Reasoning Effort, Fast Mode, ultracode und wann man was nutzt

Was ist Effort und wie bestimmt er, wie viel das Modell nachdenkt?

Effort ist die Einstellung, mit der Sie wählen, wie viel Arbeit das Modell in eine Antwort steckt; bei OpenAI heißt sie Reasoning Effort, bei Google Thinking Level. Im Artikel über SWE-bench haben wir gezeigt, dass dasselbe Modell einen anderen Score erreicht, wenn sich nur der Effort ändert, und im Artikel über Subagenten, wie Subagenten den Effort erben. Dieser Artikel stellt Effort neben zwei Einstellungen, mit denen er oft verwechselt wird:

Alle drei Anbieter regeln das Nachdenken inzwischen nicht mehr über eine Token-Zahl, sondern über eine Stufe mit Namen. Die Dokumentation von Anthropic sagt klar, was die Stufe ist: kein Budget, sondern eine Vorgabe an das Modell (“a behavioral signal, not a strict token budget”). Sie wirkt nicht nur auf das Nachdenken, sondern auch auf den Text und die Tool-Aufrufe; je niedriger der Effort, desto weniger und kürzere Tool-Aufrufe macht das Modell.

Quelle: API-Dokumentation der drei Anbieter, 20. Oktober 2026. GPT-6.1 Sol unterstützt die Stufen none und minimal nicht. Bei Google garantiert die Stufe minimal nicht, dass das Nachdenken aus ist, auch nicht auf den Modellen, die sie unterstützen.

Die feste Grenze ist bei allen dreien das Limit für Ausgabe-Token: max_tokens bei Anthropic, max_output_tokens bei OpenAI und Google. Anthropic fasst es kurz: Effort ist eine weiche Vorgabe, max_tokens eine harte Grenze. Stößt das Modell beim Nachdenken an diese Grenze, wird die Antwort abgeschnitten oder kommt leer zurück; OpenAI und Google schreiben ausdrücklich, dass das verbrauchte Nachdenken trotzdem abgerechnet wird.

Dieses Jahr hat sich zweierlei geändert. Erstens verschwindet das alte Token-Budget: Bei Anthropic ist budget_tokens auf den 4.6-Modellen veraltet, und 4.7 und neuer lehnen es ab; bei Google ist thinking_budget für Gemini 4 Argon veraltet. Bei Opus 5.5 und Gemini 4 Argon lässt sich das Nachdenken nicht einmal abschalten; der einzige Regler, den Sie haben, ist die Stufe. Zweitens sind die Standardwerte gesunken. Opus 5.5, Haiku 5.5, GPT-6.1 Sol und Gemini 4 Argon starten mit medium; Opus 5.5 startet damit eine Stufe unter Opus 5. Bei Sonnet 5.5 hängt der Standard davon ab, wo es läuft: in der Claude API high, in Claude Code medium.

Vergleichen Sie Stufennamen nicht über Modelle hinweg. Die Doku von Claude Code schreibt, dass die Skala für jedes Modell eigens kalibriert ist und derselbe Name bei verschiedenen Modellen nicht gleich viel Nachdenken bedeutet; die Stufen von Sonnet 5.5 wurden gegenüber Sonnet 5 neu kalibriert. Die Doku von Codex sagt ebenfalls, dass sich die Stufen zwischen Modellgenerationen nicht genau entsprechen.

Den Effort mitten im Gespräch zu ändern, hat einen Preis. Bei Anthropic macht eine Änderung des Efforts auf Request-Ebene den Prompt-Cache ungültig; Effort pro Nachricht (Beta) ändert die Stufe und behält den Cache, und das funktioniert bei Opus 5.5, Sonnet 5.5 und Haiku 5.5. Bei OpenAI erledigt das seit dem 3. September configuration_update. Warum der Cache bricht, steht im Artikel über Prompt Caching.

Wie stellt man Effort in den fünf Tools ein?

