思考与推理参数

推理模型会在回答前先「思考」。不同接口格式控制思考的参数、返回思考内容的字段各不相同，下面按格式说明。

速查表

接口格式	控制参数	思考内容所在字段
Chat Completions	reasoning_effort	message.reasoning_content（流式为 delta.reasoning_content）
Responses	reasoning: {effort, summary}	output 中 type: "reasoning" 的 summary
Claude Messages	thinking + output_config.effort	content 中 type: "thinking" 的块
Gemini 原生	generationConfig.thinkingConfig	parts 中 thought: true 的部分

Chat Completions

GPT-5 系列、o 系列等推理模型使用 reasoning_effort 控制思考强度，并用 max_completion_tokens 限制总输出（包含思考）：

{
  "model": "gpt-5.4-mini",
  "reasoning_effort": "medium",
  "max_completion_tokens": 8192,
  "messages": [{"role": "user", "content": "..."}]
}

• 常用取值：minimal / low / medium / high，部分新模型支持 none、xhigh。
• 推理模型通常不支持 temperature、top_p、presence_penalty 等采样参数，也不支持 max_tokens。
• 思考消耗的 token 记录在 usage.completion_tokens_details.reasoning_tokens，按输出价格计费。

DeepSeek、Qwen、Kimi、GLM 等模型会在 reasoning_content 中返回思考过程：

resp = client.chat.completions.create(
    model="deepseek-v4-pro",
    messages=[{"role": "user", "content": "9.11 和 9.9 哪个大？"}],
)
msg = resp.choices[0].message
print("思考：", getattr(msg, "reasoning_content", None))
print("回答：", msg.content)

流式时逐块读取 delta.reasoning_content 与 delta.content 即可分别拿到思考和回答。

Responses

{
  "model": "gpt-5.5",
  "reasoning": { "effort": "high", "summary": "auto" },
  "input": "..."
}

summary 设为 auto 或 detailed 时，响应的 output 中会包含 type: "reasoning" 的条目，其 summary 数组里是思考摘要（原始思考过程不返回）。

Claude Messages

模型	写法
Claude 4.6 及更新（Sonnet 4.6、Opus 4.6 / 4.7 / 4.8 / 5 等）	"thinking": {"type": "adaptive"}，可选 "output_config": {"effort": "high"}
Claude Haiku 4.5 及更早	"thinking": {"type": "enabled", "budget_tokens": 8000}（需小于 max_tokens）

{
  "model": "claude-opus-4-8",
  "max_tokens": 16000,
  "thinking": { "type": "adaptive" },
  "output_config": { "effort": "high" },
  "messages": [{"role": "user", "content": "..."}]
}

• 响应的 content 中会先出现 type: "thinking" 的块，再出现 type: "text" 的回答。多轮对话时要把 thinking 块原样带回。
• Opus 4.7 及更新模型默认不返回思考文本（thinking 为空字符串），不影响回答。
• Opus 4.7 / 4.8、Opus 5 等较新模型不接受 budget_tokens 与 temperature、top_p、top_k，传入会返回 400；Opus 4.8 / 4.7 不传 thinking 时不会思考。
• effort 可选 low / medium / high / max（较新模型还支持 xhigh），越高思考越充分、消耗越多。

Gemini 原生

{
  "contents": [{ "role": "user", "parts": [{ "text": "..." }] }],
  "generationConfig": {
    "thinkingConfig": { "thinkingLevel": "high", "includeThoughts": true }
  }
}

• Gemini 3 系列：使用 thinkingLevel（low / high）。
• Gemini 2.5 系列：使用 thinkingBudget（思考 token 上限，0 关闭思考，-1 由模型自动决定）。
• includeThoughts: true 时，响应 parts 中 thought: true 的部分为思考摘要。

通过模型名切换

部分模型提供带后缀的名称，无需额外参数即可切换思考行为（以 模型列表 中实际存在的名称为准）：

后缀	效果	示例
-thinking	开启思考	gemini-3.1-pro-preview-thinking
-nothinking	关闭思考，响应更快更省	gemini-2.5-flash-nothinking
-high / -medium / -low	指定推理强度	o3-mini-high