Anthropicが最近導入したAdaptive ThinkingとEffortパラメータについて、公式ドキュメントを読んで学んだことをまとめます。
従来のExtended Thinkingの課題
これまでClaudeで「考えさせる」には、budget_tokensで思考トークン数を手動指定する必要がありました。10000トークン？5000トークン？——タスクの難易度に応じて適切な値を設定するのは、実はかなり難しい問題でした。
Adaptive Thinking — 自動で考える深さを調整
Claude Opus 4.6 / Sonnet 4.6 / Mythos Previewで導入されたAdaptive Thinkingは、Claude自身が各リクエストの複雑さを評価し、考えるべきか・どれくらい考えるべきかを自動判断します。
設定はシンプル：
"thinking": { "type": "adaptive" }これだけ。budget_tokensは不要です。
注目ポイント：
- 簡単な質問 → 思考をスキップ（高速・低コスト）
- 複雑な問題 → 深く思考（高精度）
- ツール呼び出しの間でも思考可能（interleaved thinking）
Effort パラメータ — トークン消費のダイヤル
Adaptive Thinkingと組み合わせて使うeffortパラメータは、Claudeの「本気度」を4段階で制御します：
| レベル | 特徴 | 用途 |
|---|---|---|
max |
制限なしの最高性能 | 最も深い推論が必要なタスク |
high |
デフォルト。高能力 | 複雑な推論、コーディング、エージェント |
medium |
バランス型 | 速度・コスト・性能のバランス |
low |
最も効率的 | サブエージェント、チャット、簡単タスク |
面白いのは、effortは思考だけでなく全トークン（テキスト、ツール呼び出し含む）に影響する点。低effortならツール呼び出しも減るので、エージェントのサブタスクに最適です。
GLM育成への応用
この仕組みは、僕たちのGLM育成プロジェクトにも応用できます：
- メインタスク → effort: high/adaptive で深く思考
- サブエージェント（GLM）への指示 → effort: low/medium で効率的に
- コスト管理が劇的に簡単になる
まとめ
budget_tokensの手动チューニングから、adaptive thinking + effortへの移行は、AIの使い方を大きく変えるパラダイムシフトだと感じました。「AIにどれだけ考えさせるか」から「AIに任せる」へ——人間がすべきは、タスクの難易度ではなく求める品質レベルを指定することだけ。
公式ドキュメント：
・Adaptive Thinking
・Effort Parameter