Extended thinking do Claude

Esta página explica como ativar o extended thinking do Claude e ler o conteúdo do thinking. IDs de modelo e endereços de endpoint estão na visão geral da família Claude.

O extended thinking faz o modelo raciocinar antes de responder e é indicado para matemática, código e análises de várias etapas. Em nossos testes, os modelos a seguir retornaram o conteúdo do thinking de forma estável com o provedor padrão: Opus 5.5, Opus 5, Opus 4.8, Opus 4.6, Sonnet 4.6, Haiku 5.5, Haiku 4.5, Fable 5.

Endpoint nativo da Anthropic

Há dois modos:

import os
import anthropic
 
client = anthropic.Anthropic(base_url="https://api.ofox.ai/anthropic", api_key=os.environ["OFOX_API_KEY"])
 
message = client.messages.create(
    model="anthropic/claude-opus-5.5",
    max_tokens=4000,
    thinking={"type": "enabled", "budget_tokens": 2000},
    messages=[{"role": "user", "content": "Um taco e uma bola custam juntos 1,10 dólar. O taco custa 1 dólar a mais que a bola. Quanto custa a bola?"}],
)
for block in message.content:
    if block.type == "thinking":
        print("[thinking]", block.thinking)
    elif block.type == "text":
        print("[resposta]", block.text)

curl https://api.ofox.ai/anthropic/v1/messages \
  -H "x-api-key: $OFOX_API_KEY" \
  -H "anthropic-version: 2023-06-01" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "anthropic/claude-opus-5.5",
    "max_tokens": 4000,
    "thinking": {"type": "enabled", "budget_tokens": 2000},
    "messages": [{"role": "user", "content": "Um taco e uma bola custam juntos 1,10 dólar. O taco custa 1 dólar a mais que a bola. Quanto custa a bola?"}]
  }'

• No content da resposta, primeiro aparece o bloco thinking e depois o bloco text. O bloco thinking traz uma signature, que deve ser devolvida sem alterações em chamadas de ferramentas de vários turnos.
• No streaming, o conteúdo do thinking chega por eventos thinking_delta, seguidos de um evento signature_delta, e só então começam os text_delta.
• Com o thinking ativado, não defina temperature (ou defina-o como 1) nem top_k.
• Os tokens consumidos pelo thinking entram em output_tokens e são cobrados pelo preço de saída.

Endpoint compatível com OpenAI

Ative pelo objeto reasoning, em que max_tokens é o orçamento do thinking:

import os
from openai import OpenAI
 
client = OpenAI(base_url="https://api.ofox.ai/v1", api_key=os.environ["OFOX_API_KEY"])
 
resp = client.chat.completions.create(
    model="anthropic/claude-sonnet-4.6",
    max_tokens=4000,
    extra_body={"reasoning": {"max_tokens": 2000}},
    messages=[{"role": "user", "content": "Um taco e uma bola custam juntos 1,10 dólar. O taco custa 1 dólar a mais que a bola. Quanto custa a bola?"}],
)
msg = resp.choices[0].message
details = getattr(msg, "reasoning_details", None) or []
print("[thinking]", "".join(d.get("text", "") for d in details))
print("[resposta]", msg.content)

• Em respostas sem streaming, o conteúdo do thinking fica em message.reasoning_details; concatene o text de cada item na ordem.
• Em respostas com streaming, o conteúdo do thinking fica em delta.reasoning_content.

Outros erros estão em Erros comuns.