Alle fünf Tools lassen Sie die Stufe per Befehl oder Einstellung wählen. Sie unterscheiden sich beim Standardwert und darin, ob es einen höheren Modus gibt, der die Arbeit auf Subagenten verteilt. Die Tabelle haben wir am 20. Oktober 2026 aus der Doku und den Release Notes jedes Tools gelesen:

Quelle: Doku und Release Notes der Tools, 20. Oktober 2026. „Nicht in der Doku“: Auf den Seiten, die wir an diesem Tag gelesen haben, fanden wir keinen Satz dazu. --effort kam mit Version 1.0.10 (20. März) in die Copilot CLI, max für Anthropic-Modelle mit 1.0.60 (5. Juni). /effort kam mit Version 1.1.5 (21. Juli) in die Antigravity CLI, /boost mit 2.12.0 (2. September) in die Antigravity-App. HydraFusion Max wurde am 14. Oktober angekündigt.

In Claude Code öffnet /effort einen Regler; Sie können die Stufe auch direkt eingeben, etwa /effort high. effortLevel in der Einstellungsdatei nimmt Werte von low bis xhigh an; max wird dort nicht akzeptiert und lässt sich nur für eine Sitzung wählen. Auch in Skill- und Subagenten-Definitionen kann effort stehen; solange dieser Skill oder Subagent läuft, ersetzt der Wert die Stufe der Sitzung.

In Codex bestimmt model_reasoning_effort in ~/.codex/config.toml die Stufe; welche Stufen wählbar sind, hängt von Modell und Client ab. Für den Plan-Modus können Sie einen eigenen Wert setzen; lassen Sie ihn leer, nimmt der Plan-Modus seinen eigenen Standard. Ein Beispiel:

model_reasoning_effort = "high"
plan_mode_reasoning_effort = "xhigh"

Die Modellseite von Codex unterscheidet die beiden obersten Stufen: Max gibt einer einzelnen Aufgabe mehr Zeit zum Nachdenken, Ultra verteilt die einzelnen Teile einer komplexen Arbeit auf parallele Subagenten. Dieselbe Seite schreibt, dass die meisten Aufgaben keins von beidem brauchen.

In der Copilot CLI nimmt --effort (lang --reasoning-effort) fünf Stufen von low bis max an; max gibt es nur bei Anthropic-Modellen. Seit Version 1.0.88 gilt reasoningEffort aus der Definition eines eigenen Agenten, sobald dieser Agent gewählt wird; eine Stufe, die Sie ausdrücklich auf der Kommandozeile angeben, hat weiter Vorrang. In VS Code wählen Sie die Stufe im Untermenü “Thinking Effort”, das sich in der Modellauswahl über den Pfeil neben dem Modellnamen öffnet; sie wird pro Sitzung gespeichert. Die Doku von GitHub nennt auch den Preis: Eine höhere Stufe verbraucht mehr Token und damit mehr AI Credits; starten Sie mit der normalen Stufe und erhöhen Sie nur bei schweren Aufgaben.

In Cursor laufen im Plus-Plan Cursors eigene Modelle mit festen Einstellungen: Effort medium, Fast aus. Um eine Effort-Stufe und Fast zu wählen, brauchen Sie Premium oder höher. Max Mode in den alten anfragebasierten Plänen ist dagegen keine Effort-Stufe, sondern eine eigene Option, die das Kontextfenster des Modells erweitert.

In der Antigravity CLI wählt /effort die Stufe und speichert sie für spätere Sitzungen; --effort gilt nur für diesen einen Aufruf. Die meisten Modelle bieten low, medium und high; xhigh und max gibt es nur bei einigen. Falls Sie noch die Gemini CLI nutzen: In ihrer Befehlsliste gibt es keinen Befehl für Effort, die Einstellung fürs Nachdenken steht nur in den Modelldefinitionen der Konfiguration. Google hat die Gemini CLI für Nutzer der kostenlosen Stufe und von Google One am 18. Juni 2026 durch die Antigravity CLI ersetzt; mit kostenpflichtigen API-Schlüsseln lässt sich die Gemini CLI weiter nutzen.

Was ist ultracode und was unterscheidet es von Effort?

