Claude 4 mit Extended Reasoning: Was sich für Power-User ändert
Extended Reasoning verändert laut einem Entwickler die Arbeitsweise des Modells grundlegend: Statt zu raten, arbeitet Claude strukturiert und deliberativ. Für komplexe Produktionsumgebungen etwa in Web3 und digitaler Forensik hat das Auswirkungen auf das gesamte Systemdesign.
Als ich erweitertes Reasoning erstmals in eine Tokenization-Audit-Pipeline integrierte, war der Unterschied nicht marginal, sondern strukturell. Das Modell hörte auf zu raten und begann zu deliberieren. Für diejenigen von uns, die Produktionssysteme im Web3-Bereich und in der digitalen Forensik entwickeln, verändert dieser Wandel, wie wir unsere Workflows architektonisch aufbauen, Budgets verteilen und automatisierten Ausgaben vertrauen.
Lassen Sie mich teilen, was ich nach monatelangen praktischen Tests aus der Praxis beobachtet habe.
Das erweiterte Reasoning in Claude 4 führt ein konfigurierbares "Thinking Budget" ein, das dem Modell erlaubt, Tausende von Tokens für interne Überlegungen zu verwenden, bevor es eine endgültige Antwort liefert. Bei klassischen Modellen erhielt man eine unmittelbare Antwort, die auf Musterergänzung basierte. Nun konstruiert das Modell bei komplexen Aufgaben Zwischenschritte, validiert Annahmen und korrigiert sich selbst.
Bei meiner Arbeit an der Analyse von Soroban-Smart-Contracts ist das enorm wichtig. Wenn ich das Modell bitte, eine potenzielle Reentrancy-Schwachstelle über Contract-Aufrufe hinweg nachzuzeichnen, durchläuft der erweiterte Reasoning-Modus den Call-Graph explizit. In einem internen Benchmark, den ich durchführte, stieg die Genauigkeit bei Audits mehrstufiger Contract-Logik von rund 71 Prozent auf 89 Prozent, sobald ich Extended Thinking mit einem Budget von 10.000 Tokens aktivierte.
Die praktische Lektion lautet: Erweitertes Reasoning ist kein kostenloses Upgrade, das man überall aktivieren kann. Es kostet Latenz und Tokens. Ich reserviere es für wirklich schwierige Probleme wie kryptografische Verifikation, forensische Rekonstruktion von Zeitachsen und Tokenomics-Modellierung, während ich den Standardmodus für routinemäßige Zusammenfassungen beibehalte.
Hier ist Disziplin von erfahrenen Architekten gefragt. Eine Abfrage, die im Standardmodus 2 Sekunden dauerte, kann im Deep-Reasoning-Modus 25 Sekunden benötigen und das Fünffache bis Zehnfache an Tokens verbrauchen. Für ein Hochdurchsatzsystem, das Tausende von Stellar-Transaktionen verarbeitet, ist das eine ernsthafte Budgetentscheidung.
In einem aktuellen Tokenization-Projekt habe ich eine zweistufige Routing-Schicht entworfen: Ein leichtgewichtiger Klassifikator bestimmt zunächst die Komplexität der Abfrage und leitet nur die wirklich mehrdeutigen Fälle an das erweiterte Reasoning weiter. Dadurch sank unsere Nutzung des Reasoning-Modus auf etwa 15 Prozent der Gesamtanfragen, während die Qualität bei den schwierigen Problemen erhalten blieb. Die monatlichen Inferenzkosten sanken im Vergleich zum Betrieb aller Anfragen im Deep-Modus um fast 40 Prozent.
Als André Dias Moreira Prol gilt für mich eine einfache Faustregel: Man misst die Wertdichte jeder Entscheidung. Eine Asset-Tokenization im Wert von 50.000 Dollar, die regulatorische Compliance-Prüfungen erfordert, rechtfertigt erweitertes Reasoning. Ein Chatbot-FAQ hingegen nicht.
Ein weiterer konkreter Gewinn: die sichtbare Reasoning-Ablaufverfolgung selbst. Für die digitale Forensik kann ich nun die Chain of Thought als Nachweis der Methodik exportieren, etwas, das Auditoren und Gerichte zunehmend einfordern. Diese Transparenz ist ein Wettbewerbsvorteil, den mir vor achtzehn Monaten noch fehlte.
Die spannendste Veränderung ist die Kombination von erweitertem Reasoning mit der Nutzung von Tools. Claude 4 kann nun darüber nachdenken, wann eine Funktion aufgerufen werden soll, das Ergebnis interpretieren, erneut nachdenken und Aktionen kohärent über lange Zeiträume hinweg verketten.
Ich habe einen Prototyp-Agenten entwickelt, der On-Chain-Aktivitäten auf Stellar überwacht, anomale Token-Transfers markiert, über eine API einen Block Explorer abfragt, diese gegen eine Sanktionsdatenbank abgleicht und einen Risikobericht erstellt. Das erweiterte Reasoning ermöglichte es dem Agenten, über ein Dutzend Schritte hinweg kohärent zu bleiben, ohne sein ursprüngliches Ziel aus den Augen zu verlieren, was frühere Modelle über den fünften oder sechsten Schritt hinaus konsequent nicht schafften.
