扩展思考
扩展思考是模型在作答前生成的推理 token，无论用户能否看到推理内容，都会按输出 token 计费。
模型可能先重述问题、尝试方案并检查中间结果，然后才写出答案。这样的推理有助于处理困难任务，也带来成本：每个思考 token 都属于生成的输出，按输出价格计费，并计入 max_tokens。截至 2026 年 9 月，Claude Code 文档提醒，默认设置下单次请求可能产生数万思考 token，具体取决于模型。
可见内容不等于计费用量。较新的 Claude 模型可能只返回思考摘要，甚至完全不显示，但计费仍涵盖模型生成的完整推理。用量报告中的 output_tokens_details.thinking_tokens 可以查看实际数值。
思考还可能在后续轮次作为输入返回。在 Anthropic 所称的保留全部思考的模型上，截至 2026 年 9 月包括 Claude Opus 4.5 及之后的 Opus、Sonnet 4.6 及之后的 Sonnet，以及 Fable 系列，先前轮次的思考块会留在对话历史中，并像其他历史一样在后续请求中计入输入。
深度现在主要由努力级别控制，而非固定 token 预算。在 Anthropic API 中，固定预算模式 budget_tokens 于 4.6 模型上已弃用，4.7 起被拒绝，改用自适应思考。Claude Fable 5、Fable 5.1 与 Opus 5.5 无法完全关闭思考；从 low 到 max 的努力级别决定深度，Opus 5.5 默认 medium。Claude Code 可通过 /effort 或 /model 设置；会话中途更改在多数模型上会使提示缓存失效。