跳轉到主要內容
AIHubMix OpenAI 相容介面深度支援 Claude 思考、快取與 Beta 功能
我們升級了 OpenAI 相容介面,針對 Claude 系列模型進行了更深度的最佳化。您現在能更精準、更便利地控制 thinking 與快取 — 特別是多輪對話中的 interleaved thinking,我們讓它更使用者友善,無需額外參數即可無縫整合。同時也支援啟用 Anthropic 所提供的 beta 功能。

1. 模型 Thinking(Extended Thinking)

1.1 Interleaved Thinking 的優點

在未啟用 interleaved thinking 時,模型只會在 assistant 回合開始時思考一次;後續回應會在收到工具結果後直接生成,不會產生新的 thinking block:
啟用 interleaved thinking 後,模型在每次收到工具結果時都會插入新的 thinking block,形成一條推理鏈:
這讓模型能夠:
  • 根據工具結果進行二次推理,而非單純地將輸出串接起來。
  • 在多次工具呼叫之間鏈式推理,每個決策都基於前一步分析。
參考:Anthropic Interleaved Thinking

1.2 啟用 Thinking

您可以透過四種方式啟用 thinking,擇一即可:
優先順序(同時使用多種方法時):reasoning_effort > reasoning.max_tokens > reasoning.effort > -think 後綴
effort 可能的值: minimal / low / medium / high / xhigh

1.3 Thinking 傳回值

回應訊息會新增兩個欄位:
  • reasoning_content:thinking 內容(字串),方便顯示。
  • reasoning_details:thinking 的完整結構化資訊,在多輪對話中需要原樣回傳;不同供應商之間的內部結構可能不同。
非串流範例(省略無關欄位):
在串流回應中,thinking 內容會透過 delta.reasoning_contentdelta.reasoning_details 分塊傳送。完整的串流串接邏輯請參考下方完整範例。

1.4 在多輪對話中保留 Thinking (Interleaved Thinking 內建,無需額外參數)

為了讓模型在多輪對話中持續其推理能力,只需將前一次傳回的 reasoning_details 原樣放入下一輪的 assistant 訊息中:
AihubMix 在偵測到請求中存在歷史 thinking 資訊時,會自動啟用 interleaved thinking,讓模型在收到工具呼叫結果後能持續進行深度推理,無需額外傳入參數。

1.5 完整範例

下列兩個範例示範了完整的多輪 Tool Call + interleaved thinking 流程:使用者提問 → 模型思考並呼叫工具 → 注入工具結果(保留 reasoning_details)→ 模型 interleaved thinking 給出最終回應。 非串流 · Interleaved Thinking
串流 · Interleaved Thinking

1.6 Thinking 強度對應規則

Effort 模式:
  • Opus 4.6 / Sonnet 4.6 及以上版本:對應 Anthropic 原生的 Adaptive Thinking effort 層級。
  • 其他模型:依下列公式計算 budget_tokens:
Adaptive Thinking Effort 對應: max_tokens 模式: 直接指派為 Anthropic 的 budget_tokens -think 後綴: Opus/Sonnet 4.6+ 使用 adaptive thinking(effort=medium);其他模型設定 budget_tokens = min(10240, max_tokens - 1),預設 max_tokens 為 4096。

2. Prompt Caching

透過 Chat 介面向 Claude 模型發出請求時,您可以使用 Prompt Caching。在訊息中設定 cache_control 中斷點,大段文字(如角色卡、RAG 資料、書籍章節等)可被快取以供重用,後續請求能直接命中快取並大幅降低成本。
Claude 官方文件:Prompt Caching

2.1 快取費用

2.2 支援的模型與最小快取長度

中斷點數量限制: 每次請求最多 4cache_control 中斷點。

2.3 快取 TTL

1 小時 TTL 的寫入費用較高,但可以透過減少長時間對話中的重複寫入來節省總費用。Claude 4.5 之後的所有模型,在所有供應商(包含 Anthropic、Amazon Bedrock、Google Vertex AI)上都支援 1 小時 TTL。

2.4 用法

您可以在 systemuser(含影像)與 tools 中使用 cache_control 欄位設定快取中斷點。下列範例僅顯示關鍵結構,省略大段文字。 System 訊息快取(預設 5 分鐘 TTL):
User 訊息快取(1 小時 TTL):
影像訊息快取:
工具定義快取: cache_control 置於 tool 物件的頂層(與 typefunction 同層):

2.5 檢視快取狀態

回應的 usage 會傳回 claude_cache_tokens_details,記錄詳細的快取資訊: 第一次請求(建立快取):
後續請求(快取命中):

3. anthropic-beta 請求標頭

您可以透過 HTTP 標頭 anthropic-beta 啟用 Claude 模型的 beta 功能,AihubMix 會將其傳遞給 Anthropic API。

用法

在請求標頭中加入 anthropic-beta,值為對應的 beta 功能識別碼:
詳細可用的 beta 識別碼請參考 Anthropic API 文件

最後更新:2026-06-01