En af de tre funktioner, der lanceres med Claude Opus 4.8, er indsatskontrol — en ny indstilling på claude.ai og Cowork (og xhigh/max i Claude Code), som lader dig bestemme, hvor meget indsats Claude lægger i et svar. Den sidder lige ved siden af modelvælgeren og er tilgængelig på alle abonnementer. På højere indsatsindstillinger tænker Claude hyppigere og dybere for at give bedre svar. På lavere indsatsindstillinger svarer Claude hurtigere og bruger dine rate limits langsommere. Det er en simpel kontrol med reelle konsekvenser for kvalitet, hastighed og omkostninger — og de fleste brugere ved ikke, hvilken indstilling de skal vælge.

Denne guide forklarer præcis, hvornår du skal bruge hvert indsatsniveau, hvordan det påvirker dit tokenforbrug og dine rate limits, og hvilke opgaver der retfærdiggør at bruge mere indsats kontra hvilke der er fine på standardindstillingen. Få styr på dette, så får du dramatisk bedre resultater på svære problemer, samtidig med at du sparer på forbruget til de nemme.

Hovedpointe

Opus 4.8 bruger "high" indsats som standard — den bedste balance mellem kvalitet og oplevelse, der bruger omtrent samme mængde tokens som Opus 4.7's standard, men med bedre resultater. Brug "extra" (xhigh i Claude Code) til vanskelige opgaver og langvarige asynkrone arbejdsgange. Brug "max" til de sværeste problemer, hvor du ønsker maksimal kvalitet uanset tokenomkostningen. Lavere indsats svarer hurtigere og sparer på rate limits til simple opgaver. Højere indsats bruger flere tokens, så Anthropic hævede Claude Code's rate limits for at imødekomme det.

Hvad Indsatskontrol Rent Faktisk Gør

Indsatskontrol justerer, hvor meget "tænkning" Claude gør før og under sit svar. Ved højere indsats ræsonnerer Claude hyppigere og dybere — udforsker mere af problemet, overvejer flere vinkler og tjekker sit eget arbejde mere grundigt. Dette producerer bedre svar på komplekse opgaver, men forbruger flere tokens og mere tid. Ved lavere indsats svarer Claude mere direkte og hurtigt, hvilket er ideelt til ligefremme opgaver, hvor dyb ræsonnering ville være overkill og blot spilde tokens og rate limits.

Opus 4.8 bruger "high" indsats som standard, hvilket Anthropic vurderer til at være den bedste overordnede balance mellem kvalitet og brugeroplevelse. Vigtigt er det, at på kodningsopgaver bruger denne standard høje indsats et tilsvarende antal tokens som Opus 4.7's standard — men leverer bedre ydeevne. Så standardindstillingen er ikke dyrere end det, du allerede brugte; den er bare bedre. Over standarden har du "extra" (kaldet xhigh i Claude Code) og "max", som gradvist bruger flere tokens for gradvist bedre resultater på svære problemer.

Hvornår du skal Bruge Hvert Indsatsniveau

Standard (high): Lad den stå her til det meste arbejde. Det er den balancerede indstilling, der håndterer størstedelen af opgaverne godt — generelle spørgsmål, standard kodning, skrivning, analyse og dagligdags brug. Du behøver ikke røre kontrollen til rutinearbejde; standardindstillingen er tunet til at være det rigtige valg det meste af tiden.

Extra (xhigh i Claude Code): Anthropic anbefaler specifikt denne til vanskelige opgaver og langvarige asynkrone arbejdsgange. Hvis du giver Claude et komplekst kodningsproblem, en flertrinsanalyse eller en agentisk opgave, der kører uden opsyn i et stykke tid, så skru op til extra. Den ekstra tænkning betaler sig på problemer, hvor det første svar sandsynligvis ikke er det bedste svar. Dette er indstillingen til "dette er svært, og jeg vil have det gjort ordentligt."

Max: Reserver denne til de sværeste problemer, hvor kvalitet betyder mere end tokenomkostning — komplekse arkitektoniske beslutninger, indviklet fejlfinding, højrisikoanalyse eller enhver opgave, hvor du hellere vil bruge flere tokens end risikere et suboptimalt svar. Max indsats bruger flest tokens, så det er ikke indstillingen til rutinearbejde, men til ægte vanskelige problemer henter den mest muligt ud af modellen.

Lavere indsats: Gå under standard til simple opgaver i store mængder, hvor hastighed og bevarelse af rate limits betyder mere end dybde — hurtige opslag, simple omskrivninger, rutineformatering, eller når du arbejder dig gennem mange små opgaver og ønsker at bevare dit forbrug. Lavere indsats svarer hurtigere og bruger dine rate limits langsommere.

📬 Får du værdi ud af dette?

Én brugbar AI-indsigt om ugen. Plus en gratis prompt-pakke, når du abonnerer.

Abonnér gratis →

Hurtig Reference for Indsatsniveauer

Indsatsniveau Bedst Til Tokenforbrug
LavereSimple opgaver i store mængder; hurtige opslagLavest
High (standard)De fleste dagligdags opgaver — balanceretModerat
Extra (xhigh)Vanskelige opgaver, langvarigt asynkront arbejdeHøjt
MaxSværeste problemer, kvalitet over omkostningHøjest

En praktisk bemærkning: indsatsniveau og promptkvalitet arbejder sammen. En høj indsatsindstilling kan ikke fuldt ud kompensere for en vag prompt, og en god prompt på standard indsats slår ofte en middelmådig prompt på max indsats. Den gratis Prompt Optimizer skærper din prompt, så du får det bedste resultat på det indsatsniveau, du vælger, og TresPrompt bringer den optimering ind i din Claude-sidebjælke. For det fulde billede af, hvad der er nyt i denne udgivelse, se vores Opus 4.8 oversigt.

