Claude in Cherry Studio denkt, antwortet aber nicht: So konfigurieren Sie Max tokens

Am 15. September wandte sich ein Nutzer mit einem Problem im Cherry-Studio-Client an den Support von BetterToken: Bei einfachen Fragen antwortete Claude wie gewohnt, bei umfangreicheren analytischen Aufgaben erschien jedoch kein Ergebnistext. Der Denkblock (thinking) öffnete sich zwar und Tokens wurden abgerechnet, die Anwendung gab jedoch keinerlei Fehlermeldung aus.

Das Umschalten des Streamings (Stream) brachte keine Besserung. In den Anfrageprotokollen in der BetterToken-Konsole zeigte sich jedoch ein wiederkehrendes Muster: Mehrere lange Antworten über verschiedene Kanäle endeten bei exakt 8192 Ausgabe-Tokens (output tokens).

Da der Abbruchgrund (stop_reason) in den Protokollen nicht erfasst wurde, lässt sich die Ursache für das Generierungsende nicht zweifelsfrei belegen. Der wiederholte Wert von 8192 lieferte jedoch einen konkreten Hinweis darauf, dass eine Begrenzung der Ausgabemenge gegriffen haben könnte: Möglicherweise war das verfügbare Token-Limit bereits während der Denkphase vollständig erschöpft, sodass für die eigentliche Antwort keine Tokens mehr übrig blieben.

Verlauf der Support-Anfrage

Der Kern der Mitteilungen des Nutzers gestaltete sich wie folgt:

Erste Nachricht des Nutzers (sinngemäße Wiedergabe): Bei kurzen Prompts erfolgen die Antworten ganz normal. Bei komplexen Aufgaben denkt das Modell sehr lange nach und Tokens werden abgebucht, aber der finale Text bleibt aus – das Antwortfeld bleibt einfach leer.

Wir empfahlen, den Parameter Max tokens in den Einstellungen des betroffenen Assistenten zu aktivieren und innerhalb der Grenzwerte des jeweiligen Providers zu erhöhen.

Zweite Nachricht des Nutzers (sinngemäße Wiedergabe): Nach der Anpassung des Limits in den Eigenschaften des Assistenten trat der Fehler nicht mehr auf; der Nutzer erkundigte sich zudem, ob diese Einstellung für jeden Assistenten einzeln vorgenommen werden müsse.

In Cherry Studio wird diese Konfiguration tatsächlich für jeden Assistenten individuell verwaltet.

Warum die Antwort ausbleibt: Die Funktionsweise von Thinking

Bei Claude-Modellen mit Unterstützung für Argumentationsketten (Thinking) ist der Denkprozess fester Bestandteil des gesamten Generierungslimits.

Gemäß der Anthropic-Dokumentation zur Steuerung von Thinking und Kosten legt der Parameter max_tokens eine feste Gesamtobergrenze pro Anfrage fest. In dieses Limit fließen sowohl die verborgenen Denk-Tokens (thinking) als auch der sichtbare Antworttext ein. Der Parameter effort dient als weicher Richtwert für die Analysetiefe, erweitert das Gesamtkontingent jedoch nicht. Beansprucht der Denkprozess das gesamte verfügbare Volumen, bricht die Generierung ab. Bei einem Stopp durch Erreichen des Limits empfiehlt die Dokumentation, entweder effort zu senken oder max_tokens heraufzusetzen, sofern das Modell und die genutzte Schnittstelle einen solchen Wert unterstützen.

Schritt-für-Schritt-Anleitung für Cherry Studio

Gemäß der Cherry-Studio-Dokumentation zum Chat gelten die Konfigurationen für alle Dialoge des ausgewählten Assistenten. Passen Sie Max tokens genau bei dem Assistenten an, mit dem Sie arbeiten. Die Änderung gilt ausschließlich für dieses Profil und lässt die Parameter anderer Assistenten unberührt.

Prüfen Sie vorab die genaue Modellbezeichnung sowie die Limits Ihres API-Providers bezüglich der maximalen Ausgabegröße.

Schritt 1: Assistenteneinstellungen öffnen

Suchen Sie in der linken Leiste der Assistentenliste das gewünschte Profil, klicken Sie auf das Drei-Punkte-Symbol (oder führen Sie einen Rechtsklick aus) und wählen Sie den Menüpunkt „Edit Assistant“ („Assistent bearbeiten“).

Abbildung aus den Fallunterlagen: Öffnen des Bearbeitungsfensters des Assistenten über den Menüpunkt Edit Assistant.

Schritt 2: Max tokens aktivieren und erhöhen

Wechseln Sie zum Reiter „Model“ („Modell“) und suchen Sie den Eintrag „Max tokens“ („Maximale Nachrichtenlänge“).

