本文属于机器翻译版本。若本译文内容与英语原文存在差异，则一律以英文原文为准。

适应性思维

自适应思维可以根据每个请求的复杂性Claude动态决定何时考虑以及考虑多少，而不是需要固定的思维代币预算。Claude Fable 5.1、Claude Mythos 5.1、Claude Opus 5、Claude Sonnet 5 和其他具有思维能力的模型都支持它。与固定思维相比，适应性思维可以可靠地推动更好的表现budget_tokens。不需要测试版标题。

支持的模型如下所示：

适应性思维是如何运作的

在自适应模式下，Claude评估每个请求的复杂性并决定是否要考虑以及考虑多少。在默认努力级别 (high) 下，几乎总是Claude会思考。在较低的努力水平下，Claude可能会跳过思考更简单的问题。

适应性思维也可以自动启用交替思考（测试版）。这意味着Claude可以在工具调用之间进行思考，使其对代理工作流程特别有效。

"adaptive"在您的 API 请求中设置thinking.type为：

CLI

aws bedrock-runtime invoke-model \
--model-id "us.anthropic.claude-opus-4-6-v1" \
--body '{
"anthropic_version": "bedrock-2023-05-31",
"max_tokens": 16000,
"thinking": {
"type": "adaptive"
},
"messages": [
{
"role": "user",
"content": "Three players A, B, C play a game. Each has a jar with 100 balls numbered 1-100. Simultaneously, each draws one ball. A beats B if As number > Bs number (mod 100, treating 100 as 0 for comparison). Similarly for B vs C and C vs A. The overall winner is determined by majority of pairwise wins (ties broken randomly). Is there a mixed strategy Nash equilibrium where each player draws uniformly? If not, characterize the equilibrium."
}
]
}' \
--cli-binary-format raw-in-base64-out \
output.json && cat output.json | jq '.content[] | {type, thinking: .thinking[0:200], text}'

Python

import boto3
import json

bedrock_runtime = boto3.client(
    service_name='bedrock-runtime',
    region_name='us-east-2'
)

response = bedrock_runtime.invoke_model(
    modelId="us.anthropic.claude-opus-4-6-v1",
    body=json.dumps({
        "anthropic_version": "bedrock-2023-05-31",
        "max_tokens": 16000,
        "thinking": {
            "type": "adaptive"
        },
        "messages": [{
            "role": "user",
            "content": "Explain why the sum of two even numbers is always even."
        }]
    })
)

response_body = json.loads(response["body"].read())

for block in response_body["content"]:
    if block["type"] == "thinking":
        print(f"\nThinking: {block['thinking']}")
    elif block["type"] == "text":
        print(f"\nResponse: {block['text']}")

TypeScript

import { BedrockRuntimeClient, InvokeModelCommand } from "@aws-sdk/client-bedrock-runtime";

async function main() {
    const client = new BedrockRuntimeClient({});

    const command = new InvokeModelCommand({
        modelId: "us.anthropic.claude-opus-4-6-v1",
        body: JSON.stringify({
            anthropic_version: "bedrock-2023-05-31",
            max_tokens: 16000,
            thinking: {
                type: "adaptive"
            },
            messages: [{
                role: "user",
                content: "Explain why the sum of two even numbers is always even."
            }]
        })
    });

    const response = await client.send(command);
    const responseBody = JSON.parse(new TextDecoder().decode(response.body));

    for (const block of responseBody.content) {
        if (block.type === "thinking") {
            console.log(`\nThinking: ${block.thinking}`);
        } else if (block.type === "text") {
            console.log(`\nResponse: ${block.text}`);
        }
    }
}

main().catch(console.error);

使用努力参数进行适应性思考

你可以将适应性思维与努力参数相结合，以指导思考的Claude效果。努力水平可作为思维分配Claude的软指导：

以下示例显示了在使用 InvokeModel API 时如何设置工作量级别：

{
    "anthropic_version": "bedrock-2023-05-31",
    "max_tokens": 16000,
    "thinking": {
        "type": "adaptive"
    },
    "output_config": {
        "effort": "high"
    },
    "messages": [{
        "role": "user",
        "content": "Your prompt here"
    }]
}

在 Converse API 中使用自适应思维

使用 Converse API 时，将thinking和effort参数传递到里面additionalModelRequestFields。以下示例显示了默认努力水平下的适应性思维：

import boto3, json

bedrock_runtime = boto3.client(service_name='bedrock-runtime', region_name='us-east-2')

response = bedrock_runtime.converse(
    modelId="us.anthropic.claude-opus-4-6-v1",
    messages=[{
        "role": "user",
        "content": [{"text": "Explain why the sum of two even numbers is always even."}]
    }],
    additionalModelRequestFields={
        "thinking": {
            "type": "adaptive"
        }
    }
)

print(json.dumps(response["output"], indent=2, default=str))

要指定努力级别，请在以下单独的output_config对象中添加该effort字段additionalModelRequestFields：

response = bedrock_runtime.converse(
    modelId="us.anthropic.claude-opus-4-6-v1",
    messages=[{
        "role": "user",
        "content": [{"text": "What is 2 + 2?"}]
    }],
    additionalModelRequestFields={
        "thinking": {
            "type": "adaptive"
        },
        "output_config": {
            "effort": "low"
        }
    }
)

设置每回合努力量（测试版）

该功能是 AWS 服务条款中定义的测试版服务。在 Claude Fable 5.1 和 Claude Mythos 5.1 中，你可以在对话中途更改努力级别，而不必为整个请求设置一次努力级别。在messages数组中的任意点插入带有output_config.effort值的系统消息。新的努力等级适用于其后的回合。该请求返回 200，响应形状不变。

要使用每回合的努力量，请包括以下anthropic_beta值之一：mid-conversation-output-config-2026-07-01、mid-conversation-effort-2026-08-01per-turn-control-2026-07-01、或per-message-effort-2026-07-01。

{
    "anthropic_version": "bedrock-2023-05-31",
    "anthropic_beta": ["mid-conversation-effort-2026-08-01"],
    "max_tokens": 16000,
    "output_config": {"effort": "high"},
    "messages": [
        {"role": "user", "content": "First question"},
        {"role": "assistant", "content": "First answer"},
        {"role": "system", "content": [], "output_config": {"effort": "low"}},
        {"role": "user", "content": "A simpler follow-up question"}
    ]
}

提示缓存

使用 adaptive thinking 的连续请求会保留提示的缓存断点。但是，在adaptive和enabled/disabled思维模式之间切换会破坏消息的缓存断点。无论模式如何更改，系统提示和工具定义都将保持缓存状态。

调整思维行为

Claude如果思考的频率或多或少于您的预期，则可以在系统提示符中添加指导：

Extended thinking adds latency and should only be used when it
will meaningfully improve answer quality — typically for problems
that require multi-step reasoning. When in doubt, respond directly.

连接器文本摘要（测试版）

在 Claude Fable 5 中，模型在工具调用之间发出的文本（有时称为 “连接器文本” ——例如，“接下来让我检查那个文件...”）在服务器端汇总并作为思维方块而不是纯文本内容块返回。思维方块使用与任何其他思维方块相同的形状（默认omitted显示屏下带有签名的空文本）。

客户影响：

此功能已在 Claude Fable 5 的服务器端启用。没有客户选择加入或选择退出。