Claude Opus 5 Parameter Upaya: Pertukaran Biaya dan Kapabilitas

Setiap tulisan utama tentang peluncuran Claude Opus 5 pada 24 Juli 2026 menyebutkan fitur yang sama: pengalih antara biaya dan kemampuan. Fortune, CNBC, Bloomberg, dan TechCrunch semuanya menyinggungnya, tetapi tidak menjelaskan levelnya, dampak perubahan konfigurasi, atau pengaruhnya terhadap tagihan API.

Coba Apidog hari ini

Fitur tersebut adalah parameter request bernama effort. Claude Opus 5 memiliki lima level, dengan default high. Anthropic juga mengkalibrasi ulang setiap level untuk model ini. Artinya, konfigurasi yang sebelumnya Anda gunakan di Opus 4.8 tidak dapat dipindahkan begitu saja, dan kombinasi konfigurasi tertentu dapat menghasilkan error 400 saat migrasi.

💡 Jika ingin menguji setiap level langsung ke endpoint, gunakan Apidog untuk mengirim request yang sama dengan lima konfigurasi effort berbeda, lalu bandingkan respons, penggunaan token, dan latensinya.

Apa sebenarnya parameter effort?

effort berada di dalam objek output_config pada request Anthropic Messages API:

{
  "model": "claude-opus-5",
  "max_tokens": 8192,
  "output_config": {
    "effort": "high"
  },
  "messages": [
    {
      "role": "user",
      "content": "Refactor this module and explain the tradeoffs."
    }
  ]
}

Parameter ini mengontrol seberapa banyak penalaran internal yang dilakukan model sebelum menjawab. Opus 5 menjalankan adaptive thinking secara default, sedangkan effort menentukan besar anggaran penalaran yang digunakan.

Secara praktis:

• effort lebih tinggi: lebih banyak token penalaran, biaya lebih tinggi, dan latensi lebih tinggi.
• effort lebih rendah: lebih sedikit token penalaran, biaya lebih rendah, dan latensi lebih rendah.

Antarmuka pengguna dapat menampilkan konsep ini sebagai pengalih biaya-versus-kemampuan. Namun, jika Anda membangun integrasi API, output_config.effort adalah parameter yang benar-benar perlu Anda kontrol.

Lihat bentuk request lengkap di panduan API Claude Opus 5, serta referensi model di gambaran umum model Anthropic.

effort bukan kontrol verbositas

Menurunkan effort tidak membuat jawaban yang terlihat menjadi lebih pendek. Menurut panduan prompt Anthropic untuk Opus 5, parameter ini mengurangi penalaran internal, bukan panjang output yang tampil.

Jika Anda memerlukan respons singkat, nyatakan batasannya di prompt:

Jawab dalam maksimal 5 poin. Jangan sertakan penjelasan tambahan.

Jangan mengandalkan effort: "low" untuk memendekkan output.

Lima level effort

Level	Apa yang dilakukannya	Kecocokan tipikal
low	Penalaran minimal sebelum menjawab	Klasifikasi volume tinggi, ekstraksi, routing, ringkasan singkat
medium	Penalaran sedang	Tanya jawab berbasis konteks yang diambil, edit satu file, transformasi terstruktur
high	Default. Penalaran substansial	Pekerjaan tujuan umum ketika Anda belum memiliki hasil evaluasi
xhigh	Penalaran diperpanjang	Pengodean dan loop agentic; titik awal yang direkomendasikan Anthropic
max	Anggaran penalaran maksimum	Masalah one-shot yang sulit, ketika jawaban salah lebih mahal daripada token

Dua detail penting dari tabel tersebut:

1. Default-nya adalah high.
   
   Request tanpa output_config tetap menjalankan adaptive thinking pada level high. Ini penting untuk proyeksi biaya, karena request Opus 5 yang tidak dikonfigurasi tetap menggunakan token penalaran.

