ráfordítási szint (effort)
Angol megfelelő: effort (effort level), az OpenAI-nál reasoning effort
A ráfordítási szint egy beállítás, amellyel megmondható, mennyi munkát, vagyis mennyi tokent fordítson egy AI-modell egy válaszra. Magasabb szinten alaposabb, lassabb és drágább a válasz, alacsonyabb szinten gyorsabb és olcsóbb, cserébe kevésbé mély.
A mai gondolkodó modellek a válasz előtt belső levezetést futtatnak, a ráfordítási szint azt szabja meg, milyen hosszút. Az Anthropic Claude modelljeinél öt szint van: low, medium, high, xhigh, max. A dokumentáció szerint a high az alapértelmezés a legtöbb modellen, a Claude Opus 5.5-ön viszont a medium; a max nem korlátozza a tokenköltést, a low jelentős megtakarítást ad némi képességvesztés árán, például egyszerű, alágensre bízott feladatoknál. Az OpenAI modelljeinél ugyanez reasoning effort néven állítható.
Két dolog nem nyilvánvaló. Az első: a szint nem szigorú tokenkeret, hanem viselkedési jelzés. Alacsony szinten a modell nehéz feladatnál is gondolkodik, csak kevesebbet, a magas szint pedig nem garantál jobb választ, csak több ráfordítást. A Claude Opus 4.7-hez írt útmutató a max szintről külön megjegyzi, hogy a legtöbb feladaton jelentős többletköltséget hoz viszonylag kis minőségjavulásért. A második: a szint minden kimeneti tokenre hat, a látható válaszra és az eszközhívásokra is, nemcsak a gondolkodásra.
A helyes beállítás ezért nem a „mindig a legmagasabb", hanem mérés: ugyanazt a tíz-húsz valódi feladatot lefuttatni két-három szinten, összevetni az eredményt a számlával, majd azt a legalacsonyabb szintet választani, amelyen a minőség még megáll.
Példa: Egy marketingügynökség két AI-feladatot futtat naponta: reggel a beérkező ügyféllevelek címkézését, délután a kampányjelentések elemzését. A próbamérésükön a címkézéshez a low szint elég, a hibaarány ugyanaz, mint high szinten, a költség viszont töredéke. A kampányelemzésnél fordított a helyzet: medium szinten a modell kihagyta a csatornák közti összefüggéseket, high szinten megtalálta őket. A beállítást ezért feladattípusonként rögzítik, nem egyszer, mindenre.
Forrás: Anthropic dokumentáció, Effort, platform.claude.com/docs/en/build-with-claude/effort (az öt szint, az alapértelmezések, a viselkedési jelzés, a minden kimeneti tokenre ható beállítás, a Claude Opus 4.7 útmutatójának megjegyzése a max szintről). OpenAI: GPT-5 Model, developers.openai.com/api/docs/models/gpt-5 (a „configurable reasoning effort" beállítás). Mind 2026-09-29-én letöltve. A példa a szótár saját értelmezése.
Rokon fogalmak: token, Opus, alágens (subagent), inferencia (inference), modell