Einige Modelle “denken laut”, bevor sie antworten. Sie arbeiten Probleme Schritt für Schritt durch und geben dann eine finale Antwort. Das macht sie stärker bei Mathematik-, Code- und logiklastigen Aufgaben.
Die vollständige Liste der Modelle, Preise und Kontextlimits finden Sie auf der Models-Seite. Nicht alle Reasoning-Modelle unterstützen den Parameter reasoning_effort. Siehe Modellunterstützung für Details.
Die Ausgabe lesen
Reasoning-Modelle geben ihr Thinking in einem separaten Feld reasoning_content zurück und halten content sauber:
response = client.chat.completions.create(
model="zai-org-glm-5-1",
messages=[{"role": "user", "content": "What is 15% of 240?"}]
)
thinking = response.choices[0].message.reasoning_content
answer = response.choices[0].message.content
Einige Anbieter (Anthropic, Google, OpenAI, Qwen) geben verschlüsselte oder zusammengefasste Reasoning-Tokens zurück. In diesem Fall enthält reasoning_content einen Platzhalter "[Some reasoning content is encrypted]".
Streaming
Beim Streaming kommt reasoning_content im Delta vor der finalen Antwort an:
stream = client.chat.completions.create(
model="zai-org-glm-5-1",
messages=[{"role": "user", "content": "Explain photosynthesis"}],
stream=True
)
for chunk in stream:
if chunk.choices:
delta = chunk.choices[0].delta
if delta.reasoning_content:
print(delta.reasoning_content, end="")
if delta.content:
print(delta.content, end="")
Reasoning effort
Der Parameter reasoning_effort steuert, wie viel ein Modell vor der Antwort denkt. Höherer Effort bedeutet tieferes Reasoning, aber mehr Tokens und Latenz.
Akzeptierte Werte
| Wert | Beschreibung |
|---|
none | Deaktiviert Reasoning vollständig |
minimal | Grundlegendes Reasoning mit minimalem Aufwand |
low | Leichtes Reasoning für einfache Probleme |
medium | Ausgewogenes Reasoning für mittlere Komplexität |
high | Tiefes Reasoning für komplexe Probleme |
xhigh | Besonders hohe Reasoning-Tiefe |
max | Maximale Reasoning-Fähigkeit |
Nicht alle Modelle unterstützen alle Werte. Venice mappt nicht automatisch auf die nächstgelegene unterstützte Stufe. Nicht unterstützte Werte geben einen 400-Fehler vom Upstream-Anbieter zurück. Beispielsweise schlägt das Senden von xhigh an Claude oder max an GPT-5.2 fehl.Verwenden Sie im Zweifel low, medium oder high. Dies sind die am breitesten unterstützten Werte.
Modellunterstützung
OpenAI
| Modell | Unterstützte Werte |
|---|
| GPT-5.2 | none, low, medium, high, xhigh |
| GPT-5.2 Codex, GPT-5.3 Codex | low, medium, high, xhigh |
Anthropic
| Modell | Unterstützte Werte |
|---|
| Claude Opus 4.6, Opus 4.6 Fast | low, medium, high, max |
| Claude Opus 4.5, Sonnet 4.5, Sonnet 4.6 | low, medium, high |
Google
| Modell | Unterstützte Werte |
|---|
| Gemini 3 Pro Preview | low, high |
| Gemini 3.1 Pro Preview | low, medium, high |
| Gemini 3 Flash Preview | minimal, low, medium, high |
xAI
Grok-Modelle (Grok 4.1 Fast, Grok Code Fast) unterstützen reasoning_effort nicht. Die Angabe führt zu einem Fehler.
Weitere Modelle
| Modell | Unterstützte Werte |
|---|
| Qwen 3 235B A22B Thinking, Qwen 3.5 35B A3B | low, medium, high |
| Kimi K2.5 | low, medium, high |
| MiniMax M2.5, M2.1 | low, medium, high |
| GLM 5.1-Serie | Nur eingebautes Reasoning, nicht konfigurierbar |
| DeepSeek R1 | Nur eingebautes Reasoning, nicht konfigurierbar |
Verwendung
Übergeben Sie reasoning_effort als Top-Level-Parameter oder verwenden Sie das verschachtelte Format reasoning.effort:
response = client.chat.completions.create(
model="minimax-m25",
messages=[{"role": "user", "content": "Prove that there are infinitely many primes"}],
extra_body={"reasoning": {"effort": "high"}}
)
"reasoning_effort": "high" wird ebenfalls akzeptiert.
