本文為英文版的機器翻譯版本，如內容有任何歧義或不一致之處，概以英文版為準。

適應性思維

自適應思考可讓 根據每個請求的複雜性Claude動態決定何時和多大的思考，而不需要固定的思維字符預算。其支援 Claude Fable 5.1、Claude Mythos 5.1、Claude Opus 5、Claude Sonnet 5 和其他具有思考能力的模型。與使用固定 的延伸思維相比，適應性思維可靠地驅動更好的效能budget_tokens。不需要 Beta 版標頭。

支援的模型如下：

適應性思維的運作方式

在自適應模式中， 會Claude評估每個請求的複雜性，並決定是否要考慮和考慮多少。在預設的工作量層級 (high) 中， 幾乎一律Claude會考慮。在較低的工作量層級， Claude 可能會略過思考更簡單的問題。

自適應思維也會自動啟用 交錯思考 (Beta 版)。這表示Claude可以在工具呼叫之間進行思考，讓它對客服人員工作流程特別有效。

在您的 API 請求"adaptive"中thinking.type將 設定為 ：

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);

使用工作量參數進行適應性思考

您可以將適應性思維與工作量參數結合，以引導思考Claude的進行程度。工作量層級可做為 思維配置Claude的軟性指引：

下列範例示範如何在使用 InvokeModel API 時設定工作量等級：

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

搭配 Converse API 使用自適應思維

使用 Converse API 時，請在 內傳遞 thinking和 effort 參數additionalModelRequestFields。下列範例顯示具有預設工作量層級的適應性思維：

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))

若要指定工作量層級，請在 中的個別output_config物件內新增 effort 欄位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"
        }
    }
)

設定每個回合的工作量 （測試版）

此功能是 AWS 服務條款中定義的 Beta 服務。在 Claude Fable 5.1 和 Claude Mythos 5.1 上，您可以透過對話中途變更工作量層級，而不是針對整個請求設定一次。插入在messages陣列中任何時間點攜帶output_config.effort值的系統訊息。新的工作量層級會套用至其後續的轉彎。請求會傳回 200，而不會變更回應形狀。

若要使用每轉努力，請包含下列其中一個anthropic_beta值：mid-conversation-output-config-2026-07-01、per-turn-control-2026-07-01、 mid-conversation-effort-2026-08-01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"}
    ]
}

提示快取

使用adaptive思維的連續請求會保留提示快取中斷點。不過，在 adaptive和 enabled/disabled 思維模式之間切換會中斷訊息的快取中斷點。無論模式變更為何，系統提示和工具定義都會保持快取。

調校思考行為

如果 Claude 的思考頻率高於或低於您想要的頻率，您可以在系統提示中新增指引：

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.

連接器文字摘要 (Beta 版）

在 Claude Fable 5 上，模型在工具呼叫之間發出的文字 （有時稱為「連接器文字」，例如「讓我檢查下一個檔案...」) 摘要了伺服器端，並以思維區塊的形式傳回，而不是純文字內容區塊。思維區塊使用與任何其他思維區塊相同的形狀 （空白文字，預設omitted顯示下有簽章）。

客戶影響：

此功能已啟用 Claude Fable 5 的伺服器端。沒有客戶選擇加入或選擇退出。