📬 Vil du have mere som dette?

Én brugbar AI-indsigt om ugen. Plus en gratis prompt-pakke, når du abonnerer.

Abonnér gratis →

Indsatskontrol vs Promptkvalitet: Hvad Betyder Mest?

En almindelig misforståelse er, at det at skrue op for indsatsen til max er en erstatning for at skrive en god prompt. Det er det ikke. Indsatskontrol justerer, hvor meget modellen tænker, men den kan ikke kompensere for instruktioner, der er vage, tvetydige eller mangler nøglekontekst. Hvis du stiller et dårligt specificeret spørgsmål på max indsats, får du et grundigt gennemtænkt svar på det forkerte spørgsmål. Modellen vil tænke hårdt — over den forkerte ting. Indsats og promptkvalitet er komplementære, ikke udskiftelige: promptkvalitet afgør, om modellen forstår, hvad du ønsker, mens indsats afgør, hvor grundigt den forfølger det.

I praksis er det mest effektive træk normalt at forbedre din prompt, før du rører ved indsatskontrollen. En klar, specifik, velstruktureret prompt på standard indsats slår ofte en vag prompt på max indsats — og koster langt færre tokens. Først når du har finpudset prompten, betaler det sig at skrue op for indsatsniveauet, ved at give modellen plads til grundigt at arbejde sig igennem et veldefineret problem. Tænk på det som en sekvens: sørg først for, at modellen ved præcis, hvad du ønsker (promptkvalitet), og beslut derefter, hvor hårdt den skal arbejde på det (indsatsniveau).

Indsatskontrol i Langvarige og Asynkrone Arbejdsgange

Indsatskontrol bliver særligt værdifuld i langvarige og asynkrone arbejdsgange, hvilket er præcis der, hvor Anthropic anbefaler "extra"-indstillingen. Når du giver Claude en opgave, der kører uden opsyn — en agentisk arbejdsgang, en kompleks flertrinsanalyse, en lang kodningsopgave — sidder du ikke og venter på hver token, så hastighedsstraffen ved højere indsats skader ikke din oplevelse. I mellemtiden forstærkes kvalitetsgevinsten, fordi opgaven er kompleks nok til, at grundig ræsonnering meningsfuldt forbedrer resultatet. Asynkront arbejde er det ideelle tilfælde for højere indsats: du får kvalitetsgevinsten uden at mærke hastighedsomkostningen.

Det omvendte gælder for interaktivt realtidsarbejde. Når du er i en frem-og-tilbage-samtale, der itererer hurtigt, holder lavere eller standard indsats oplevelsen kvik, og du kan altid skrue op for indsatsen til det ene svære spørgsmål midt i en ellers simpel session. Kunsten er at matche indsats til interaktionsmønsteret: høj indsats til komplekst arbejde uden opsyn, standard til interaktivt arbejde, lavere til hurtige simple iterationer. Kombineret med valg af det rigtige modelniveau giver dette dig finkornet kontrol over kvalitet-hastighed-omkostning-afvejningen for hver opgave.

Ofte Stillede Spørgsmål

Hvad er indsatskontrol i Claude Opus 4.8?

Indsatskontrol er en ny indstilling (ved siden af modelvælgeren på claude.ai og Cowork, og som xhigh/max i Claude Code), der lader dig vælge, hvor meget Claude tænker, før den svarer. Højere indsats betyder dybere ræsonnering og bedre svar, men flere tokens og mere tid. Lavere indsats betyder hurtigere svar, der sparer på dine rate limits. Den er tilgængelig på alle abonnementer.

Hvad er forskellen mellem extra og max indsats?

Begge bruger flere tokens end standarden for bedre resultater. "Extra" (xhigh i Claude Code) anbefales til vanskelige opgaver og langvarige asynkrone arbejdsgange — et solidt skridt op uden at gå til det maksimale. "Max" bruger flest tokens og er reserveret til de sværeste problemer, hvor du ønsker maksimal kvalitet uanset omkostning. Til de fleste svære opgaver er extra tilstrækkelig; max er til de ægte vanskelige tilfælde.

Koster højere indsats mere?

Højere indsats bruger flere tokens, hvilket betyder højere omkostning pr. svar og hurtigere forbrug af rate limits. Dog bruger Opus 4.8's standard høje indsats tilsvarende tokens som Opus 4.7's standard på kodningsopgaver, mens den leverer bedre resultater, så standarden er ikke dyrere end før. Anthropic hævede Claude Code's rate limits for at imødekomme højere indsatsniveauer.

Hvilket indsatsniveau skal jeg bruge som standard?

Lad den stå på standard (high) til det meste arbejde — den er tunet til at være den bedste balance for størstedelen af opgaverne. Skru kun op til ægte vanskelige problemer eller langvarigt arbejde, og skru kun ned til simple opgaver i store mængder, hvor du ønsker hastighed og bevarelse af rate limits.

Er indsatskontrol tilgængelig på alle abonnementer?

Ja — Anthropic gjorde indsatskontrollen tilgængelig på alle abonnementer for claude.ai og Cowork. I Claude Code er de tilsvarende indstillinger xhigh og max. Dette er en af de få Opus 4.8 lanceringsfunktioner, der er tilgængelig på tværs af alle niveauer (i modsætning til dynamiske arbejdsgange, som er begrænset til Max, Team og Enterprise).

Oplysning: Nogle links i denne artikel er affiliate-links. Vi anbefaler kun værktøjer, vi personligt har testet og bruger regelmæssigt. Se vores fulde oplysningspolitik.