Reasoning deaktivieren
Es gibt zwei Möglichkeiten, Reasoning zu deaktivieren:
| Methode | Syntax | Funktionsweise |
|---|
reasoning.enabled: false | "reasoning": {"enabled": false} | Venice-Toggle, der verhindert, dass Reasoning-Parameter an den Anbieter gesendet werden. Empfohlen. |
reasoning.effort: "none" | "reasoning": {"effort": "none"} | Wird an den Anbieter weitergegeben, der entscheidet, wie damit umgegangen wird. Nur von einigen Modellen unterstützt (z. B. GPT-5.x). |
reasoning.enabled: false die zuverlässigere Option:
| Modell | Kann deaktiviert werden? |
|---|
| GPT-5.2 | Ja |
| GPT-5.2 Codex, GPT-5.3 Codex | Ja (aber none-Effort nicht unterstützt) |
| Qwen 3 235B A22B Thinking, Qwen 3.5 35B A3B | Ja |
| GLM 5.1-Serie | Ja |
| Claude Opus 4.5/4.6/4.6 Fast, Sonnet 4.5/4.6 | Nein (immer reasoning) |
| Gemini 3 Pro, 3.1 Pro, 3 Flash | Nein (immer reasoning) |
| DeepSeek R1 | Nein (immer reasoning) |
response = client.chat.completions.create(
model="openai-gpt-52",
messages=[{"role": "user", "content": "What's the capital of France?"}],
extra_body={"reasoning": {"enabled": False}}
)
Token-Limits
Reasoning-Modelle generieren sichtbare Antwort-Tokens (in content) und Reasoning-Tokens (in reasoning_content). Beide zählen zu Ihrem Token-Budget.
Eine Token-Obergrenze setzen
Verwenden Sie max_completion_tokens, um die Gesamtzahl der vom Modell generierten Tokens einschließlich Reasoning zu begrenzen:
{
"model": "deepseek-v4-flash",
"messages": [...],
"max_completion_tokens": 500
}
max_tokens wird ebenfalls akzeptiert und verhält sich genauso. Wenn beide gesetzt sind, hat max_completion_tokens Vorrang.
Um mehr sichtbare Ausgabe zu erhalten, erhöhen Sie die Obergrenze, senken Sie reasoning_effort oder deaktivieren Sie Reasoning.
Die Aufschlüsselung lesen
Das usage-Objekt zeigt, wofür Ihr Budget verwendet wurde:
"usage": {
"completion_tokens": 501,
"completion_tokens_details": { "reasoning_tokens": 169 },
"prompt_tokens": 13,
"total_tokens": 514
}
finish_reason length.
Die Obergrenze jedes Modells ist als maxCompletionTokens am Endpoint /v1/models verfügbar.
Nicht-Reasoning-Modelle
max_tokens und max_completion_tokens verhalten sich bei Nicht-Reasoning-Modellen gleich und begrenzen die sichtbare Ausgabe direkt.
Capability-Erkennung
Prüfen Sie über den Endpoint /v1/models, was ein Modell unterstützt:
| Feld | Bedeutung |
|---|
supportsReasoning | Modell besitzt Reasoning-Fähigkeit (Chain-of-Thought) |
supportsReasoningEffort | Modell akzeptiert den Parameter reasoning_effort / reasoning.effort |
Best Practices
- Standardmäßig
medium für allgemeine Verwendung verwenden
high oder xhigh für komplexe Aufgaben (Mathematik, Code, Analyse) verwendenlow für latenzempfindliche Anwendungen verwendenreasoning.enabled: false verwenden oder Effort auf none setzen, um Reasoning zu deaktivieren- Im Zweifel
low, medium oder high verwenden. Dies sind die am breitesten unterstützten Werte
