reasoning effort 早見表——ChatGPTとClaudeの結論

ChatGPT（OpenAI）と Claude（Anthropic）は、どちらも「どれだけ考えてから答えるか」を effort という設定で調整できます。名前も段階も似ています。

先に結論を書きます。既定値が違い、段階の目盛りも揃っていません。 Claude は何も指定しなければ high、GPT-5.6 は medium から始まります。片方の感覚でもう片方を設定すると、Claude は想定より高コストに、GPT は想定より浅くなります。

この記事は、両社の公式ドキュメントを 2026-08-15 時点で突き合わせて、段階名・既定値・書き方・落とし穴を1枚に整理したものです。仕様は動くので、公式に書いてある事実と、私が確認できていない部分を分けて書きます。推測で埋めた箇所はありません。

• まず1枚で：両社の段階と既定値
• ChatGPT／OpenAI 側の書き方と段階
  • 段階の定義
  • 書き方：2系統の違いに注意
• Claude 側の書き方と段階（API）
  • 書き方
  • 段階の定義
  • モデルによって使える段階が違う
  • effort は「考える深さ」だけの設定ではない
• Claude Code の effort と、ultracode の正体
  • 既定値と、指定が効かないとき
  • ultracode は max の上ではありません
  • ultrathink は effort を変えません
• 両社を並べて初めて見えること
  • 1. 既定値が違う
  • 2. 段階名が同じでも中身は同じではない
  • 3. 「考えない」設定があるのは片方だけ
• 思考過多トラップ：高 effort が逆効果になるケース
• タスク別・effort 選択の判断フロー
• 注意点・制約
• よくある質問
• まとめ
• 関連記事
• 参考リンク
• この記事を書いた人
  • 出典

同じ土俵に見えて、両端が違います。OpenAI には「推論をしない」段階がありますが、Claude 側にはありません。Claude の下限 low は「最も効率的」ではあっても、推論を放棄する設定ではないのです。

そして既定値。両方を触っている人が最初に引っかかるのは、たぶんここです。名前が同じ設定なのに出発点が違う、という形の落とし穴は、動かしているだけでは気づきにくいのが厄介なところなんですよね。

段階の定義

受け付ける値はモデル依存です。公式も「モデルごとのページを確認せよ」と書いており、たとえば xhigh は GPT-5.1 Codex Max 以降のモデルでのみ使えます。GPT-5.6 は none low medium high xhigh max に対応し、既定は medium です。

minimal という値も一覧には存在しますが、現行のどのモデルで有効かまでは公式から読み取れませんでした。ここは確認できていないので、あるとだけ書いておきます。

書き方：2系統の違いに注意

設定方法は使用する API によって書き方が異なります。ここが情報として錯綜しやすい点です。

Responses API（OpenAI が推奨）では、reasoning をネストオブジェクトとして渡します。

from openai import OpenAI
client = OpenAI()

response = client.responses.create(
    model="gpt-5.6",
    input=[{"role": "user", "content": "このシステムの設計案を考えてください"}],
    reasoning={
        "effort": "high",     # none / low / medium / high / xhigh / max
        "summary": "auto"     # 思考サマリーの生成（オプション）
    },
    max_output_tokens=8000    # ← Responses API は max_output_tokens
)

既存コードとの互換性が必要な場合は Chat Completions API を使います。こちらは reasoning_effort をフラットなパラメータとして渡します。

response = client.chat.completions.create(
    model="gpt-5.6",
    reasoning_effort="high",         # ← フラット形式
    max_completion_tokens=8000,       # ← Chat Completions API は max_completion_tokens
    messages=[
        {"role": "user", "content": "このシステムの設計案を考えてください"}
    ]
)

パラメータ名と token 制限の指定方法が違います。Responses API への移行で「なぜか動かない」とハマりやすいポイントです。

思考トークンの使用量は次のように確認できます。

# Responses API の場合
print(response.usage.output_tokens_details.reasoning_tokens)

reasoning tokens は output tokens として課金されます。「追加料金はない」が、トークン数が増える分だけ費用が上がる構造です。このカウントが予想より多い場合、effort を下げるか、プロンプトの指示をより明確にすることを先に検討します。