2. Mulailah dari xhigh untuk coding dan workload agentic, bukan max.
   
   Anthropic merekomendasikan xhigh sebagai titik awal. Gunakan max hanya jika evaluasi Anda membuktikan bahwa peningkatan kualitasnya sepadan dengan token dan latensi tambahan.

Perubahan default ini adalah salah satu perubahan penting dalam migrasi Opus 4.8 ke Opus 5.

Apa yang berubah karena kalibrasi ulang?

Jangan memindahkan nilai effort dari Opus 4.8 ke Opus 5 tanpa evaluasi ulang.

Anthropic mengkalibrasi ulang arti setiap level. Dengan kata lain, medium di Opus 5 tidak mewakili jumlah penalaran yang sama dengan medium di Opus 4.8. Rekomendasinya adalah menjalankan effort sweep baru untuk workload Anda.

Konsekuensi praktisnya:

• Pada model Opus sebelumnya, low dan medium sering dianggap terlalu lemah untuk pekerjaan serius.
• Pada Opus 5, level yang lebih rendah lebih kuat dibandingkan generasi sebelumnya.
• Untuk beberapa tugas produksi, low atau medium mungkin memenuhi target kualitas dengan biaya yang jauh lebih rendah.

Opus 5 dihargai $5 per juta token input dan $25 per juta token output, sama dengan Opus 4.8. Token penalaran dihitung pada sisi output. Karena itu, menjalankan pipeline klasifikasi di high saat low sudah cukup dapat meningkatkan biaya output secara signifikan.

Lihat rincian harga Opus 5 untuk tarif lengkap, termasuk diskon batch 50% dan minimum cache 512 token. Untuk optimasi yang lebih luas, lihat panduan memotong tagihan API Claude.

Interaksi xhigh dan max dengan max_tokens

max_tokens membatasi token penalaran dan token respons secara bersamaan. Ini adalah batas keras untuk seluruh output request, bukan hanya teks yang terlihat oleh pengguna.

Saat Anda menaikkan effort, model dapat menggunakan lebih banyak dari batas tersebut untuk penalaran sebelum mulai menulis jawaban. Jika Anda memakai xhigh atau max tetapi mempertahankan max_tokens yang sebelumnya cukup untuk model tanpa penalaran, respons dapat terpotong sebelum selesai.

Gunakan ruang token yang lebih besar untuk workload tersebut:

{
  "model": "claude-opus-5",
  "max_tokens": 64000,
  "output_config": {
    "effort": "xhigh"
  },
  "messages": [
    {
      "role": "user",
      "content": "Fix the failing integration test and explain the root cause."
    }
  ]
}

Mulailah dari max_tokens: 64000 saat menggunakan xhigh atau max.

max_tokens adalah batas atas, bukan token yang otomatis dibeli. Anda hanya ditagih untuk token yang benar-benar dihasilkan. Nilai yang lebih tinggi memberi model ruang untuk menyelesaikan penalaran dan respons tanpa terpotong.

Error 400: thinking dinonaktifkan dengan xhigh atau max

Kombinasi berikut tidak valid:

{
  "model": "claude-opus-5",
  "max_tokens": 8192,
  "thinking": {
    "type": "disabled"
  },
  "output_config": {
    "effort": "xhigh"
  }
}

Request tersebut mengembalikan 400.

Menonaktifkan thinking sambil meminta effort tinggi adalah instruksi yang bertentangan. Jika thinking dinonaktifkan, Anda hanya dapat menggunakan low, medium, atau high.

Kombinasi validnya adalah:

• Thinking aktif, yaitu default, dengan salah satu dari lima level effort.
• Thinking dinonaktifkan dengan low, medium, atau high.

Pola error migrasi yang umum:

1. Tim memindahkan thinking: { "type": "disabled" } dari konfigurasi Opus 4.8.
2. Tim lain atau konfigurasi lain menaikkan effort ke xhigh karena itu direkomendasikan untuk coding.
3. Kedua perubahan digabungkan.
4. Request mulai mengembalikan 400.