Ultracode ist laut der Doku von Claude Code keine Effort-Stufe, sondern eine Einstellung von Claude Code. Ist es an, plant Claude für jede substanzielle Aufgabe einen dynamischen Workflow (dynamic workflow): Es schreibt ein JavaScript-Skript, das die Arbeit in Teile zerlegt und viele Subagenten steuert, und führt das Skript im Hintergrund aus. Laut der Doku zu Workflows kann aus einer einzigen Anfrage eine Reihe von Workflows werden: einer, um den Code zu verstehen, einer für die Änderung, einer zur Prüfung.

Effort dagegen bestimmt, wie viel ein einzelner Agent nachdenkt. Die beiden sind unabhängig: ultracode läuft auf der Stufe, auf der die Sitzung gerade steht. Diese Trennung ist neu. Als ultracode am 28. Mai zusammen mit den dynamischen Workflows angekündigt wurde, setzte es den Effort auf xhigh. Seit Version 2.1.284 (28. September) ist es ein eigener Schalter in /effort und lässt die Stufe unverändert. Texte von vor diesem Datum beschreiben das alte Verhalten. Eine Ausnahme bleibt: Starten Sie die Sitzung mit claude --effort ultracode, wird die Stufe ebenfalls xhigh. Die vier Wege, ultracode einzuschalten, stehen im Artikel über Subagenten.

Für die Kosten gibt es keinen Faktor. Anthropic veröffentlicht nicht, um welchen Faktor ultracode den Token-Verbrauch erhöht; die Doku schreibt, dass jede Anfrage mehr Token verbraucht und länger dauert und dass Sie im Abo früher an ein Sitzungs- oder Wochenlimit stoßen. Mit ultracode fallen zwei Bremsen weg: Die Warnung “Large workflow” bei Workflows, die mehr als 25 Agenten oder 1,5 Millionen Token erwarten, erscheint nicht, und das Limit der Sitzung für gleichzeitige Subagenten gilt nicht für Subagenten, die das Agent-Tool startet. Die eigenen Grenzen des Workflows bleiben: standardmäßig 16 gleichzeitig und höchstens 1.000 Agenten pro Lauf. Sind Workflows abgeschaltet oder unterstützt das Modell kein xhigh, lässt sich ultracode nicht einschalten.

Die anderen Tools haben eigene Varianten derselben Idee. Keine davon ist dasselbe wie Effort:

Quelle: Doku von Claude Code, Codex, HydraFusion und Antigravity, 20. Oktober 2026. In Codex ist Ultra eine Stufe auf dem Effort-Regler (von Light bis Ultra); unter den Werten von reasoning.effort in der OpenAI API gibt es sie nicht.

Das ähnlich klingende ultrathink ist etwas anderes. Schreiben Sie ultrathink in den Prompt, fügt Claude Code für diesen Zug eine Anweisung hinzu, gründlicher nachzudenken, aber die Effort-Stufe, die an die API geht, ändert sich nicht. Ultrathink ist also eine Bitte für eine einzelne Nachricht, Effort die Einstellung der Sitzung und ultracode die Frage, mit wie vielen Agenten die Arbeit erledigt wird.

In den Quellen, die wir gelesen haben, gibt es keine Messung, die ultracode an und aus vergleicht, auch nicht für die ähnlichen Modi. Probieren Sie ultracode deshalb an einer großen, teilbaren Aufgabe aus, und zuerst an einem kleinen Ausschnitt davon. Die Doku zu Workflows empfiehlt ebenfalls, zuerst in einem einzigen Ordner zu starten, um den Verbrauch zu sehen, bevor Sie eine große Aufgabe angehen.

Was beschleunigt Fast Mode und was kostet er?