GPT-5.6 の段階別の実測（どれだけ遅くなるか）はBlogGPT-5.6のeffort、maxにすると何倍遅い？実測で見る使い分けGPT-5.6 Sol/Terra/LunaのreasoningエフォートをArtificial Analysisの第三者実測データで比較。effortを上げるとIntelligence Index・TTFT・価格がどう変わるかを出典付きチャートで確認し、用途別の使い分け判断基準を整理します。→で計測しています。モデルを組み合わせたときのコスト最適点はBlogGPT-5.6 Sol×Terra、コスパ最強のEffort組み合わせは？実測で検証GPT-5.6 Sol（設計・計画役）とTerra（コーディング実装役）を組み合わせて使う際、どのreasoning effortが最もコスパが良いかをArtificial Analysisの実測データで検証。Solはhighで頭打ち、Terraはhighまで気軽に上げてよい理由を出典付きチャートで確認します。→にまとめました。

書き方

Claude では output_config の中に effort を置きます。トップレベルではありません。ベータヘッダーは不要です。

{
  "model": "claude-opus-5",
  "max_tokens": 4096,
  "messages": [{"role": "user", "content": "..."}],
  "output_config": { "effort": "medium" }
}

手元でそのまま試すなら、こう叩けます。

curl https://api.anthropic.com/v1/messages \
  -H "x-api-key: $ANTHROPIC_API_KEY" \
  -H "anthropic-version: 2023-06-01" \
  -H "content-type: application/json" \
  -d '{
    "model": "claude-opus-5",
    "max_tokens": 4096,
    "messages": [{"role": "user", "content": "マイクロサービスとモノリスの利点と欠点を整理してください"}],
    "output_config": {"effort": "medium"}
  }'

段階の定義

公式は「effort を "high" にするのは、パラメータを省略するのと完全に同じ挙動」と明記しています。つまり Claude では「何も指定しない＝高め」がスタート地点です。

モデルによって使える段階が違う

ここは順序が単純な上下関係になっていない点に注意が要ります。xhigh は後発の段階なので、max に対応していても xhigh には対応していないモデルがあるのです。「上から順に対応していく」という直感は通用しません。

各モデルの具体的な差はBlogSonnet 5のeffortは何が変わった？1M CTX無料化と検証結果Claude Sonnet 5のeffortレベル推奨表とベンチマークを整理し、Opus 4.8をadvisorにする設計パターンと、Usage Credits不要になった1M CTXの変化を解説する。→とBlogClaude Opus 5、全effort段でSol凌駕——秘めた実力とコスト最適化の結論Claude Opus 5とGPT-5.6 Solを同じeffort段で並べると、low/medium/high/xhigh/maxの5段すべてでOpus 5が上回りました。mediumがSolのhighを超え、lowですらSolのmaxより嘘をつかない。独立実測データから、常用すべき段とコスト最適化の答えを出します。→で個別に検証しています。

effort は「考える深さ」だけの設定ではない

これは公式ドキュメントを読むまで私も誤解していました。Claude の effort は思考トークンだけでなく、応答の全トークンに効きます。本文も、ツール呼び出しも、その引数も含みます。

低い effort では、

• ツール呼び出しの回数が減る（複数の操作をまとめる）
• 前置きなしで着手する
• 完了報告が短くなる

高い effort では、

• 呼び出しが増える
• 着手前に計画を説明する
• コード内のコメントが増える

つまり effort は、考える深さの設定というより振る舞いの設定です。agentic な用途で「effort を下げたら手数まで減った」という現象は、バグではなく仕様ということになります。

なお adaptive は effort の値ではありません。thinking のモードです。effort: "adaptive" と書くのは誤りです。

既定値と、指定が効かないとき

Claude Code の既定も high です。ただし Opus 4.7 だけは xhigh が既定になります。

対応していない段階を指定した場合、エラーにはなりません。指定値以下で対応している最上位に落ちます。たとえば Opus 4.6 に xhigh を指定すると high として動きます。「設定したのに変わらない」ときは、まずモデルが対応しているかを疑うところです。

