Claude 的 Extended Thinking 模式怎么开？什么时候值得用

Claude 在回答一个问题之前，通常会有一个简短的内部处理过程，然后直接给出答案。但对于某些需要深度推理的问题，这个”想一想”的过程明显不够用——结论跳得太快，中间推理链条不完整，复杂问题的处理质量因此受限。

Extended Thinking（扩展思考）模式是 Anthropic 针对这个问题的解决方案。开启后，Claude 会在给出最终回答之前，花更多时间进行深度的内部推理，你可以看到它”思考”的过程，最终答案也通常更有深度和准确性。

但 Extended Thinking 不是万能的。它需要更长的等待时间，消耗更多资源，在很多场景下并不能带来可感知的质量提升。本文由 Claude Ai中文官网 整理，把 Extended Thinking 的工作原理、开启方式、真实价值边界和适用场景说清楚，帮你判断什么时候值得开它，什么时候直接用标准模式就够了。

Extended Thinking 功能目前通过 API 的 Beta 参数提供，claude.ai 网页端的可用性以你账号的实际设置为准。功能细节随版本迭代可能调整，建议同时访问 Claude Ai中文官网核实最新说明。

一、Extended Thinking 是怎么工作的

要判断什么时候值得用，先要理解它在做什么。

在标准模式下，Claude 接收输入后直接生成输出，中间的推理过程是隐式的、快速的，用户看不到，Claude 也不会在输出前系统性地检验自己的推理过程。对于简单到中等复杂度的问题，这已经足够；但对于需要多步骤逻辑推导、需要探索多个可能路径、或者需要在约束条件复杂的情况下找到最优解的任务，这种”快速推断”的方式会在质量上留下明显的天花板。

Extended Thinking 开启后，Claude 在生成最终回答之前会进入一个显式的思考阶段——它会在内部探索不同的推理路径、自我检验中间结论、识别并纠正推理中的错误，最后才基于这个深度处理过程给出回答。这个思考过程会以”思考块”（thinking block）的形式呈现，让你可以看到 Claude 是如何一步步推导到最终结论的。

一个关键细节：思考块的内容是 Claude 真实的推理过程，而不是为了展示给用户而生成的解释性内容。这意味着思考块可能包含 Claude 探索过但最终放弃的路径、发现自己之前错了然后修正的过程，以及普通回答中不会出现的推导细节。

二、Extended Thinking 的两种开启方式

方式 1：通过 API 参数开启（开发者）

在 API 请求中，通过 thinking 参数开启 Extended Thinking，并设置 budget_tokens 指定允许用于思考的最大 Token 数量：

import anthropic

client = anthropic.Anthropic()

response = client.messages.create(
    model="claude-sonnet-4-6",
    max_tokens=16000,  # 需要大于 budget_tokens
    thinking={
        "type": "enabled",
        "budget_tokens": 10000  # 允许用于思考的最大 Token 数
    },
    messages=[
        {
            "role": "user",
            "content": "请分析以下商业决策的利弊，并给出你的推荐方案：[具体问题]"
        }
    ]
)

# 处理响应，区分思考内容和最终回答
for block in response.content:
    if block.type == "thinking":
        print("=== Claude 的思考过程 ===")
        print(block.thinking)
    elif block.type == "text":
        print("=== 最终回答 ===")
        print(block.text)

budget_tokens 的设置建议

budget_tokens 控制 Claude 愿意在思考上花费的最大 Token 数。这个值不是”思考一定会用到这么多 Token”，而是上限——Claude 会根据问题的实际复杂度自主决定用多少。

任务复杂度	建议 budget_tokens	适用场景
低至中等	1,000–5,000	需要一定推理但不算极复杂的分析任务
中等至高	5,000–10,000	多步骤推理、复杂决策分析
高度复杂	10,000–32,000	数学证明、复杂算法设计、深度研究分析
极度复杂	32,000+	需要探索大量可能性的最高难度任务