Effort ändert, wie viel dasselbe Modell nachdenkt; Fast Mode, wie schnell dasselbe Modell seine Antwort schreibt. Die Anbieter verkaufen dasselbe Modell in mehreren Geschwindigkeiten: billiger für alle, die warten können, teurer für alle, die es eilig haben. Die Angaben der Tabelle haben wir am 20. Oktober 2026 aus der Preis- und Tier-Dokumentation der Anbieter gelesen:

Quelle: Preis- und Tier-Dokumentation der Anbieter, 20. Oktober 2026. Preise je MTok, Eingabe / Ausgabe. Bei OpenAI wurde Priority am 30. Juli in Fast mode umbenannt. Googles Flex ist in der Vorschau. Bei Anthropic lässt sich Fast Mode nicht zusammen mit der Batch API nutzen.

Die Doku von Anthropic trennt genau, was Fast Mode beschleunigt: die Ausgabe-Token pro Sekunde, nicht die Zeit bis zum ersten Token. Modell und Intelligenz bleiben gleich. Spürbar wird der Unterschied bei einer langen Antwort oder einem langen Diff; bei kurzen Fragen merken Sie kaum etwas. Es gibt noch einen Preis: Anfragen mit unterschiedlicher Geschwindigkeit teilen sich keinen Cache. Die Doku von Claude Code schreibt die Folge aus: Wenn Sie Fast Mode in einem Gespräch zum ersten Mal einschalten, zahlen Sie für den gesamten bisherigen Kontext den Fast-Mode-Preis ohne Cache. Am günstigsten ist es deshalb, ihn zu Beginn der Sitzung einzuschalten.

In den fünf Tools sieht das so aus:

• Claude Code: /fast schaltet ihn ein und aus. Bei Opus 5.5 steigt die Ausgabegeschwindigkeit bis auf das 2,5-Fache, der Preis liegt bei $8 / $40 je MTok. In Abo-Plänen zahlen Sie ihn nicht aus dem Planlimit, sondern aus Nutzungsguthaben (usage credits). In der API hat Fast Mode für Opus 5.5 am 15. Oktober die Research Preview verlassen; die Fast-Mode-Seite von Claude Code schrieb am 20. Oktober 2026 noch “research preview”.
• Codex: /fast in der CLI; dauerhaft mit service_tier = "fast", im Request wird daraus priority. Laut Doku zieht Fast Mode das 2,5-Fache des Standards von Ihrem Abo-Limit ab und das 2-Fache von gekauften Credits. Seit dem 8. Oktober gibt es bei GPT-6.1 Sol auch Ultrafast: das 8-Fache vom Limit, das 6-Fache von Credits; nur in Pro $500 und in berechtigten Enterprise- und Edu-Plänen.
• GitHub Copilot: Einen Geschwindigkeitsschalter für das ganze Tool gibt es nicht; die schnelle Variante steht in der Modellauswahl als eigenes Modell. “Claude Opus 4.8 (fast mode)” ist seit dem 29. Juni 2026 in der Vorschau und teurer als das normale Opus 4.8; in Business und Enterprise muss ein Admin es freischalten.
• Cursor: Fast ist eine eigene Option in der Modelltabelle; bei Modellen wie Grok 4.7 lässt es sich zum doppelten Preis wählen. Im Plus-Plan ist es aus.
• Antigravity: Zu einem kostenpflichtigen Geschwindigkeits-Tier sagt die Doku nichts.

Der Preis der günstigen Tiers ist Warten oder eine Absage. Das Flex-Tier von OpenAI kann unter Last 429 zurückgeben; diese Anfragen werden nicht berechnet. Googles Flex stuft eine Anfrage nicht von selbst auf Standard hoch, wenn die Kapazität voll ist, und überlässt den neuen Versuch Ihnen. Bei Arbeit, auf die jemand vor dem Bildschirm wartet, heißt das eine Überraschung; bei einem Batch-Job, der nachts läuft, den halben Preis.

Bringt mehr Effort ein besseres Ergebnis?

Bis zu einem gewissen Punkt. Wir haben drei Arten von Belegen angesehen: die Messung des Herstellers, einen unabhängigen Index und unsere eigenen Logs. Was der Hersteller selbst angibt, haben wir als solches gekennzeichnet.

