn 中只在开头进行一次思考,后续收到工具结果后直接生成回复,不再产生新的 thinking block:- 基于工具返回结果进行二次推理,而非直接拼接输出
- 在多次工具调用之间链式推理,每一步决策都建立在上一步的分析之上
参考:Anthropic Interleaved Thinking
1.2 开启思考
支持四种方式,任选其一:优先级(同时使用多种时):effort 可选值:reasoning_effort>reasoning.max_tokens>reasoning.effort>-think后缀
minimal / low / medium / high / xhigh
1.3 思考返回
响应的 message 中会增加两个字段:reasoning_content:思考内容(字符串),方便直接展示reasoning_details:思考的完整结构化信息,多轮对话时需要原样回传,内部结构在不同供应商下可能有差异
delta.reasoning_content 和 delta.reasoning_details 逐块下发。完整的流式拼接逻辑见下方完整示例。
1.4 多轮对话中保留思考(已内置交错思考,无需额外传参)
要让模型在多轮对话中延续推理能力,只需将上一轮返回的reasoning_details 原样放入下一轮的 assistant 消息中:
1.5 完整示例
以下两个示例演示了完整的多轮 Tool Call + 交错思考流程:用户提问 → 模型思考并调用工具 → 注入工具结果(保留reasoning_details)→ 模型交错思考后给出最终回复。
非流式 · 交错思考
1.6 思考强度映射规则
effort 模式:- Opus 4.6 / Sonnet 4.6 及以上:映射为 Anthropic 原生的自适应思考(Adaptive Thinking) effort 级别
- 其他模型:按公式计算
budget_tokens:
自适应思考 effort 映射:
max_tokens 模式: 直接赋值为 Anthropic 的
budget_tokens。
-think 后缀: Opus/Sonnet 4.6+ 使用自适应思考(effort=medium);其他模型设 budget_tokens = min(10240, max_tokens - 1),max_tokens 默认 4096。
2. 提示词缓存(Prompt Caching)
你可以在 Chat 接口请求 Claude 模型时使用 Prompt Caching。通过在消息中设置cache_control 断点,让重复使用的大段文本(角色卡片、RAG 数据、书籍章节等)被缓存下来,后续请求直接命中缓存,大幅降低成本。
Claude 官方文档:Prompt Caching
2.1 缓存价格
2.2 支持的模型与最小缓存长度
断点数量限制: 每个请求最多 4 个 cache_control 断点。
2.3 缓存 TTL
1 小时 TTL 的写入成本更高,但在长时间会话中可通过减少重复写入来节省总费用。所有 Claude 4.5 及之后版本模型的所有提供商(含 Anthropic、Amazon Bedrock、Google Vertex AI)均支持 1 小时 TTL。
2.4 使用方式
在system、user(含图片)、tools 中均可通过 cache_control 字段设置缓存断点。以下示例仅展示关键结构,省略了大段正文内容。
System 消息缓存(默认 5 分钟 TTL):
cache_control 放在 tool 对象的顶层(与 type、function 同级):
2.5 缓存状态查看
响应的usage 中会返回 claude_cache_tokens_details,记录缓存的详细信息:
首次请求(创建缓存):
3. 请求头传递 anthropic-beta
你可以通过 HTTP Headeranthropic-beta 来开启 Claude 模型的 beta 特性,AihubMix 会将该 header 透传给 Anthropic API。
用法
在请求头中添加anthropic-beta,值为对应的 beta 功能标识符:
具体可用的 beta 标识符请参考 Anthropic API 文档。
更新时间:2026-06-01
更新时间:2026-06-01