設定経路は複数あります。優先順位は 環境変数 CLAUDE_CODE_EFFORT_LEVEL > 自分で設定した段階 > モデル既定。スキルやサブエージェントの frontmatter に書いた effort は、それが動いている間だけセッションの段階を上書きしますが、環境変数は上書きできません。

low medium high xhigh は対話セッションで設定するとセッションを跨いで残ります。一方で max はセッション限りで、設定ファイルの effortLevel には書けません。

ultracode は max の上ではありません

ここが本題です。検索でよく見かける「max と ultracode はどちらが上か」という問いは、前提そのものが成立していません。

正直に書きますと、私も公式ドキュメントを読むまで max の上にある最強設定だと思っていました。実際は思ったより地味で、そして思ったより面白い作りをしています。

公式の説明はこうです。ultracode はモデルの effort 段階ではなく Claude Code の設定で、モデルに送る effort は xhigh。それに加えて、実質的なタスクごとに動的ワークフローを組ませる、という振る舞いが付きます。

ultracode = xhigh（モデルへ送る effort）＋ ワークフロー組成（Claude Code 側の振る舞い）

だから「max より上」でも「max より下」でもなく、別の軸です。実際、ワークフローが無効になっている環境では --effort ultracode は単に xhigh を設定するだけになります。

付随する仕様もいくつかあります。ultracode はセッション限りの設定で、設定ファイルの effortLevel にも環境変数 CLAUDE_CODE_EFFORT_LEVEL にも書けません。

もうひとつ、環境変数との関係に注意が要ります。CLAUDE_CODE_EFFORT_LEVEL が xhigh 以外に設定されている状態で ultracode を選ぶと、ワークフロー組成は働きません。このときは警告が表示されます。

ultrathink は effort を変えません

もうひとつの誤解です。プロンプトに ultrathink と書くと、そのターンだけ深い推論を要求できます。ただしこれは文脈に指示を追加しているだけで、API へ送る effort 段階は変わりません。

そして意外なのはこちらです。「think」「think hard」「think more」といった他の言い回しは、キーワードとして認識されません。ただの本文としてそのまま通過します。「think hard と書くと深く考えてくれる」という説をときどき見かけますが、Claude Code では成立しません。認識されるのは ultrathink だけです。

Claude Code 側の設定は奥が深いので、腰を据えて読むならBlogClaude Code の /effort 完全ガイド｜low〜maxの使い分けと『コストが増える本当の理由』Claude Code の /effort（low〜max・ultracode・auto）は「賢さ」ではなく「トークンの気前よさ」のレバー。モデル別の推奨スタートと、Opus 4.8 でコストが増えた気がする原因を『トークナイザ』と『effort』の2軸に切り分ける考え方を、公式一次情報と v2.1.156 の実機確認で解説します。→とBlogClaude Code の新effortモード徹底解説｜max・ultracode・autoと『呪文ultrathink』の正体Claude Code の /effort に増えた max・ultracode・auto と、プロンプトに紛れ込ませる呪文 ultrathink を、公式が明言した『ultracode は API の effort レベルではない』を起点に解剖。overthinking・自律ワークフロー・永続性と優先順位の罠まで、誤解されやすい論点を一次情報で正します。→を用意しています。

1. 既定値が違う

Claude は high、GPT-5.6 は medium。同じ「何も指定しない」でも、Claude は高めから、GPT は中庸から始まります。

実務上のズレは両方向に出ます。GPT の感覚で Claude を扱うと、指定しないまま高い設定で走り続けて想定よりコストがかかる。Claude の感覚で GPT を扱うと、指定しないまま中庸で走って想定より浅い。どちらも「デフォルトのままにした」という同じ操作から生まれます。

対策は単純で、両方とも明示的に指定することです。公式もそれを勧めています。

2. 段階名が同じでも中身は同じではない

Anthropic は公式に、effort の目盛りはモデルごとに較正されていると書いています。同じ high でも、モデルが違えば同じ量を指しません。

これは社をまたぐと当然さらに揃いません。「GPT の medium と Claude の medium はだいたい同じ」という読み方は成立しないということです。段階名は各社の内部での相対位置であって、共通の物差しではありません。

比較したいなら、名前ではなく実際に消費されたトークン数と所要時間で見るしかありません。

3. 「考えない」設定があるのは片方だけ

OpenAI には none があり、推論フェーズを完全にスキップできます。Claude 側に相当する段階はありません。分類パイプラインの中間ステップのように「推論が不要だと分かっている処理」を最安で回したい用途では、この差がそのまま設計の差になります。

これは両社に共通する話です。OpenAI のドキュメントには、以下の条件が重なると effort を上げることが品質の低下につながる、と明記されています。

1. 停止条件が曖昧：「できるだけ」「最善を尽くして」といった指示
2. 相反する指示が含まれている：「速く、かつ丁寧に、かつ短く」
3. オープンエンドなツールアクセス：制限のない web 検索や、エンドポイントが多すぎるツールセット