Den Effort-Vergleich aus der Kosten-Doku von Anthropic haben wir im Artikel über SWE-bench gezeichnet: Auf einer Teilmenge von SWE-bench Pro, die Anthropic selbst gewählt hat, löst Opus 5.5 von low bis xhigh immer mehr Aufgaben, und die Kosten pro Aufgabe vervielfachen sich. Dieselbe Doku enthält eine nützlichere Idee: nicht alles auf einer hohen Stufe laufen lassen, sondern zuerst auf low und nur die Fehlschläge auf high wiederholen. Auf low scheiterten 13 % der Aufgaben; mit diesen auf high wiederholt, wurden etwa 97 % der Aufgaben gelöst, bei rund $0,17 pro Aufgabe. Mit allem auf high lag das Ergebnis bei 95,3 % und $0,29. Das ist ein Ergebnis, das der Hersteller angibt, und es hat zwei Bedingungen: Sie brauchen ein Signal, das ein Scheitern anzeigt (dort die Tests des Benchmarks selbst), und jede Aufgabe, die beim ersten Versuch scheitert, wartet zwei Läufe lang.

Auf der unabhängigen Seite misst der Coding Agent Index von Artificial Analysis dasselbe Modell auf jeder Effort-Stufe in einem Coding-Tool: 303 Aufgaben, 3 Versuche pro Aufgabe. Die Ergebnisse vom 20. Oktober 2026:

Quelle: Artificial Analysis, die Live-Seite am 20. Oktober 2026; eine einzelne Momentaufnahme. In jeder Zelle Indexwert und durchschnittliche Kosten pro Aufgabe. Die Seite nennt kein Konfidenzintervall; ein Unterschied von wenigen Punkten kann Rauschen sein. Lehnt ein Modell aus Sicherheitsgründen ab, kann ein anderes Modell den Versuch beenden, und der Versuch zählt trotzdem: In den Zeilen von Sonnet 5.5 war das bei 18 bis 45 von 909 Versuchen der Fall. Die Stufennamen sind für jedes Modell eigens kalibriert; lesen Sie die Tabelle deshalb Spalte für Spalte, nicht Zeile für Zeile.

Die drei Modelle zeigen drei verschiedene Dinge. Sonnet 5.5 steigt auf jeder Stufe, aber die Kosten pro Aufgabe liegen bei low bei $0,48 und bei max bei $14,19; auch die durchschnittliche Dauer einer Aufgabe wächst von etwa 6 auf 87 Minuten. Bei Haiku 5.5 ist max 4,2-mal so teuer wie xhigh und erreicht einen niedrigeren Wert. GPT-6.1 Sol ist über die Stufen fast flach: Zwischen seinem niedrigsten und seinem höchsten Wert liegen 5,7 Punkte.

Auch in den eigenen Messungen des Herstellers flacht der Ertrag auf den obersten Stufen ab. Laut der System Card von Opus 5.5 (Herstellerangabe) erreichte das Modell auf Terminal-Bench 4.0 mit xhigh 66,4 % und mit max 64,8 %; Anthropic wertet den Unterschied als Rauschen (Standardfehler ±2,6 Punkte). Auf derselben Card liegt der beste FrontierCode-Wert von Opus 5.5 (54,6 %) bei medium; oberhalb von medium sinkt der Wert, bei max kommt er weitgehend zurück. FrontierCode bestraft Änderungen, die die Aufgabe nicht verlangt; wie das Modell bei hohem Effort über den Auftrag hinausgeht, steht im Artikel über SWE-bench.