设置过低的 budget_tokens 会限制思考深度，可能导致 Extended Thinking 的效果不如预期；设置过高会增加等待时间和成本，但对简单任务没有额外收益。建议从中等值开始，根据实际效果调整。

方式 2：通过 claude.ai 界面开启（网页端用户）

claude.ai 网页端对部分账号提供了 Extended Thinking 的界面入口。如果你的账号已开放此功能，通常可以在以下位置找到开关：

对话输入框下方的工具栏，找到”Extended Thinking”或思考相关的图标
模型选择菜单旁边的功能开关区域

开启后，发送的下一条消息会触发 Extended Thinking，思考过程会以可折叠的方式展示在最终回答之前。

如果你在界面上找不到这个入口，可能是功能尚未向你的账号开放，或者界面已经更新了入口位置。建议访问 Claude Ai中文官网 查阅当前版本的最新说明。

三、Extended Thinking 真正有价值的 6 个场景

场景 1：需要多步骤逻辑推导的数学和算法问题

这是 Extended Thinking 效果最显著的场景之一。对于需要 5 步以上推导才能得出结论的数学证明、算法复杂度分析、或者需要在多个约束条件下找最优解的问题，Extended Thinking 让 Claude 能够在内部完整走完推导链，而不是在中途跳步。

区别在哪里：标准模式下，Claude 可能会跳过某些中间步骤直接得出结论，而这些被跳过的步骤有时候恰恰包含了错误。Extended Thinking 能发现并纠正这些推导过程中的错误，最终答案的准确率显著更高。

请用 Extended Thinking 解决以下算法问题：

给定一个整数数组，找出所有满足以下条件的三元组 (a, b, c)：
- a + b + c = 0
- 三元组不能重复
- 时间复杂度要求 O(n²)

请详细说明算法思路、证明正确性，并给出完整的 Python 实现。

场景 2：复杂的商业决策分析

当一个决策涉及多个相互制约的变量、多种利益相关方的考量、以及难以量化的长期影响时，Extended Thinking 能够系统性地探索不同维度，而不是给出表面上听起来合理但实际上忽略了关键因素的快速分析。

我们公司面临以下决策：是否将核心产品从 SaaS 订阅制转为按用量计费模式。

背景：
- 当前月活用户 5 万，平均 ARPU $80
- 轻度用户占比 60%，重度用户占比 40%
- 竞争对手中有 2 家已转为按量计费
- 团队工程资源需要 3 个月完成迁移

请深度分析这个决策的利弊，探讨不同场景下的可能结果，
并给出你的推荐方案和实施建议。

场景 3：代码架构和系统设计

设计一个需要满足多个非功能性要求（性能、可扩展性、可维护性、安全性）的系统架构，需要在不同设计方案之间做出有理有据的权衡。Extended Thinking 让 Claude 能够系统性地考虑各种架构方案的优缺点，而不是直接推荐第一个想到的方案。

场景 4：需要发现隐藏矛盾的逻辑分析

分析一段论证是否存在逻辑漏洞、检验一套规则体系中是否有自相矛盾的条款、或者验证一个推理链条的每一步是否成立——这类需要对每个环节做严格审查的任务，是 Extended Thinking 的适用场景。

场景 5：多约束条件下的最优化问题

资源分配、时间规划、策略组合——当你需要在多个约束条件下找到最优或接近最优的方案时，Extended Thinking 允许 Claude 探索更多的可能性组合，而不是在考虑了前几个选项后就停下来。

场景 6：需要高可靠性的专业判断

当 Claude 的回答将直接影响重要决策，且你希望它给出尽可能可靠的判断时，Extended Thinking 带来的额外推理深度是有价值的投入——即使只是帮助 Claude 识别出它自己不确定的地方，并主动说明，这本身就有价值。

