बोला गया सारांश — साथ पढ़ने के लिए प्ले दबाएँ: बोली जा रही पंक्ति ऊपर रहती है।
कुछ कार्यों को तेजी से उत्तर देने से अधिक की आवश्यकता होती है। Claude किसी समस्या को प्रतिक्रिया देने से पहले हल कर सकता है — यह एक विशेषता है जिसे extended thinking कहा जाता है। इस पाठ में, हम देखेंगे कि thinking क्या है, इसे कैसे चालू करें, और यह वास्तव में कब मदद करता है।
यहाँ वह विफलता मोड है जिससे हम बचना चाहते हैं। किसी मॉडल से एक बहु-चरणीय प्रश्न पूछें और तुरंत उत्तर दें, और यह आत्मविश्वास से गलत हो सकता है:
एक ऐप्लिकेशन का आरेख जो एक मॉडल को एक बहु-चरणीय सेब प्रश्न भेज रहा है, जो तुरंत गलत उत्तर देता है: आपके पास 6. 5 सेब होंगे
Extended thinking क्या है?
Extended thinking Claude को अंतिम प्रतिक्रिया देने से पहले चरण दर चरण तर्क करने देता है। जब यह सक्षम होता है, तो Claude आंतरिक reasoning tokens उत्पन्न करता है — अक्सर chain of thought कहा जाता है — और फिर उत्तर प्रदान करता है। Reasoning छिपी नहीं होती: आप इसे अंतिम पाठ के साथ प्रतिक्रिया में देख सकते हैं।
Opus 4.7 पर Adaptive thinking
Opus 4. 7 के साथ, thinking adaptive है। आप token budget नहीं चुनते। आप बस इसे चालू करते हैं, और Claude गतिशील रूप से तय करता है कि कब सोचना है और कितना सोचना है।
Claude कितना सोचता है यह नियंत्रित करने के लिए, effort पैरामीटर का उपयोग करें। एक समस्या: यह output_config के अंदर जाता है, thinking ब्लॉक के बगल में नहीं। स्तर हैं:
- low
- medium
- high (डिफ़ॉल्ट)
- xhigh (अतिरिक्त उच्च)
- max
इसे कब उपयोग करें (और कब छोड़ें)
Extended thinking इसमें मदद करता है:
- गणित और बहु-चरणीय तर्क
- कोड डिबगिंग
- नियामक विश्लेषण
- कुछ भी जो trade-offs या विकल्पों की तुलना करता है
स्लाइड extended thinking use cases दिखा रहा है: गणित, बहु-चरणीय तर्क, कोड डिबगिंग, नियामक विश्लेषण, और जटिल तुलना
सरल वर्गीकरण, निष्कर्षण, या boilerplate के लिए इसे छोड़ दें। उन कार्यों के लिए यह केवल latency और लागत जोड़ता है बिना वास्तव में परिणामों में सुधार किए।
Thinking कार्य में
आइए इसे काम करते देखें। यहाँ एक agent loop है जिसमें एक weather tool है, और हम Claude से सैन फ्रांसिस्को से एक road trip की योजना बनाने के लिए कहेंगे — दो स्टॉप, मौसम और ड्राइव समय को तौलते हुए। यह एक वास्तविक trade-off है, इस तरह का प्रश्न जहाँ thinking अपनी कीमत साबित करता है।
import anthropic
client = anthropic. Anthropic()
weather_tool = { "name": "get_weather", "description": "Get the current weather for a city. ", "input_schema": { "type": "object", "properties": { "city": {"type": "string", "description": "City name"} }, "required": ["city"], }, }
response = client. messages. create( model="claude-opus-4-7", max_tokens=16000, thinking={"type": "adaptive"}, output_config={"effort": "high"}, # low | medium | high | xhigh | max tools=[weather_tool], messages=[ { "role": "user", "content": "Plan a road trip out of San Francisco with two stops, " "weighing weather and drive time. ", } ], )
जब आप इसे चलाते हैं, तो आउटपुट सामान्य से अधिक दिलचस्प होता है। आप thinking blocks देखेंगे जहाँ Claude trade-offs के माध्यम से काम करता है, फिर प्रत्येक शहर की जांच के लिए tool calls, और अंत में वास्तविक सिफारिश के साथ एक text block।
Reasoning दृश्यमान है — यही पूरा बिंदु है।
यह production में क्यों महत्वपूर्ण है
एक production ऐप में, यह एक agent के बीच का अंतर है जो समस्याओं को एक बार में खोजता है और एक agent जो उन्हें जोड़ता है। एक compliance review ऐप लें: auto-review कॉल पर adaptive thinking को toggle करने से agent को report sections के across तर्क करने देता है — ऐसी चीजें पकड़ता है जैसे section three में एक wind load spec जो दस्तावेज़ में कहीं और material spec के साथ conflict करता है।
Compliance review ऐप UI एक Thorough review checkbox सक्षम के साथ, एक auto-review चला रहा है जो report sections के बीच निष्कर्षों को cross-reference करता है
सारांश
- Extended thinking Claude को उत्तर देने से पहले तर्क करने के लिए जगह देता है, और reasoning प्रतिक्रिया में दृश्यमान होती है।
- Opus 4. 7 के साथ, इसे thinking: {"type": "adaptive"} के साथ चालू करें — कोई token budget की आवश्यकता नहीं; Claude तय करता है कि कब और कितना सोचना है।
- effort पैरामीटर के साथ गहराई को dial करें output_config के अंदर: low, medium, high (डिफ़ॉल्ट), xhigh, या max।
- इसे कठिन, trade-off-heavy समस्याओं के लिए उपयोग करें। सरल लोगों के लिए इसे छोड़ दें — वहाँ यह केवल latency और tokens की लागत करता है।