Algunos modelos piensan en voz alta antes de responder. Resuelven los problemas paso a paso y luego dan una respuesta final. Esto los hace más fuertes en matemáticas, código y tareas con mucha lógica.
Consulta la lista completa de modelos, precios y límites de contexto en la página de Modelos. No todos los modelos de razonamiento admiten el parámetro reasoning_effort. Consulta soporte por modelo para más detalles.
Leer la salida
Los modelos de razonamiento devuelven su pensamiento en un campo separado reasoning_content, manteniendo content limpio:
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
Algunos proveedores (Anthropic, Google, OpenAI, Qwen) devuelven tokens de razonamiento cifrados o resumidos. Cuando esto ocurre, reasoning_content contiene un marcador "[Some reasoning content is encrypted]".
Streaming
Al hacer streaming, reasoning_content llega en el delta antes que la respuesta final:
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="")
Esfuerzo de razonamiento
El parámetro reasoning_effort controla cuánto piensa un modelo antes de responder. Mayor esfuerzo implica razonamiento más profundo pero más tokens y latencia.
Valores aceptados
| Valor | Descripción |
|---|
none | Desactiva el razonamiento por completo |
minimal | Razonamiento básico con esfuerzo mínimo |
low | Razonamiento ligero para problemas simples |
medium | Razonamiento equilibrado para complejidad moderada |
high | Razonamiento profundo para problemas complejos |
xhigh | Profundidad de razonamiento extra-alta |
max | Capacidad máxima de razonamiento |
No todos los modelos admiten todos los valores. Venice no mapea automáticamente al nivel admitido más cercano. Los valores no admitidos devuelven un error 400 del proveedor upstream. Por ejemplo, enviar xhigh a Claude o max a GPT-5.2 fallará.En caso de duda, usa low, medium o high. Son los valores más ampliamente admitidos.
Soporte por modelo
OpenAI
| Modelo | Valores admitidos |
|---|
| GPT-5.2 | none, low, medium, high, xhigh |
| GPT-5.2 Codex, GPT-5.3 Codex | low, medium, high, xhigh |
Anthropic
| Modelo | Valores admitidos |
|---|
| 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
| Modelo | Valores admitidos |
|---|
| Gemini 3 Pro Preview | low, high |
| Gemini 3.1 Pro Preview | low, medium, high |
| Gemini 3 Flash Preview | minimal, low, medium, high |
xAI
Los modelos Grok (Grok 4.1 Fast, Grok Code Fast) no admiten reasoning_effort. Especificarlo resultará en un error.
Otros modelos
| Modelo | Valores admitidos |
|---|
| 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 |
| Serie GLM 5.1 | Solo razonamiento integrado, no configurable |
| DeepSeek R1 | Solo razonamiento integrado, no configurable |
Uso
Pasa reasoning_effort como parámetro de nivel superior o usa el formato anidado 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".
Desactivar el razonamiento
Hay dos formas de desactivar el razonamiento:
| Método | Sintaxis | Cómo funciona |
|---|
reasoning.enabled: false | "reasoning": {"enabled": false} | Conmutador a nivel de Venice que impide que los parámetros de razonamiento se envíen al proveedor. Recomendado. |
reasoning.effort: "none" | "reasoning": {"effort": "none"} | Se pasa al proveedor, que decide cómo gestionarlo. Solo lo admiten algunos modelos (p. ej., GPT-5.x). |
reasoning.enabled: false es la opción más fiable:
| Modelo | ¿Se puede desactivar? |
|---|
| GPT-5.2 | Sí |
| GPT-5.2 Codex, GPT-5.3 Codex | Sí (pero el esfuerzo none no es compatible) |
| Qwen 3 235B A22B Thinking, Qwen 3.5 35B A3B | Sí |
| Serie GLM 5.1 | Sí |
| Claude Opus 4.5/4.6/4.6 Fast, Sonnet 4.5/4.6 | No (siempre razona) |
| Gemini 3 Pro, 3.1 Pro, 3 Flash | No (siempre razona) |
| DeepSeek R1 | No (siempre razona) |
response = client.chat.completions.create(
model="openai-gpt-52",
messages=[{"role": "user", "content": "What's the capital of France?"}],
extra_body={"reasoning": {"enabled": False}}
)
Límites de tokens
Los modelos de razonamiento generan tokens visibles de respuesta (en content) y tokens de razonamiento (en reasoning_content). Ambos cuentan para tu presupuesto de tokens.
Establecer un tope de tokens
Usa max_completion_tokens para limitar el número total de tokens que el modelo genera, incluido el razonamiento:
{
"model": "deepseek-v4-flash",
"messages": [...],
"max_completion_tokens": 500
}
max_tokens también se acepta y se comporta igual. Si se establecen ambos, max_completion_tokens tiene prioridad.
Para obtener más salida visible, sube el tope, baja reasoning_effort o desactiva el razonamiento.
Leer el desglose
El objeto usage muestra cómo se gastó tu presupuesto:
"usage": {
"completion_tokens": 501,
"completion_tokens_details": { "reasoning_tokens": 169 },
"prompt_tokens": 13,
"total_tokens": 514
}
finish_reason es length.
El límite superior de cada modelo está disponible como maxCompletionTokens en el endpoint /v1/models.
Modelos sin razonamiento
max_tokens y max_completion_tokens se comportan igual en modelos sin razonamiento, limitando la salida visible directamente.
Descubrir capacidades
Comprueba qué admite un modelo mediante el endpoint /v1/models:
| Campo | Significado |
|---|
supportsReasoning | El modelo tiene capacidad de razonamiento (cadena de pensamiento) |
supportsReasoningEffort | El modelo acepta el parámetro reasoning_effort / reasoning.effort |
Mejores prácticas
- Por defecto, usa
medium para uso general
- Usa
high o xhigh para tareas complejas (matemáticas, código, análisis)
- Usa
low para aplicaciones sensibles a la latencia
- Usa
reasoning.enabled: false o establece el effort en none para desactivar el razonamiento
- En caso de duda, usa
low, medium o high. Son los valores más ampliamente admitidos