四、Extended Thinking 不值得开的场景

以下场景开启 Extended Thinking 不会带来可感知的质量提升，只会增加等待时间和成本：

事实性查询：“2024 年巴黎奥运会在哪里举办””Python 的 range 函数语法是什么”——这类问题不需要推理，Extended Thinking 没有用武之地。
简单的格式转换：将文本从一种格式转为另一种格式、翻译、摘要——这些任务的质量瓶颈不在推理深度，而在语言能力，Extended Thinking 帮不上忙。
创意写作：写一首诗、编一个故事——创意任务需要的是语言表达能力和想象力，不是逻辑推导能力，Extended Thinking 在这里没有优势。
日常对话和轻量问答：大多数日常问题用标准模式已经能得到高质量的回答，不需要为此等待更长时间。
有明确标准答案的技术问题：查询某个 API 的参数、确认某个语法是否正确——这类有唯一正确答案的问题不需要深度推理。

五、与标准模式的实际质量差距：诚实评估

Extended Thinking 带来的质量提升是真实存在的，但它不是在所有任务上都有显著差距，值得在这里做一个诚实的评估。

差距明显的领域：

数学推导和证明：Extended Thinking 的准确率提升最为显著，尤其在需要多步骤推导的题目上
复杂逻辑谜题：需要穷举或逐步排除的问题，Extended Thinking 完成率更高
需要权衡多个相互制约因素的决策分析：分析深度和覆盖维度更完整

差距有限的领域：

写作任务：质量主要取决于语言模型的表达能力，Extended Thinking 对文字质量的提升有限
常规代码生成：标准模式已经能给出高质量代码，Extended Thinking 在简单到中等难度代码任务上的提升不明显
知识性问答：如果答案在训练数据中有明确覆盖，推理深度不是瓶颈

一个实用的判断标准：如果你的任务需要你自己花时间仔细推导，Extended Thinking 大概率有价值；如果你自己随口就能给出答案，标准模式就够了。

六、成本与等待时间：你需要知道的数字

Extended Thinking 带来更好效果的代价是两方面的：更长的等待时间和更高的 Token 消耗。

等待时间

思考阶段的时间取决于 budget_tokens 的设置和任务复杂度：

budget_tokens 在 1,000–5,000：通常增加 5–15 秒等待时间
budget_tokens 在 5,000–15,000：通常增加 15–45 秒等待时间
budget_tokens 在 15,000 以上：可能需要 1–3 分钟或更长

在需要实时响应的场景（如聊天界面）中，这个等待时间是明显的用户体验代价，需要在设计上做相应处理（如显示”Claude 正在深度思考中”的进度提示）。

Token 消耗

思考过程产生的 Token 计入输入 Token 消费，会显著增加每次请求的成本。思考 Token 的定价通常与输出 Token 相似，具体以 Anthropic 官方定价为准。

对于 claude.ai 网页端的订阅用户，Extended Thinking 的使用会计入你的每日使用配额，单次启用 Extended Thinking 比标准回答消耗更多配额。

成本是否值得的判断逻辑

对于高价值的单次任务（如一份将影响重大决策的分析报告），额外的成本和等待时间通常是合理的投入。对于需要高频调用的批量任务或实时响应场景，应该评估是否真的需要 Extended Thinking，还是标准模式已经满足质量要求。

七、在 API 中处理思考块：开发者注意事项

在通过 API 使用 Extended Thinking 时，有几个技术细节需要注意：

思考块不能直接修改

在多轮对话中，如果你需要将带有思考块的回复加入对话历史，思考块的内容必须原样传回，不能修改。Anthropic 有严格的规定：思考块的内容在传回时必须与原始内容完全一致，任何修改都会导致 API 报错。

import anthropic

client = anthropic.Anthropic()

# 第一轮对话，开启 Extended Thinking
response1 = client.messages.create(
    model="claude-sonnet-4-6",
    max_tokens=16000,
    thinking={"type": "enabled", "budget_tokens": 8000},
    messages=[{"role": "user", "content": "请分析这个算法问题：[问题描述]"}]
)

