Anthropic：Messages API返回usage.output_tokens_details.thinking_tokens——对计费和流式传输意味着什么

Anthropic Messages API现在通过usage对象内的output_tokens_details.thinking_tokens字段明确报告内部思考令牌。此变更使开发者能够精确跟踪扩展思考调用的成本——但有一个重要说明可能令未仔细阅读文档的团队感到意外。

usage.output_tokens_details.thinking_tokens是什么，为何重要？

该字段出现在每个使用扩展思考的API响应中，结构如下：

{
  "usage": {
    "input_tokens": 1024,
    "output_tokens": 512,
    "output_tokens_details": {
      "thinking_tokens": 10000
    }
  }
}

关键区别：Anthropic对所有生成的思考令牌计费，而非返回给用户的摘要显示。如果thinking_tokens: 10000，但思考块中的摘要仅包含500个令牌，账单按10,000计算。可见令牌与计费令牌之间的差异可能是20倍甚至更多，具体取决于任务复杂度和使用的模型。

思考块摘要（summarized thinking）如何工作？

Claude Sonnet 4.6、Opus 4.6及更新模型默认使用摘要（summarized thinking）作为显示方式。内部推理由专用模型处理，将结论压缩为较短形式——该摘要显示在块的thinking字段中，而完整令牌数记录在thinking_tokens中。

摘要不影响思考质量——Claude看到完整的内部过程；只是输出表示对用户进行了缩减。思考块中的signature字段保存完整内容的加密版本，用于多轮对话，必须在会话继续时原样传递。

流式传输行为与延迟

希望减少到第一个文本令牌延迟的开发者可以在流式传输模式中使用display: "omitted"：

• 服务器不发送thinking_delta事件
• 完全跳过思考内容的流式传输
• 结果：更快的首个文本时间（time-to-first-text-token）
• 费用保持不变——思考令牌仍然计费

Claude Fable 5、Mythos 5和Opus 4.8默认使用display: "omitted"，而Sonnet 4.6和Opus 4.6使用display: "summarized"。

预算限制与缓存交互

budget_tokens参数设置每个请求的思考令牌上限，必须小于max_tokens。使用交错思考时，预算在单次会话的所有思考块之间共享。重要限制：更改思考参数（启用/禁用、更改预算）会使消息的缓存断点失效——积极使用提示缓存的系统必须将此成本纳入考量。

模型最大输出限制：Opus 4.8、4.7、4.6和Mythos Preview支持最多128k输出令牌；Sonnet 4.6和Haiku 4.5支持最多64k。通过Batch API和output-300k-2026-03-24 beta标志，Opus模型可生成最多300k令牌。