1. Schalten Sie den Schieberegler neben dem Parameter ein.
2. Tragen Sie einen höheren Wert ein, der das bisherige Limit übersteigt, aber innerhalb der Spezifikationen Ihres Modells beim Provider liegt.

Abbildung aus den Fallunterlagen: Aktivierter Parameter Max tokens mit dem Wert 128000 auf dem Reiter Model.

Im beschriebenen Support-Fall setzte der Nutzer den Wert auf 128000, woraufhin auch lange Antworten wieder wie vorgesehen ausgegeben wurden. Beachten Sie dabei jedoch einige wichtige Aspekte der Praxis:

• Der im Screenshot sichtbare Wert von 128000 stellt die konkrete Einstellung dieses Einzelfalls dar, keine allgemeingültige Empfehlung.
• Diese Angabe definiert die Obergrenze der ausgegebenen Nachricht, nicht das gesamte Kontextfenster (Context Window).
• Nicht jedes Modell unterstützt die Generierung einer derart großen Textmenge in einem Durchgang.
• Ein höheres Token-Limit gibt dem Modell mehr Spielraum für längere Denkprozesse, was die Antwortzeit verlängern und den Token-Verbrauch erhöhen kann.

Schritt 3: Benutzerdefinierte Parameter prüfen

Scrollen Sie auf dem Reiter „Model“ nach unten zum Abschnitt „Custom parameters“ („Benutzerdefinierte Parameter“).

In Cherry Studio besitzen benutzerdefinierte Parameter Vorrang vor den Bedienelementen der Oberfläche. Sollte in dieser Liste bereits der Parameter max_tokens mit einem alten Wert hinterlegt sein, löschen Sie diesen Eintrag oder passen Sie ihn an den neuen Wert an. Andernfalls sendet der Client weiterhin das vorherige Limit.

So überprüfen Sie das Ergebnis

Vermeiden Sie es, die Einstellung mit kurzen Sätzen zu testen: Triviale Anfragen bleiben im Standardlimit und liefern keine aussagekräftigen Erkenntnisse.

1. Erstellen Sie ein neues Thema innerhalb desselben Assistenten, um den Kontext des zuvor abgebrochenen Dialogs zurückzusetzen.
2. Senden Sie eine umfangreiche Analyseaufgabe, die derjenigen ähnelt, bei der der Text abriss.
3. Kontrollieren Sie die Merkmale einer korrekten Ausgabe:
   • Unterhalb des Thinking-Blocks wird der vollständige, sichtbare Text angezeigt.
   • Der Gedankengang ist inhaltlich abgeschlossen und der Satz bricht nicht unvermittelt ab.
   • Falls Ihnen Statistiken zu den Ausgabe-Tokens (output tokens) vorliegen, vergleichen Sie diese mit dem früheren Wert und prüfen Sie, ob die Generierung erneut bei exakt 8192 gestoppt hat. Eine erfolgreiche Antwort muss diesen Schwellenwert keineswegs überschreiten – sie kann auch mit einer geringeren Token-Zahl vollständig abschließen. Vergleichen Sie dabei stets die reinen Ausgabe-Tokens und nicht den Gesamtverbrauch der Anfrage mit dem Ausgabelimit.

Was tun, wenn weiterhin keine Antwort erscheint?

Für dieses Verhalten kann es unterschiedliche Gründe geben. Falls Sie die Konfiguration vorgenommen haben und dennoch keine Antwort erhalten:

1. Aktiven Assistenten überprüfen. Stellen Sie sicher, dass die Nachricht tatsächlich über den Assistenten gesendet wurde, bei dem Sie die Option aktiviert haben, und dass der Schalter für Max tokens weiterhin aktiv ist.
2. Provider-Limits kontrollieren. Liegt der eingetragene Wert über dem Maximum, das das Modell beim jeweiligen Anbieter verarbeiten kann, wird die Anfrage mit einem Validierungsfehler abgewiesen.
3. Menge der Ausgabe-Tokens abgleichen. Prüfen Sie in der BetterToken-Konsole die Details der Anfrage und achten Sie gezielt auf die Ausgabe-Tokens (output tokens), nicht auf den Gesamtwert. Endete die Generierung deutlich unterhalb der festgelegten Grenze, empfiehlt sich eine Überprüfung der Stream-Darstellung, der Netzwerkstabilität sowie eventueller Aufrufe externer Werkzeuge (MCP-Server oder Funktionen), wenngleich auch hier eine Beeinflussung durch max_tokens nicht gänzlich auszuschließen ist.

Übermitteln Sie bei Anfragen an den Support stets ausschließlich unbedenkliche technische Eckdaten: die Anfrage-ID (Request ID), den genauen Zeitstempel, den Modellnamen sowie die Anzahl der abgerechneten Tokens. Geben Sie niemals geheime API-Schlüssel oder vertrauliche Inhalte Ihrer Prompts weiter.