Bij Claude Sonnet 4.6 draait goed prompten om twee knoppen: de effort-parameter en adaptive thinking. Sonnet 4.6 is geoptimaliseerd voor werk waar snelle doorlooptijd en kostenefficiëntie tellen, en in tegenstelling tot Sonnet 4.5 kent het model wél een effort-parameter — die standaard op high staat. Zet je effort niet expliciet, dan kun je hogere latency ervaren. Net als bij eerdere Claude-modellen geldt: wees helder en direct, geef context bij je instructies en stuur met voorbeelden.

Kies je effort-niveau bewust

Sonnet 4.6 schaalt zijn redeneerdiepte met effort en met de complexiteit van de vraag. De documentatie raadt aan:

• medium voor de meeste toepassingen
• low voor high-volume of latency-gevoelige workloads — met thinking uit verwacht je dan vergelijkbare of betere prestaties dan Sonnet 4.5 zonder extended thinking
• high voor autonome multi-step agents (coding-agents, data-pipelines, bug finding); schaal terug naar medium als latency of tokengebruik knelt

Zet bij medium of high een ruim max output token-budget (richtlijn 64k) zodat het model ruimte heeft om te denken en te handelen. Voor de zwaarste, langste taken (grootschalige codemigraties, deep research) blijft Opus 4.8 de juiste keuze.

Adaptive thinking in plaats van budget_tokens

Sonnet 4.6 gebruikt thinking: {type: "adaptive"}: het model beslist zelf wanneer en hoeveel het denkt, op basis van effort én vraagcomplexiteit. Op simpele vragen antwoordt het direct, op complexe redeneert het dieper. In interne evaluaties levert adaptive thinking betrouwbaar betere prestaties dan extended thinking. Gebruik het vooral voor agentic werk, complexe coding-taken en bimodale workloads (mix van makkelijk en moeilijk). De oude budget_tokens werkt nog maar is deprecated — verplaats de controle naar effort.

Denkt het model vaker dan je wil (bv. bij een grote system prompt), stuur dan bij:

Extended thinking adds latency and should only be used when it will meaningfully improve answer quality — typically for problems that require multi-step reasoning. When in doubt, respond directly.

Wees expliciet over actie en tooling

De nieuwste Claude-modellen volgen instructies precies. Vraag je “can you suggest some changes”, dan krijg je suggesties — geen wijzigingen. Wil je dat het model handelt, formuleer dat dan direct (“Change this function to improve its performance”). Voor proactief gedrag of juist terughoudendheid biedt de documentatie kant-en-klare – en -snippets.

Structuur, voorbeelden en grounding

Stuur formaat en toon met few-shot-voorbeelden (3 tot 5, gewikkeld in -tags) en gebruik XML-tags om instructies, context en input ondubbelzinnig te scheiden. Bij lange documenten (20k+ tokens): zet de longform-data bovenaan, je vraag onderaan, en laat Claude eerst relevante passages citeren voordat het de taak uitvoert. Voor agentic werk profiteert Sonnet 4.6 van context awareness en gestructureerde state (JSON voor testresultaten, vrije tekst voor voortgang, git voor checkpoints).

Output sturen

Zeg wat het model moet doen in plaats van wat niet (“Your response should be composed of smoothly flowing prose paragraphs”). Match je promptstijl aan je gewenste output — minder markdown in je prompt levert minder markdown in de respons. Prefilled responses op de laatste assistant-turn worden vanaf de 4.6-modellen niet meer ondersteund; gebruik in plaats daarvan Structured Outputs, directe instructies of tool calling.

De KOMPAS-methode sluit hier direct op aan: je formuleert eerst je doel en je succescriteria scherp, kiest bewust een effort-niveau, structureert je prompt met context en voorbeelden, en valideert de output tegen je criteria — precies de werkwijze die Sonnet 4.6 beloont. Wil je dit oefenen, gebruik dan de gratis prompt-coach om je prompt stap voor stap aan te scherpen, of bekijk de begeleiding via coaching voor een dieper traject. Gebaseerd op de officiële documentatie van Anthropic.