AIエージェント学習帳

AIエージェントの仕組みを、LLMの基礎から設計パターンまで体系的に学べる学習サイト。

← 一覧へ

拡張思考（Extended Thinking）─ モデルが考えてから答える仕組み

#拡張思考#extended-thinking#chain-of-thought#reasoning#推論

結論から言うと、拡張思考（Extended Thinking）を使うと、モデルは答えを書く前に「頭の中で整理する時間」を確保できる。これにより数学的推論・論理的分析・複数ステップを要するタスクなどで精度が向上するとされる。APIに thinking パラメータを追加するだけで利用でき、思考の過程を「thinking ブロック」として受け取ることもできる。

なぜ「考えてから答える」と精度が上がるのか？

2022年のChain-of-Thought（CoT）研究（Wei ら）は、LLMが中間的な推論ステップを出力するだけで、複雑な問題の精度が大幅に向上することを示した。540億パラメータのモデルに8例のCoTプロンプトを与えるだけで、数学的推論ベンチマーク（GSM8K）でファインチューニングされたGPT-3を上回ったという（ただし、モデルや設定による差は大きい）。

拡張思考はその延長線上にある。CoTがプロンプトの中に推論ステップを書くのに対し、拡張思考ではモデルが内部で推論を行い、その内容をAPIレスポンスの「thinkingブロック」として受け取れる点が異なる。

使い方：budget_tokens を設定するだけ

APIで thinking パラメータに type: "enabled" と budget_tokens を指定する。budget_tokens は内部推論に使える最大トークン数だ。

{
  "model": "claude-sonnet-4-6",
  "max_tokens": 16000,
  "thinking": {
    "type": "enabled",
    "budget_tokens": 10000
  },
  "messages": [{ "role": "user", "content": "複雑な問いかけ..." }]
}

レスポンスには thinking ブロック（推論過程）と text ブロック（最終回答）が含まれる。思考の中身を確認することで、エージェントがどのように推論したかをデバッグできる。

エージェントで使うときの注意点

拡張思考をエージェントのツール使用ループで使う場合、以下の制約がある（Anthropic公式ドキュメント参照）。

  • ツール選択は tool_choice: auto のみ対応
  • ツール結果を返す際、元の thinking ブロックをそのまま含める必要がある
  • モデルによって対応状況が異なる：Claude Opus 4.5 / Haiku 4.5 は budget_tokens で手動設定、Claude Sonnet 4.6 以降は常時オンの「適応思考（Adaptive Thinking）」を使う

コストの面では、表示を省略（display: "omitted"）にしても内部でフルに思考トークンが使われるため料金がかかる。タスクの複雑さに応じて budget_tokens を調整し、シンプルなタスクには通常モードを使い分けるのが賢明だ。

「思考ブロック」はデバッグに役立つ

通常の推論では最終回答しか返ってこないため、なぜその答えに至ったかが見えにくい。拡張思考では thinking ブロックに推論の道筋が入るため、エージェントが誤った方向に進んだときに「どこで考え方がずれたか」を追える。これはエージェントの改善サイクルをより速くする。

まとめ

拡張思考は「考える時間を与える」機能で、特に数学・論理・多段階推論など複雑なタスクでの精度向上が期待できるとされる。budget_tokens 一つで有効になる手軽さが魅力だが、トークンコストも増えるため用途を選ぶ必要がある。エージェントのデバッグにも活用でき、モデルが何を考えていたかを「thinking ブロック」で確認できる点が特に実用的だ。

出典