Rekomendasi Anthropic adalah tidak menonaktifkan thinking di Opus 5. Saat thinking dimatikan, dua masalah dapat muncul:

• Model menulis panggilan alat sebagai teks biasa alih-alih mengeksekusinya.
• Tag XML internal dapat bocor ke output yang terlihat.

Dalam loop agentic, output yang bocor dapat merusak giliran berikutnya. Untuk mengontrol biaya, gunakan level effort yang lebih rendah alih-alih menonaktifkan thinking. Detail tambahan tersedia di panduan prompt Opus 5.

Cara menjalankan effort sweep pada evaluasi Anda

Jalankan evaluasi ulang sebelum menetapkan satu level effort sebagai default produksi.

1. Bekukan set tugas

Ambil 30–50 prompt nyata dari log produksi, bukan contoh sintetis. Sertakan kasus sulit yang benar-benar relevan dengan risiko aplikasi Anda.

Perbedaan antar-level sering tidak terlihat pada tugas mudah. Dataset yang terlalu bersih tidak akan memberikan sinyal yang berguna.

2. Tentukan kriteria lulus sebelum melihat hasil

Gunakan metrik yang dapat diuji, misalnya:

• Tes kode lulus.
• JSON valid terhadap skema.
• Bidang hasil ekstraksi cocok dengan ground truth.
• Evaluator manusia memberi keputusan ya/tidak.
• Tool call berhasil dan menghasilkan output yang diharapkan.

Jika kriteria evaluasi hanya berdasarkan vibe, hasil sweep Anda juga hanya akan menghasilkan vibe.

3. Jalankan setiap prompt pada semua level

Untuk 40 prompt dan lima level, Anda menjalankan 200 request:

40 prompt × 5 level effort = 200 request

Gunakan API Batch jika workload tidak sensitif terhadap latensi. Opus 5 dapat diproses dengan harga batch setengah harga.

4. Catat tiga metrik untuk setiap run

Jangan hanya mencatat kualitas. Simpan setidaknya:

• Status lulus atau gagal.
• usage.output_tokens.
• Latensi wall-clock.

Contoh struktur hasil evaluasi:

{
  "prompt_id": "integration-test-17",
  "effort": "xhigh",
  "passed": true,
  "output_tokens": 4218,
  "latency_ms": 8340
}

Blok usage pada respons adalah sumber data biaya yang paling relevan karena mencakup token output, termasuk token penalaran yang Anda gunakan.

5. Pilih level termurah yang memenuhi standar

Pilih level dengan biaya dan latensi terendah yang tetap lolos target kualitas. Setelah itu, validasikan pilihan tersebut pada holdout set yang tidak digunakan saat penyesuaian.

Tanpa holdout set, Anda berisiko mengirim konfigurasi yang terlalu disesuaikan dengan prompt evaluasi awal.

6. Jalankan ulang saat model berubah

Alasan utama menjalankan sweep adalah kalibrasi dapat berubah antar-model. Jangan asumsikan bahwa hasil low, medium, atau xhigh hari ini akan tetap sama pada model berikutnya.

Membandingkan level secara berdampingan di Apidog

Bagian mekanis dari sweep adalah mengirim request body yang sama lima kali dengan satu nilai berbeda:

{
  "output_config": {
    "effort": "<LEVEL>"
  }
}

Daripada mempertahankan lima skrip curl, gunakan Apidog untuk menyimpan dan membandingkan request.

