从 Claude Opus 4.7 开始，temperature、top_p、top_k 不再接受非默认值。请求中设置这些参数会返回 400，最稳妥的迁移方式是直接省略。
Anthropic 的弃用说明还明确列出了 Claude Opus 4.8 和 Claude Sonnet 5。这意味着接入层不应只为某个模型 ID 写一次性补丁，而应该根据模型能力决定是否发送参数。
这三个参数原来控制什么
它们都用于干预模型生成下一个 token 时的采样过程：
temperature改变概率分布的平滑程度。top_p只在累计概率达到阈值的候选集合中采样。top_k只在概率最高的前 K 个候选中采样。
它们都在控制“模型如何从候选 token 中选择”，但并不等价，也不保证输出完全可复现。即使过去把 temperature 设为 0，Anthropic 也从未保证每次输出相同。
先把官方结论和工程推断分开
Anthropic 的参数弃用说明和模型迁移指南明确给出了两点：
- 非默认采样参数会触发
400。 - 应省略这些参数，并使用 Prompt 引导模型行为。
官方没有完整公开移除它们的底层原因。下面只能算工程推断：
- 新模型会自适应安排推理过程，外部采样参数的价值可能降低。
- Agent 和工具调用更依赖结构稳定性，多个采样旋钮会扩大不可预测的组合空间。
temperature、top_p、top_k同时存在时，跨模型、跨平台很难维持一致语义。
这些推断可以帮助理解接口演化，但不能写成 Anthropic 的官方解释。
第一步：删除采样参数
旧请求：
{
model: "claude-opus-4-8",
temperature: 0.2,
top_p: 0.9,
}新请求的必要变化只有删除这些字段：
{
model: "claude-opus-4-8",
}创造性、简洁程度和保守程度改用明确的 Prompt 表达：
提出 5 个差异明显、非常规的方案。只输出一个证据最充分的方案；不确定时明确说明，不要猜测。这不是说 Prompt 能精确复刻旧采样器，而是把业务真正关心的行为直接说清楚。
第二步：需要推理时再启用 adaptive thinking
thinking 与 output_config.effort 控制的是推理模式和推理强度，不是 temperature 的替代品。只有任务确实需要更深推理时，才额外配置：
{
model: "claude-opus-4-8",
thinking: {
type: "adaptive",
},
output_config: {
effort: "high",
},
}如果省略 thinking，请求可以不启用 thinking。不要为了迁移三个采样参数，就机械地给所有请求打开高强度推理。
格式稳定性应交给结构约束
低 temperature 从来不能保证合法 JSON。需要稳定格式时，应优先使用：
- Structured Outputs。
- JSON Schema。
- Tool Schema。
- 严格的解析、校验和失败处理。
Prompt 可以降低偏离格式的概率；受约束的输出机制才能在生成层面限制非法结构。
多模型系统不要再统一暴露 temperature
如果业务层把 temperature 作为所有模型的统一配置，升级模型时很容易把“不支持的底层参数”一路透传到 Provider。更稳妥的做法是让上层描述行为意图，再由适配器映射到不同模型实际支持的能力：
type ModelBehavior = {
effort?: "low" | "medium" | "high";
creativity?: "strict" | "balanced" | "creative";
verbosity?: "concise" | "normal" | "detailed";
outputSchema?: JSONSchema;
};适配层需要维护模型能力表：哪些模型支持采样参数，哪些支持 effort，哪些支持结构化输出。不要假设名字相同的参数在不同 Provider 上拥有相同语义。
最后的判断
过去：业务层直接控制 token 采样
现在：业务层描述期望行为，适配层按模型能力映射这次变化不只是删除三个字段。它提醒多模型系统：稳定的抽象应该围绕业务意图和可验证输出，而不是围绕某一家模型当前暴露的解码旋钮。