Alcuni modelli pensano ad alta voce prima di rispondere. Lavorano sui problemi passo dopo passo, quindi forniscono una risposta finale. Questo li rende più forti su matematica, codice e compiti ad alto contenuto logico.
Consulta l’elenco completo dei modelli, dei prezzi e dei limiti di contesto nella pagina Modelli. Non tutti i modelli di ragionamento supportano il parametro reasoning_effort. Vedi il supporto dei modelli per i dettagli.
Leggere l’output
I modelli di ragionamento restituiscono il loro thinking in un campo separato reasoning_content, mantenendo content pulito:
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
Alcuni provider (Anthropic, Google, OpenAI, Qwen) restituiscono token di ragionamento cifrati o riassunti. Quando questo accade, reasoning_content contiene un placeholder "[Some reasoning content is encrypted]".
Streaming
In streaming, reasoning_content arriva nel delta prima della risposta 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="")
Reasoning effort
Il parametro reasoning_effort controlla quanto thinking fa un modello prima di rispondere. Più sforzo significa ragionamento più profondo ma più token e latenza.
Valori accettati
| Valore | Descrizione |
|---|
none | Disabilita completamente il ragionamento |
minimal | Ragionamento di base con sforzo minimo |
low | Ragionamento leggero per problemi semplici |
medium | Ragionamento bilanciato per complessità moderata |
high | Ragionamento profondo per problemi complessi |
xhigh | Profondità di ragionamento extra-alta |
max | Capacità di ragionamento massima |
Non tutti i modelli supportano tutti i valori. Venice non mappa automaticamente al livello supportato più vicino. I valori non supportati restituiscono un errore 400 dal provider upstream. Ad esempio, inviare xhigh a Claude o max a GPT-5.2 fallirà.In caso di dubbi, usa low, medium o high. Sono i valori più ampiamente supportati.
Supporto dei modelli
OpenAI
| Modello | Valori supportati |
|---|
| GPT-5.2 | none, low, medium, high, xhigh |
| GPT-5.2 Codex, GPT-5.3 Codex | low, medium, high, xhigh |
Anthropic
| Modello | Valori supportati |
|---|
| 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
| Modello | Valori supportati |
|---|
| Gemini 3 Pro Preview | low, high |
| Gemini 3.1 Pro Preview | low, medium, high |
| Gemini 3 Flash Preview | minimal, low, medium, high |
xAI
I modelli Grok (Grok 4.1 Fast, Grok Code Fast) non supportano reasoning_effort. Specificarlo comporterà un errore.
Altri modelli
| Modello | Valori supportati |
|---|
| 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 ragionamento integrato, non configurabile |
| DeepSeek R1 | Solo ragionamento integrato, non configurabile |
Utilizzo
Passa reasoning_effort come parametro di primo livello o usa il formato nidificato 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" è accettato.
Disabilitare il ragionamento
Ci sono due modi per disabilitare il ragionamento:
| Metodo | Sintassi | Come funziona |
|---|
reasoning.enabled: false | "reasoning": {"enabled": false} | Toggle a livello Venice che impedisce l’invio di parametri di ragionamento al provider. Consigliato. |
reasoning.effort: "none" | "reasoning": {"effort": "none"} | Passato al provider, che decide come gestirlo. Supportato solo da alcuni modelli (es. GPT-5.x). |
reasoning.enabled: false è l’opzione più affidabile:
| Modello | Disabilitabile? |
|---|
| GPT-5.2 | Sì |
| GPT-5.2 Codex, GPT-5.3 Codex | Sì (ma effort none non supportato) |
| Qwen 3 235B A22B Thinking, Qwen 3.5 35B A3B | Sì |
| Serie GLM 5.1 | Sì |
| Claude Opus 4.5/4.6/4.6 Fast, Sonnet 4.5/4.6 | No (ragiona sempre) |
| Gemini 3 Pro, 3.1 Pro, 3 Flash | No (ragiona sempre) |
| DeepSeek R1 | No (ragiona sempre) |
response = client.chat.completions.create(
model="openai-gpt-52",
messages=[{"role": "user", "content": "What's the capital of France?"}],
extra_body={"reasoning": {"enabled": False}}
)
Limiti di token
I modelli di ragionamento generano token di risposta visibili (in content) e token di ragionamento (in reasoning_content). Entrambi contano verso il tuo budget di token.
Impostare un limite di token
Usa max_completion_tokens per limitare il numero totale di token generati dal modello, ragionamento incluso:
{
"model": "deepseek-v4-flash",
"messages": [...],
"max_completion_tokens": 500
}
max_tokens è accettato e si comporta allo stesso modo. Se entrambi sono impostati, max_completion_tokens ha la precedenza.
Per ottenere più output visibile, alza il limite, abbassa reasoning_effort o disabilita il ragionamento.
Leggere il dettaglio
L’oggetto usage mostra come è stato speso il tuo budget:
"usage": {
"completion_tokens": 501,
"completion_tokens_details": { "reasoning_tokens": 169 },
"prompt_tokens": 13,
"total_tokens": 514
}
finish_reason è length.
Il limite superiore di ciascun modello è disponibile come maxCompletionTokens nell’endpoint /v1/models.
Modelli senza ragionamento
max_tokens e max_completion_tokens si comportano allo stesso modo sui modelli senza ragionamento, limitando direttamente l’output visibile.
Discovery delle capacità
Controlla cosa supporta un modello tramite l’endpoint /v1/models:
| Campo | Significato |
|---|
supportsReasoning | Il modello ha capacità di ragionamento (chain-of-thought) |
supportsReasoningEffort | Il modello accetta il parametro reasoning_effort / reasoning.effort |
Best practice
- Per uso generale, imposta come default
medium
- Usa
high o xhigh per compiti complessi (matematica, codice, analisi)
- Usa
low per applicazioni sensibili alla latenza
- Usa
reasoning.enabled: false o imposta effort su none per disabilitare il ragionamento
- In caso di dubbi, usa
low, medium o high. Sono i valori più ampiamente supportati
