기계 번역으로 제공되는 번역입니다. 제공된 번역과 원본 영어의 내용이 상충하는 경우에는 영어 버전이 우선합니다.

적응형 사고

적응형 사고는 Claude Opus 4.6과 확장된 사고 함께 사용하는 권장 방법입니다. 사고 토큰 예산을 수동으로 설정하는 대신 적응형 사고를 통해 각 요청의 복잡성에 따라 언제 얼마나 많이 생각할지 Claude 동적으로 결정할 수 있습니다. 적응형 사고는 고정된를 사용하여 확장형 사고보다 더 나은 성능을 안정적으로 구동budget_tokens하므로 적응형 사고로 이동하여 Claude Opus 4.6에서 가장 지능적인 응답을 얻는 것이 좋습니다. 베타 헤더는 필요하지 않습니다.

지원되는 모델은 다음과 같습니다.

적응형 사고의 작동 방식

적응형 모드에서는 각 요청의 복잡성을 Claude 평가하고 생각할지 여부와 정도를 결정합니다. 기본 작업 수준(high)에서는 Claude가 거의 항상 생각하게 됩니다. 낮은 노력 수준에서 Claude는 더 간단한 문제에 대한 생각을 건너뛸 수 있습니다.

적응형 사고는 도 자동으로 활성화합니다인터리브 사고(베타). 즉, 도구 호출 간에 생각할 Claude 수 있으므로 에이전트 워크플로에 특히 효과적입니다.

API 요청"adaptive"에서를 thinking.type로 설정합니다.

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);

노력 파라미터를 사용한 적응형 사고

적응형 사고와 노력 파라미터를 결합하여 사고의 정도를 안내할 수 Claude 있습니다. 노력 수준은 Claude의 사고 할당에 대한 소프트 지침 역할을 합니다.

다음 예제에서는 InvokeModel API를 사용할 때 작업 수준을 설정하는 방법을 보여줍니다.

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

Converse API에서 적응형 사고 사용

Converse API를 사용하는 경우 내부에서 thinking 및 effort 파라미터를 전달합니다additionalModelRequestFields. 다음 예제에서는 기본 노력 수준의 적응형 사고를 보여줍니다.

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))

작업 수준을 지정하려면에서 별도의 output_config 객체 내에 effort 필드를 추가합니다additionalModelRequestFields.

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"
        }
    }
)

프롬프트 캐싱

adaptive 사고를 사용한 연속 요청은 프롬프트 캐시 중단점을 보존합니다. 그러나 adaptive 및 enabled/disabled 사고 모드 간에 전환하면 메시지에 대한 캐시 중단점이 끊어집니다. 시스템 프롬프트와 도구 정의는 모드 변경과 관계없이 캐시된 상태로 유지됩니다.

사고 동작 튜닝

Claude가 원하는 것보다 더 자주 생각하거나 덜 자주 생각하면 시스템 프롬프트에 지침을 추가할 수 있습니다.

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.

커넥터 텍스트 요약(베타)

Claude Fable 5에서는 모델이 도구 호출 간에 내보내는 텍스트(때로는 "connector text"라고도 함 - 예: "Let me check that file next...")가 서버 측에서 요약되고 일반 텍스트 콘텐츠 블록이 아닌 사고 블록으로 반환됩니다. 사고 블록은 다른 사고 블록과 동일한 셰이프를 사용합니다(기본 omitted 디스플레이 아래에 서명이 있는 빈 텍스트).

고객에게 미치는 영향:

이 기능은 Claude Fable 5에 대해 서버 측에서 활성화됩니다. 고객 옵트인 또는 옵트아웃은 없습니다.