In unseren eigenen Logs haben wir etwas anderes gesehen. diffox ist ein KI-Code-Review-Tool; wir haben das Claude-Modell, das wir nutzen, mehrmals auf den Pull Requests eines öffentlichen Benchmark-Sets laufen lassen und dabei nur den Effort geändert. Jeder Lauf besteht aus denselben 100 Modellaufrufen. Weil Thinking-Token in den Ausgabe-Token abgerechnet werden, haben wir gezählt, ob ein Aufruf nachgedacht hat, indem wir prüften, ob seine Antwort einen Thinking-Block enthielt:

Bei medium hat keiner der Aufrufe nachgedacht; das Modell schrieb die Antwort direkt. Bei high dachten die meisten Aufrufe nach, bei xhigh alle, und Ausgabe und Dauer pro Aufruf wuchsen entsprechend. Mit Adaptive Thinking ändert Effort also eher, ob das Modell nachdenkt, als wie lange. Die Doku von Anthropic sagt dasselbe: Im adaptiven Modus bestimmt Effort, wie oft und wie tief das Modell nachdenkt; auf niedrigen Stufen kann es das Nachdenken bei einfachen Problemen ganz auslassen. Ein zweites Benchmark-Set zeigte dasselbe Bild: Bei medium dachte keiner von 200 Aufrufen nach, bei high 88 von 200. Max haben wir nur an zwei Aufrufen ausprobiert: Beide dachten nach, mit 61.470 und 83.150 Token und 423 und 745 Sekunden pro Aufruf.

Dass ein höherer Effort mehr Fehler finden lässt, geben unsere Logs nicht her. Um das zu sagen, braucht es wiederholte Läufe auf jeder Stufe; wir haben pro Stufe einen oder zwei Läufe, und der Unterschied ist nicht größer als die übliche Schwankung zwischen zwei Läufen. Warum wir das Ergebnis eines einzelnen Laufs nicht als Ergebnis werten, steht im Artikel über LLM-as-a-judge.

Welche Einstellung passt zu welcher Aufgabe?

Die Quellen empfehlen übereinstimmend: Beginnen Sie mit dem Standard des Modells und erhöhen Sie nur, wenn Sie es an Ihrer eigenen Arbeit gemessen haben. OpenAI rät, Effort als Stellschraube zur Feinabstimmung zu sehen, nicht als Hauptweg, um Qualität zurückzuholen. Google empfiehlt, alle drei Stufen in Ihrer eigenen Auswertung zu testen und die niedrigste zu nehmen, die Ihre Anforderung erfüllt. Für häufige Aufgaben im Überblick:

Die Begründungen hinter den Karten stehen in der Doku. Die Doku von Claude Code warnt bei max vor abnehmendem Ertrag und zu langem Nachdenken und bittet, es zu testen, bevor man es breit einsetzt; die Doku von Codex schreibt ebenfalls, dass die meisten Aufgaben weder Max noch Ultra brauchen. OpenAI zählt Sicherheit und Code-Review zu den üblichen Einsätzen von xhigh, aber nur, wenn Ihre eigene Auswertung einen klaren Nutzen zeigt. Ultra-Modi helfen, wenn Sie die Arbeit in sinnvolle Teile zerlegen können; bei einem einzelnen schweren Problem, das sich nicht teilen lässt, ist es sinnvoller, dass ein Agent länger nachdenkt. Für Pull-Request-Bots und CI-Jobs wählen Sie das Standard-Tier: Flex kann unter Last ablehnen, Batch kann Stunden dauern.

Drei weitere Gewohnheiten helfen:

• Den Umfang im Prompt festlegen. Wird die Ausgabe ein Diff, das gemergt werden soll, ergänzen Sie im Prompt einen kurzen Satz, der das Modell im Rahmen der Aufgabe hält. Laut Anthropic hat Opus 5 oberhalb von high mehr geändert, als die Aufgabe verlangte, und mit dieser Anweisung kam der Score bei den meisten dieser Aufgaben zurück.
• Effort pro Nachricht ändern. In einer langen Sitzung macht eine Änderung der Stufe auf Request-Ebene den Cache ungültig. Effort pro Nachricht bei Anthropic und configuration_update bei OpenAI ändern die Stufe und behalten den Cache.
• Erst die günstige Stufe, dann die teure. Wenn Sie die Ausgabe mit einem Test oder einem Prüfer kontrollieren können, war es in der Messung von Anthropic günstiger, zuerst auf niedriger Stufe zu laufen und nur die Fehlschläge auf hoher Stufe zu wiederholen, als alles auf high laufen zu lassen.