これらの状況で高い effort を使うと、モデルが考えすぎに陥り、不要な検索を繰り返したり、判断が揺れたりします。結果として一段下のほうがよい回答を返すことがある。

Anthropic 側も max について「要求の厳しいタスクでは性能が上がりうるが、収穫逓減が見えることがあり、考えすぎに陥りやすい。広く採用する前にテストせよ」と書いています。表現は違いますが、言っていることは同じです。

対策もシンプルです。まず既定値で動かし、プロンプトの指示を明確にしてから、実際に差が出るか確認した上で effort を上げる。プロンプトの改善が effort 変更より効果的なケースは、思っているより多いです。

推論そのものが不要か？（分類・抽出・音声ターン）
├─ YES → OpenAI: none ／ Claude: low（Claude に none は無い）
└─ NO
    └─ ツール呼び出し・多段階の計画が絡むか？
        ├─ NO → 一段下げて試す（OpenAI: low ／ Claude: low〜medium）
        └─ YES
            └─ 複雑な設計・長期エージェント・深いデバッグか？
                ├─ NO → 既定のまま（OpenAI: medium ／ Claude: high）
                └─ YES
                    └─ 実際に一段上げて差が出たか？
                        ├─ NO → そこで止める
                        └─ YES → xhigh、それでも足りなければ max

順序として大事なのは、上げてから確かめるのではなく、確かめてから上げることです。「設計タスクだから最高設定」ではなく、「一段上げて実際に差が出たか」で判断します。

• コスト上限に注意：思考トークンは出力トークンとして課金されます。高い effort を大量のバッチ処理に使うと、思わぬコスト増加につながります
• 出力上限の設計：Claude では xhigh や max で走らせるとき、思考と応答の両方が入る余裕が要ります。公式は 64k トークンから始めて調整することを勧めています
• 会話の途中で effort を変えるとキャッシュが効かなくなる（Claude）：effort はプロンプトの形を変えるため、変更すると以前のターンのキャッシュを使えません。長い対話でキャッシュに頼るなら、最初に決めて固定します
• Opus 5 では xhigh / max のとき思考を無効化できない：thinking を disabled にすると 400 エラーになります
• effort はトークン予算ではありません：低い設定でも、十分に難しい問題ではモデルは思考します。あくまで「振る舞いの信号」です
• OpenAI 側のモデル別対応表は本記事では網羅していません：公式が「モデルごとのページを確認せよ」としており、GPT-5.6 / 5.5 以外は一次情報で裏を取っていないためです

Q. 結局どちらを既定にしておけばいいですか？

A. どちらも「明示的に指定する」のが答えです。放置すると Claude は high、GPT は medium で走ります。この差は指定しない限り消えません。そのうえで、日常のコーディングなら Claude は既定の high、GPT は既定の medium のままで大きな不足は出にくい、という感触です。

Q. ultracode は max より強いのですか？

A. 比較できません。ultracode はモデルの effort 段階ではなく Claude Code の設定で、モデルには xhigh を送ります。加えてワークフローを組ませる振る舞いが付くだけです。ワークフローが無効な環境では、単に xhigh を設定するのと同じになります。

Q. プロンプトに「think hard」と書けば深く考えてくれますか？

A. Claude Code では効きません。認識されるキーワードは ultrathink だけで、「think」「think hard」「think more」はただの本文として通過します。そして ultrathink を書いても、API へ送る effort 段階自体は変わりません。

Q. GPT の medium と Claude の medium は同じくらいですか？

A. 揃っていません。Anthropic は「effort の目盛りはモデルごとに較正されている」と明記しており、同じ社内ですらモデルが違えば同じ量を指しません。社をまたげばなおさらです。比較するなら名前ではなく、実際に消費されたトークン数と所要時間で見てください。

Q. Claude で effort を設定したのに変わりません。

A. まずモデルが対応しているか確認してください。Claude Code では未対応の段階を指定すると、エラーにならず「指定値以下で対応している最上位」に落ちます（Opus 4.6 に xhigh を指定すると high として動きます）。次に環境変数 CLAUDE_CODE_EFFORT_LEVEL を確認してください。これは他のすべての設定方法に優先します。