Langkah pengaturan yang praktis:

1. Buat request ke endpoint Anthropic Messages.
2. Simpan API key sebagai environment variable, bukan di request body.
3. Simpan request yang sudah berhasil ke dalam collection.
4. Duplikasikan request menjadi lima versi.
5. Ubah hanya output_config.effort pada setiap salinan: low, medium, high, xhigh, dan max.
6. Periksa objek usage pada setiap respons untuk membandingkan token output.
7. Periksa cache_read_input_tokens saat memverifikasi caching.
8. Aktifkan streaming dan baca event SSE jika ingin membandingkan sumber latensi antara low dan xhigh.
9. Tambahkan assertion bahwa stop_reason ada dan nilainya bukan max_tokens.

Assertion terakhir penting karena respons yang terpotong akibat max_tokens dapat terlihat seperti jawaban singkat yang valid.

Unduh Apidog jika Anda ingin membuat collection perbandingan untuk evaluasi ini.

Batas yang jujur

effort membuat Opus 5 lebih murah untuk dijalankan secara tepat. Namun, parameter ini tidak menjadikan Opus 5 sebagai model dengan kemampuan tertinggi di seluruh jajaran Claude.

Angka peluncuran Anthropic untuk Opus 5 menyatakan:

• Lebih dari dua kali lipat skor Frontier-Bench v0.1 Opus 4.8.
• Sekitar 3x model terbaik berikutnya pada ARC-AGI 3.
• Berada dalam 0,5% dari Fable 5 pada CursorBench 3.2 dengan setengah harga.

Angka tersebut adalah hasil yang dijalankan dan diterbitkan vendor. Hingga 25 Juli 2026, angka itu belum direproduksi secara independen. Perlakukan sebagai klaim yang memiliki sumber, bukan pengukuran netral. Lihat rincian benchmark Opus 5 untuk konteks dan peringatan setiap angka.

Di atas Opus 5, Fable 5 masih menjadi model Anthropic paling mampu yang dirilis secara luas, dengan harga $10 per juta token input dan $50 per juta token output.

Opus 5 juga masih tertinggal dari Mythos 5 dalam eksploitasi keamanan siber dan penelitian biologi otonom, sebagaimana dinyatakan langsung oleh Anthropic. Menjalankan Opus 5 pada max tidak menutup kesenjangan tersebut.

Ringkasnya: Opus 5 menawarkan kemampuan kelas frontier dengan harga setengah frontier, tetapi tetap memiliki batas atas. Untuk memilih antara model tersebut, lihat Opus 5 vs Fable 5.

FAQ

Berapa level effort default pada Claude Opus 5?

high. Request tanpa output_config berjalan dengan effort: "high" dan adaptive thinking aktif.

Apa saja lima level effort?

low, medium, high, xhigh, dan max. Anthropic merekomendasikan memulai dari xhigh untuk pekerjaan coding dan agentic, lalu menurunkannya berdasarkan evaluasi Anda.

Mengapa request saya mengembalikan 400 ketika effort diatur ke xhigh?

Kemungkinan besar Anda juga mengirim thinking: { "type": "disabled" }. Saat thinking dinonaktifkan, effort dibatasi hingga high. Hapus blok disabled thinking atau turunkan effort ke high atau di bawahnya.

Bisakah saya menggunakan kembali pengaturan effort Opus 4.8 di Opus 5?

Tidak. Level-levelnya dikalibrasi ulang, sehingga label yang sama dapat berarti jumlah penalaran yang berbeda. Jalankan sweep baru. Lihat panduan migrasi untuk perubahan lengkap.

Apakah menurunkan effort membuat respons lebih pendek?

Tidak. effort mengontrol penalaran, bukan panjang output yang terlihat. Jika membutuhkan jawaban singkat, instruksikan secara eksplisit di prompt.

Berapa max_tokens yang sebaiknya digunakan pada xhigh atau max?

Mulai dari 64000. max_tokens membatasi penalaran dan respons secara bersamaan. Anda hanya ditagih untuk token yang benar-benar dihasilkan, jadi batas atas yang tinggi tidak otomatis menambah biaya.

Untuk lembar spesifikasi, matriks ketersediaan, dan konteks harga, mulai dari apa itu Claude Opus 5.