# 构建多轮对话历史时，思考块必须原样包含
conversation_history = [
    {"role": "user", "content": "请分析这个算法问题：[问题描述]"},
    {"role": "assistant", "content": response1.content}  # 包含思考块和文字块
]

# 继续对话
response2 = client.messages.create(
    model="claude-sonnet-4-6",
    max_tokens=16000,
    thinking={"type": "enabled", "budget_tokens": 8000},
    messages=conversation_history + [
        {"role": "user", "content": "基于你的分析，能给出完整的代码实现吗？"}
    ]
)

流式输出与 Extended Thinking 的配合

对于需要较长等待时间的 Extended Thinking 请求，强烈建议使用流式输出，让用户能够看到思考过程的逐步展示，而不是等待所有内容生成完毕后才显示：

with client.messages.stream(
    model="claude-sonnet-4-6",
    max_tokens=16000,
    thinking={"type": "enabled", "budget_tokens": 10000},
    messages=[{"role": "user", "content": "你的问题"}]
) as stream:
    for event in stream:
        # 处理思考过程的流式输出
        if hasattr(event, 'type'):
            if event.type == 'content_block_start':
                if hasattr(event.content_block, 'type'):
                    if event.content_block.type == 'thinking':
                        print("\n[开始思考...]", flush=True)
                    elif event.content_block.type == 'text':
                        print("\n[最终回答]", flush=True)
            elif event.type == 'content_block_delta':
                if hasattr(event.delta, 'thinking'):
                    print(event.delta.thinking, end='', flush=True)
                elif hasattr(event.delta, 'text'):
                    print(event.delta.text, end='', flush=True)

Extended Thinking 与 Prompt Caching 的兼容性

Extended Thinking 和 Prompt Caching 可以同时使用。对于需要对同一份长文档多次进行深度分析的场景，将文档内容标记为缓存，同时开启 Extended Thinking，可以在保持思考深度的同时降低重复输入内容的 Token 成本。

八、用一个实验验证它对你是否值得

不同任务类型和不同用户对 Extended Thinking 的价值感知差异很大。在决定是否在你的工作流中引入它之前，最有价值的事情是做一个小规模的对比实验：

选取你最关心质量的 3–5 个典型任务。用你实际工作中会遇到的真实问题，而不是刻意构造的测试题。
对每个任务，先用标准模式回答，再用 Extended Thinking 回答，保持提示词完全相同。
不看模型标签的情况下，盲测判断两个回答的质量差距。如果你不能区分哪个更好，说明这类任务不需要 Extended Thinking。
统计在多少比例的任务上有可感知的质量提升。如果超过 50% 的任务有明显差距，且这些任务在你的工作中占重要比例，引入 Extended Thinking 是合理的。

这个实验不需要复杂的设置，30 分钟就能完成，能让你对 Extended Thinking 的实际价值有比任何理论分析都更准确的认知。

总结

Extended Thinking 是一个针对特定场景的专业工具，而不是对 Claude 标准模式的全面升级。它在需要深度逻辑推导、多步骤分析和复杂决策支持的任务上有真实的质量提升，但在写作、翻译、日常问答等不以推理深度为瓶颈的任务上，额外的等待时间和成本换不来可感知的收益。

判断它是否值得的核心标准只有一个：你的任务的质量瓶颈，是不是在推理深度上？ 如果是，Extended Thinking 值得；如果不是，标准模式已经足够。

更多关于 Claude Extended Thinking 的 API 文档、参数说明和最新功能更新，欢迎访问 Claude Ai中文官网 查阅持续更新的中文开发者文档。

让模型花更多时间思考，不等于能解决所有问题——就像让一个人多想几分钟，也无法弥补他本来就不知道的知识。Extended Thinking 的价值在于深化已有能力，而不是创造新能力。

编

Claude

资深科技编辑