Effort

§ 01综述

近期 AI 领域围绕“Effort”概念的讨论显著升温，从模型推理强度控制到智能体工作流编排，均体现出对计算资源与任务质量之间权衡的精细化控制趋势。

模型层：推理强度参数成为标配。Anthropic 推出的 Claude Opus 4.8 新增 effort control 功能，允许用户调整模型推理时的“努力”程度以平衡速度与准确率；蚂蚁集团开源的万亿级思考模型 Ring-2.6-1T 也支持 high 与 xhigh 两种推理强度。这些技术举措表明，控制模型在推理过程中投入的计算资源正成为标准化能力。

- Claude Opus 4.8 上线，新增 effort control 功能 - 蚂蚁集团开源万亿级思考模型 Ring-2.6-1T

应用层：动态工作流自动编排子智能体。Claude Code 推出的动态工作流（Dynamic Workflows）功能，可根据任务复杂度自动编排子智能体，极大提升工程效率。有用户实测显示，96 个 Agent 在 15 分钟内完成原先需大量人力编码的任务，这实际是在智能体层面动态调整协作“努力”的分配。

- Claude Code 动态工作流使用指南 - Claude Code 动态工作流，自动编排子智能体 - Claude Code Dynamic Workflow 太猛，96个Agents 15分钟干爆额度

工具链：AI SDK 新增 reasoning 参数。AI SDK 7 canary 版本引入顶层 reasoning 参数，开发者现在可以在应用层面显式控制模型推理的 effort 级别，进一步推动上层应用对底层资源消耗的精细化调控。

- AI SDK 7 canary 新增顶层 reasoning 参数

当前焦点围绕“如何定义合理的 effort 粒度”以及“动态 effort 是否会导致成本失控”。未来观察点包括：effort 控制是否会从模型和 SDK 延伸到更上层的 agent 框架；以及用户能否透过统一接口在不同模型间平滑调节 effort 水平。

§ 02相关报道08 条在档

§ 03邻近话题