• 既定値が違う。Claude は high、GPT-5.6 は medium。放置すると片方は高コスト、片方は浅くなる。両方とも明示指定するのが安全
• 段階名は共通の物差しではない。同じ high でもモデルが違えば同じ量を指さない。比較するならトークン数と所要時間で
• ultracode は max の上ではない。Claude Code の設定で、モデルへ送るのは xhigh。ワークフロー組成が付くだけ
• ultrathink は effort を変えない。しかも「think hard」はキーワードとして認識されない
• effort は思考だけでなくツール呼び出しの回数まで変える（Claude）。「手数が減った」は仕様
• 高 effort ＝ 高品質ではない。指示が曖昧なまま上げると逆効果になるのは両社共通

「で、本当のところどう使えばいいか」が少し整理できたなら幸いです。

この記事はモデルを横断した早見表です。踏み込んだ検証は、BlogGPT-5.6のeffort、maxにすると何倍遅い？実測で見る使い分けGPT-5.6 Sol/Terra/LunaのreasoningエフォートをArtificial Analysisの第三者実測データで比較。effortを上げるとIntelligence Index・TTFT・価格がどう変わるかを出典付きチャートで確認し、用途別の使い分け判断基準を整理します。→とBlogClaude Opus 5、全effort段でSol凌駕——秘めた実力とコスト最適化の結論Claude Opus 5とGPT-5.6 Solを同じeffort段で並べると、low/medium/high/xhigh/maxの5段すべてでOpus 5が上回りました。mediumがSolのhighを超え、lowですらSolのmaxより嘘をつかない。独立実測データから、常用すべき段とコスト最適化の答えを出します。→にまとめています。

• BlogGPT-5.6のeffort、maxにすると何倍遅い？実測で見る使い分けGPT-5.6 Sol/Terra/LunaのreasoningエフォートをArtificial Analysisの第三者実測データで比較。effortを上げるとIntelligence Index・TTFT・価格がどう変わるかを出典付きチャートで確認し、用途別の使い分け判断基準を整理します。→
• BlogClaude Code の /effort 完全ガイド｜low〜maxの使い分けと『コストが増える本当の理由』Claude Code の /effort（low〜max・ultracode・auto）は「賢さ」ではなく「トークンの気前よさ」のレバー。モデル別の推奨スタートと、Opus 4.8 でコストが増えた気がする原因を『トークナイザ』と『effort』の2軸に切り分ける考え方を、公式一次情報と v2.1.156 の実機確認で解説します。→
• BlogClaude Code の新effortモード徹底解説｜max・ultracode・autoと『呪文ultrathink』の正体Claude Code の /effort に増えた max・ultracode・auto と、プロンプトに紛れ込ませる呪文 ultrathink を、公式が明言した『ultracode は API の effort レベルではない』を起点に解剖。overthinking・自律ワークフロー・永続性と優先順位の罠まで、誤解されやすい論点を一次情報で正します。→
• BlogClaude Opus 5、全effort段でSol凌駕——秘めた実力とコスト最適化の結論Claude Opus 5とGPT-5.6 Solを同じeffort段で並べると、low/medium/high/xhigh/maxの5段すべてでOpus 5が上回りました。mediumがSolのhighを超え、lowですらSolのmaxより嘘をつかない。独立実測データから、常用すべき段とコスト最適化の答えを出します。→
• BlogSonnet 5のeffortは何が変わった？1M CTX無料化と検証結果Claude Sonnet 5のeffortレベル推奨表とベンチマークを整理し、Opus 4.8をadvisorにする設計パターンと、Usage Credits不要になった1M CTXの変化を解説する。→
• BlogGPT-5.6 Sol×Terra、コスパ最強のEffort組み合わせは？実測で検証GPT-5.6 Sol（設計・計画役）とTerra（コーディング実装役）を組み合わせて使う際、どのreasoning effortが最もコスパが良いかをArtificial Analysisの実測データで検証。Solはhighで頭打ち、Terraはhighまで気軽に上げてよい理由を出典付きチャートで確認します。→

• META-MARK

HW系エンジニアとして20年以上、10,000件を超える顧客訪問と2,000件を超える単独ソリューション実績。AIツールを使った個人開発やIoT農園など、Raspberry Piを使ったオートメーション化なども実践中です！エンジニア専門結婚相談所も運営中、ClaudeCodeで解決できない心の課題も解決いたします！

出典

（確認日: 2026-08-15） この記事は各社の公式ドキュメントをもとに執筆しています。

• Effort（Anthropic 公式）
• Model configuration（Claude Code 公式）
• Reasoning models（OpenAI 公式）