Certains modèles réfléchissent à voix haute avant de répondre. Ils résolvent les problèmes étape par étape, puis fournissent une réponse finale. Cela les rend plus performants pour les mathématiques, le code et les tâches de logique exigeante.
Consultez la liste complète des modèles, des tarifs et des limites de contexte sur la page Modèles. Tous les modèles de raisonnement ne prennent pas en charge le paramètre reasoning_effort. Voir la prise en charge des modèles pour plus de détails.
Lire la sortie
Les modèles de raisonnement renvoient leur chaîne de pensée dans un champ reasoning_content distinct, ce qui garde content propre :
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
Certains fournisseurs (Anthropic, Google, OpenAI, Qwen) renvoient des tokens de raisonnement chiffrés ou résumés. Dans ce cas, reasoning_content contient un substitut "[Some reasoning content is encrypted]".
Streaming
En mode streaming, reasoning_content arrive dans le delta avant la réponse finale :
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="")
Effort de raisonnement
Le paramètre reasoning_effort contrôle à quel point le modèle réfléchit avant de répondre. Un effort plus élevé signifie un raisonnement plus profond, mais davantage de tokens et de latence.
Valeurs acceptées
| Valeur | Description |
|---|
none | Désactive complètement le raisonnement |
minimal | Raisonnement basique avec un effort minimal |
low | Raisonnement léger pour les problèmes simples |
medium | Raisonnement équilibré pour une complexité modérée |
high | Raisonnement profond pour les problèmes complexes |
xhigh | Profondeur de raisonnement très élevée |
max | Capacité de raisonnement maximale |
Tous les modèles ne prennent pas en charge toutes les valeurs. Venice ne mappe pas automatiquement au niveau pris en charge le plus proche. Les valeurs non prises en charge renvoient une erreur 400 du fournisseur en amont. Par exemple, envoyer xhigh à Claude ou max à GPT-5.2 échouera.En cas de doute, utilisez low, medium ou high. Ce sont les valeurs les plus largement prises en charge.
Prise en charge des modèles
OpenAI
| Modèle | Valeurs prises en charge |
|---|
| GPT-5.2 | none, low, medium, high, xhigh |
| GPT-5.2 Codex, GPT-5.3 Codex | low, medium, high, xhigh |
Anthropic
| Modèle | Valeurs prises en charge |
|---|
| 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
| Modèle | Valeurs prises en charge |
|---|
| Gemini 3 Pro Preview | low, high |
| Gemini 3.1 Pro Preview | low, medium, high |
| Gemini 3 Flash Preview | minimal, low, medium, high |
xAI
Les modèles Grok (Grok 4.1 Fast, Grok Code Fast) ne prennent pas en charge reasoning_effort. Le spécifier entraînera une erreur.
Autres modèles
| Modèle | Valeurs prises en charge |
|---|
| 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 |
| Série GLM 5.1 | Raisonnement intégré uniquement, non configurable |
| DeepSeek R1 | Raisonnement intégré uniquement, non configurable |
Utilisation
Passez reasoning_effort comme paramètre de premier niveau ou utilisez le format imbriqué 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" est également accepté.
Désactiver le raisonnement
Il existe deux façons de désactiver le raisonnement :
| Méthode | Syntaxe | Fonctionnement |
|---|
reasoning.enabled: false | "reasoning": {"enabled": false} | Bascule au niveau Venice qui empêche les paramètres de raisonnement d’être envoyés au fournisseur. Recommandé. |
reasoning.effort: "none" | "reasoning": {"effort": "none"} | Transmis au fournisseur, qui décide comment le gérer. Pris en charge uniquement par certains modèles (par ex. GPT-5.x). |
reasoning.enabled: false est l’option la plus fiable :
| Modèle | Peut être désactivé ? |
|---|
| GPT-5.2 | Oui |
| GPT-5.2 Codex, GPT-5.3 Codex | Oui (mais l’effort none n’est pas pris en charge) |
| Qwen 3 235B A22B Thinking, Qwen 3.5 35B A3B | Oui |
| Série GLM 5.1 | Oui |
| Claude Opus 4.5/4.6/4.6 Fast, Sonnet 4.5/4.6 | Non (raisonne toujours) |
| Gemini 3 Pro, 3.1 Pro, 3 Flash | Non (raisonne toujours) |
| DeepSeek R1 | Non (raisonne toujours) |
response = client.chat.completions.create(
model="openai-gpt-52",
messages=[{"role": "user", "content": "What's the capital of France?"}],
extra_body={"reasoning": {"enabled": False}}
)
Limites de tokens
Les modèles de raisonnement génèrent des tokens de réponse visibles (dans content) et des tokens de raisonnement (dans reasoning_content). Les deux sont comptabilisés dans votre budget de tokens.
Définir un plafond de tokens
Utilisez max_completion_tokens pour plafonner le nombre total de tokens que le modèle génère, raisonnement compris :
{
"model": "deepseek-v4-flash",
"messages": [...],
"max_completion_tokens": 500
}
max_tokens est également accepté et se comporte de la même manière. Si les deux sont définis, max_completion_tokens prend la priorité.
Pour obtenir plus de sortie visible, augmentez le plafond, abaissez reasoning_effort, ou désactivez le raisonnement.
Lire le détail
L’objet usage montre comment votre budget a été dépensé :
"usage": {
"completion_tokens": 501,
"completion_tokens_details": { "reasoning_tokens": 169 },
"prompt_tokens": 13,
"total_tokens": 514
}
finish_reason vaut length.
La limite supérieure de chaque modèle est disponible sous maxCompletionTokens sur l’endpoint /v1/models.
Modèles sans raisonnement
max_tokens et max_completion_tokens se comportent de la même manière sur les modèles sans raisonnement, en plafonnant directement la sortie visible.
Découverte des capacités
Vérifiez ce qu’un modèle prend en charge via l’endpoint /v1/models :
| Champ | Signification |
|---|
supportsReasoning | Le modèle a une capacité de raisonnement (chaîne de pensée) |
supportsReasoningEffort | Le modèle accepte le paramètre reasoning_effort / reasoning.effort |
Bonnes pratiques
- Utilisez
medium par défaut pour un usage général
- Utilisez
high ou xhigh pour les tâches complexes (mathématiques, code, analyse)
- Utilisez
low pour les applications sensibles à la latence
- Utilisez
reasoning.enabled: false ou définissez l’effort à none pour désactiver le raisonnement
- En cas de doute, utilisez
low, medium ou high. Ce sont les valeurs les plus largement prises en charge
