Uno dei vantaggi che arriva con la versione Claude Opus 4.8 è il nuovo controllo di sforzo. Prima di questa introduzione, gli utenti erano abituati a utilizzare il modello con il livello predefinito. Negli ultimi giorni il cambiamento si è prodotto grazie al nuovo controllo, che permette agli utenti di selezionare quanto sforzo dedica Claude ad ogni interazione.

Il parametro di sforzo (effort) ha avuto il suo debutto ufficiale ad inizio dicembre del 2025, quando Anthropic lo ha introdotto nell'API di Opus 4.5, permettendo agli sviluppatori di bilanciare tra tempo di elaborazione, costi e capacità del modello. Questo nuovo parametri controlla quanti token il modello utilizza per processare ciascuna richiesta, influendo sulla qualità del testo, le richieste a strumenti esterni, e, quando attivato, anche sul ragionamento avanzato.

Gli utenti finali hanno ora il vantaggio di selezionare direttamente il livello di sforzo da utilizzare attraverso la selezione dei modelli nel sito claude.ai e Cowork. Claude Sonnet 4.6 offre quattro livelli di sforzo, mentre Opus 4.8 introduce uno in più con un consumo di token simile al livello predefinito di Opus 4.7.

Anthropic ha definito cinque livelli: Basso, Medio, Alto, Extra e Max, ognuno adatto a tipi specifici di utilizzo, e non disponibili in tutti i modelli.

Basso è il più efficiente. In questo scenario, Claude salta il ragionamento nel caso di compiti semplici, utilizza solo lo stretto necessario per chiamare gli strumenti esterni e restituisce risposte più corte. Rappresenta un buon compromesso per lavori ad alto volume oppure quando si ha bisogno di una risposta rapida su questioni poco complesse.
Medio cerca di trovare un equilibrio. Il modello elabora le istruzioni quando necessario, ma salta il ragionamento quando non richiesto. Ideale per programmatori, per lavori autonomi e per refactor di codice di piccola intensità.
Alto è il livello predefinito, adatto a quasi tutti i compiti che richiedono un buon standard qualitativo: compiti di ragionamento complesso, debugging, analisi approfondita, e qualsiasi compito in cui la qualità risulta più importante della velocità.
Extra è esclusivo dei modelli Claude Opus 4.7 e 4.8. Include un'ulteriore analisi, con più chiamate a strumenti, ragionamenti estesi e maggiore perseveranza. Anthropic lo consiglia inizialmente per compiti di programmazione impegnativi e per interazioni agenti che durano a lungo.
Max rappresenta il livello massimo. Non ha limiti di token con accesso completo a tutta la capacità. Disponibile solo su modelli selezionati come Opus 4.6, 4.7, 4.8, Claude Mythos Preview, e Sonnet 4.6. Anthropic avverte che, in molti casi, la differenza di qualità rispetto al livello Extra non giustifica il maggior consumo di risorsa. È dedicato a problemi estremamente complessi.

Guida alla scelta del livello di sforzo

La particolarità del livello di sforzo è che può essere modificato in tempo reale durante ogni conversazione, il che consente di adattarlo al tipo di compito. Ad esempio, per il riassegnamento dei file o per il comando di build del codice puoi utilizzare il livello Basso, mentre per attività generali o interazioni prolungate, il livello Medio è più adatto. Per debugging o analisi estesi, invece, è meglio optare per Alto.

Se stai utilizzando il modello Opus insieme all'AI Agent, puoi considerare come punto di partenza il livello Extra. Anthropic consiglia questo livello per lavori impegnativi e per flussi di lavoro asincroni ad alto impatto. Infine, il livello Max è adatto solo a problemi veramente complessi o a compiti critici dove la sicurezza, la progettazione, e la precisione sono essenziali.

Il selettore del livello di sforzo è attualmente attivo solo su Claude Opus 4.8, Opus 4.7, Opus 4.6 e Sonnet 4.6. Per modificare il valore, puoi seguire questi passaggi:

Fai clic sul nome del modello vicino al tasto di invio.
Seleziona l'opzione “Sforzo”.
Scegli il livello di sforzo desiderato.

Ricordati però che uno sforzo maggiore non significa necessariamente una risposta migliore. Un modello in livello Basso, fornito di un buon contesto, potrebbe dare risultati migliori rispetto a uno in Max in condizioni poco ottimali. Prima di utilizzare livelli di sforzo estremi, valuta se migliorare le istruzioni o il contesto di lavoro possa dare lo stesso risultato con minore consumo di token.