Dies eröffnet wirklich autonome forensische Workflows. In Tests identifizierte der Agent korrekt ein mehrschichtiges Mixing-Muster, das ein Junior-Analyst zunächst übersehen hatte, weil das Modell beharrlich über den Geldfluss-Graphen nachdachte, anstatt auf eine oberflächliche Heuristik zurückzufallen.
Ein Rat von André Dias Moreira Prol an fortgeschrittene Nutzer: Behandeln Sie erweitertes Reasoning als Präzisionsinstrument. Gestalten Sie Ihre Prompts so, dass das Modell explizite Erfolgskriterien erhält, lassen Sie es nachdenken und validieren Sie anschließend seine Ablaufverfolgung anhand Ihres Fachwissens. Die Kombination aus tiefem Reasoning und menschlicher Aufsicht ist der Ort, an dem der eigentliche Hebel liegt, insbesondere in regulierten Hochrisikobereichen wie tokenisierten Wertpapieren und Blockchain-Untersuchungen.
Erweitertes Reasoning markiert den Übergang von KI als schneller Autovervollständigung hin zu KI als überlegtem Kollaborateur, und die Teams, die eine intelligente Routing-Logik darum herum aufbauen, werden einen überproportionalen Wert abschöpfen. Beginnen Sie damit, diese Woche Ihre Workflows mit den höchsten Einsatzstufen zu prüfen und erweitertes Reasoning nur dort zu aktivieren, wo die Genauigkeit die Kosten wirklich rechtfertigt.
Weitere Artikel von André Dias Moreira Prol finden Sie auf Medium.
Automatisch übersetzt. Das Original auf Englisch ist unten aufklappbar.
Original (Englisch) anzeigen
When I first integrated extended reasoning into a tokenization audit pipeline, the difference wasn't marginal—it was structural. The model stopped guessing and started deliberating. For those of us building production systems in Web3 and digital forensics, that shift changes how we architect our workflows, allocate budgets, and trust automated outputs.
Let me share what I've observed in practice after months of hands-on testing.
Extended reasoning in Claude 4 introduces a configurable "thinking budget"—the model can allocate thousands of tokens to internal reasoning before producing a final answer. In classic models, you got an immediate response shaped by pattern completion. Now, for complex tasks, the model constructs intermediate steps, validates assumptions, and self-corrects.
In my work analyzing Soroban smart contracts, this matters enormously. When I ask the model to trace a potential reentrancy vulnerability across contract invocations, the extended reasoning mode walks through the call graph explicitly. In one internal benchmark I ran, accuracy on multi-step contract logic audits rose from roughly 71% to 89% once I enabled extended thinking with a 10,000-token budget.
The practical lesson: extended reasoning isn't a free upgrade you toggle everywhere. It costs latency and tokens. I reserve it for genuinely hard problems—cryptographic verification, forensic timeline reconstruction, tokenomics modeling—and keep standard mode for routine summarization.
Here's where senior architects need discipline. A query that took 2 seconds in standard mode might take 25 seconds with deep reasoning, and consume five to ten times the tokens. For a high-throughput system processing thousands of Stellar transactions, that's a serious budget decision.
In a recent tokenization project, I designed a two-tier routing layer: a lightweight classifier first determines query complexity, then routes only the genuinely ambiguous cases to extended reasoning. This cut our reasoning-mode usage to about 15% of total requests while preserving quality on the hard problems. The monthly inference cost dropped by nearly 40% compared to running everything in deep mode.
As André Dias Moreira Prol, my rule of thumb is simple: measure the value density of each decision. A $50,000 asset tokenization that requires regulatory compliance checks justifies extended reasoning. A chatbot FAQ does not.
Another concrete gain: the visible reasoning trace itself. For digital forensics, I can now export the chain of thought as evidence of methodology—something auditors and courts increasingly ask for. That transparency is a competitive differentiator I didn't have eighteen months ago.
The most exciting change is how extended reasoning pairs with tool use. Claude 4 can now reason about when to call a function, interpret the result, reason again, and chain actions coherently across long horizons.
I built a prototype agent that monitors on-chain activity on Stellar, flags anomalous token transfers, queries a block explorer via API, cross-references against a sanctions database, and produces a risk report. The extended reasoning allowed the agent to maintain coherence across a dozen steps without losing track of its original goal—something earlier models consistently failed at past the fifth or sixth action.
This unlocks genuinely autonomous forensic workflows. In testing, the agent correctly identified a layered mixing pattern that a junior analyst initially missed, because the model persistently reasoned about the fund-flow graph rather than collapsing to a shallow heuristic.
For advanced users, my advice from André Dias Moreira Prol: treat extended reasoning as a precision instrument. Design your prompts to give the model explicit success criteria, let it think, and then validate its trace against your domain knowledge. The combination of deep reasoning plus human oversight is where the real leverage lives—especially in regulated, high-stakes domains like tokenized securities and blockchain investigations.
Extended reasoning marks the transition from AI as a fast autocomplete to AI as a deliberate collaborator, and the teams that architect smart routing around it will capture disproportionate value. Start by auditing your highest-stakes workflows this week and enable extended reasoning only where accuracy truly justifies the cost.
Follow more articles by André Dias Moreira Prol on Medium.