Modelos de raciocínio

Alguns modelos pensam em voz alta antes de responder. Eles resolvem problemas passo a passo e então dão a resposta final. Isso os torna mais fortes em matemática, código e tarefas intensivas em lógica.

Veja a lista completa de modelos, preços e limites de contexto na página de modelos. Nem todos os modelos de raciocínio suportam o parâmetro reasoning_effort. Veja suporte por modelo para detalhes.

Lendo a saída

Modelos de raciocínio retornam seu pensamento em um campo separado reasoning_content, mantendo content limpo:

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

const response = await client.chat.completions.create({
    model: "zai-org-glm-5-1",
    messages: [{ role: "user", content: "What is 15% of 240?" }]
});

const thinking = response.choices[0].message.reasoning_content;
const answer = response.choices[0].message.content;

curl https://api.venice.ai/api/v1/chat/completions \
  -H "Authorization: Bearer $VENICE_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "zai-org-glm-5-1",
    "messages": [{"role": "user", "content": "What is 15% of 240?"}]
  }'

Alguns provedores (Anthropic, Google, OpenAI, Qwen) retornam tokens de raciocínio criptografados ou resumidos. Quando isso acontece, reasoning_content contém um placeholder "[Some reasoning content is encrypted]".

Streaming

Ao fazer streaming, reasoning_content chega no delta antes da resposta 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="")

const stream = await client.chat.completions.create({
    model: "zai-org-glm-5-1",
    messages: [{ role: "user", content: "Explain photosynthesis" }],
    stream: true
});

for await (const chunk of stream) {
    if (chunk.choices?.[0]?.delta) {
        const delta = chunk.choices[0].delta;
        if (delta.reasoning_content) process.stdout.write(delta.reasoning_content);
        if (delta.content) process.stdout.write(delta.content);
    }
}

curl https://api.venice.ai/api/v1/chat/completions \
  -H "Authorization: Bearer $VENICE_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "zai-org-glm-5-1",
    "messages": [{"role": "user", "content": "Explain photosynthesis"}],
    "stream": true
  }'

Esforço de raciocínio

O parâmetro reasoning_effort controla quanto pensamento um modelo faz antes de responder. Maior esforço significa raciocínio mais profundo, mas mais tokens e latência.

Valores aceitos

Valor	Descrição
`none`	Desabilita o raciocínio por completo
`minimal`	Raciocínio básico com esforço mínimo
`low`	Raciocínio leve para problemas simples
`medium`	Raciocínio balanceado para complexidade moderada
`high`	Raciocínio profundo para problemas complexos
`xhigh`	Profundidade de raciocínio extra alta
`max`	Capacidade máxima de raciocínio

Nem todos os modelos suportam todos os valores. Se você enviar um valor que um modelo não suporta, a Venice pode ajustá-lo para um nível suportado. Alguns modelos, em vez disso, retornam um erro 400 que lista os valores suportados.Em caso de dúvida, use low, medium ou high. Esses são os valores mais amplamente suportados.

Suporte por modelo

Os valores suportados mudam à medida que modelos são adicionados e atualizados, então leia-os do endpoint /v1/models em vez de fixá-los no código. Cada modelo que aceita reasoning_effort os lista em model_spec.capabilities:

Campo	Significado
`reasoningEffortOptions`	Os valores de `reasoning_effort` que o modelo suporta. Se incluir `none`, o raciocínio pode ser desabilitado
`defaultReasoningEffort`	O valor usado quando a requisição não define um

Ambos os campos estão presentes apenas quando supportsReasoningEffort é true.

curl -s "https://api.venice.ai/api/v1/models?type=text" \
  | jq '.data[]
    | select(.model_spec.capabilities.supportsReasoningEffort)
    | {id, options: .model_spec.capabilities.reasoningEffortOptions,
       default: .model_spec.capabilities.defaultReasoningEffort}'

{
  "id": "zai-org-glm-5-1",
  "options": ["none", "low", "medium", "high"],
  "default": "low"
}

Uso

Passe reasoning_effort como parâmetro de nível superior ou use o formato aninhado 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"}}
)

const response = await client.chat.completions.create({
    model: "minimax-m25",
    messages: [{ role: "user", content: "Prove that there are infinitely many primes" }],
    reasoning: { effort: "high" }
});

curl https://api.venice.ai/api/v1/chat/completions \
  -H "Authorization: Bearer $VENICE_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "minimax-m25",
    "messages": [{"role": "user", "content": "Prove that there are infinitely many primes"}],
    "reasoning": {"effort": "high"}
  }'

O formato plano "reasoning_effort": "high" também é aceito.

Desabilitando o raciocínio

Há duas formas de desabilitar o raciocínio:

Método	Sintaxe	Como funciona
`reasoning.enabled: false`	`"reasoning": {"enabled": false}`	Toggle no nível da Venice que impede o envio de parâmetros de raciocínio ao provedor. Recomendado.
`reasoning.effort: "none"`	`"reasoning": {"effort": "none"}`	Passado ao provedor, que decide como lidar. Suportado apenas por alguns modelos (por exemplo, GPT-5.x).

Para modelos que suportam, reasoning.enabled: false é a opção mais confiável:

Modelo	Pode desabilitar?
GPT-5.2	Sim
GPT-5.3 Codex	Sim
Qwen 3 235B A22B Thinking, Qwen 3.5 35B A3B	Sim
Família GLM 5.1	Sim
Claude Opus 4.5/4.6/4.6 Fast, Sonnet 4.5/4.6	Não (sempre raciocina)
Gemini 3.1 Pro, 3 Flash	Não (sempre raciocina)

response = client.chat.completions.create(
    model="openai-gpt-52",
    messages=[{"role": "user", "content": "What's the capital of France?"}],
    extra_body={"reasoning": {"enabled": False}}
)

const response = await client.chat.completions.create({
    model: "openai-gpt-52",
    messages: [{ role: "user", content: "What's the capital of France?" }],
    reasoning: { enabled: false }
});

curl https://api.venice.ai/api/v1/chat/completions \
  -H "Authorization: Bearer $VENICE_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "openai-gpt-52",
    "messages": [{"role": "user", "content": "What is the capital of France?"}],
    "reasoning": {"enabled": false}
  }'

Limites de tokens

Modelos de raciocínio geram tokens de resposta visível (em content) e tokens de raciocínio (em reasoning_content). Ambos contam para seu orçamento de tokens.

Definindo um limite de tokens

Use max_completion_tokens para limitar o número total de tokens que o modelo gera, incluindo o raciocínio:

{
  "model": "deepseek-v4-flash",
  "messages": [...],
  "max_completion_tokens": 500
}

max_tokens também é aceito e se comporta da mesma forma. Se ambos forem definidos, max_completion_tokens tem precedência. Para obter mais saída visível, aumente o limite, reduza reasoning_effort ou desabilite o raciocínio.

Lendo o detalhamento

O objeto usage mostra como seu orçamento foi gasto:

"usage": {
  "completion_tokens": 501,
  "completion_tokens_details": { "reasoning_tokens": 169 },
  "prompt_tokens": 13,
  "total_tokens": 514
}

Neste exemplo, 169 tokens foram gastos em raciocínio e 332 na resposta visível. Quando o limite é atingido, finish_reason é length. O limite superior de cada modelo está disponível como maxCompletionTokens no endpoint /v1/models.

Modelos sem raciocínio

max_tokens e max_completion_tokens se comportam da mesma forma em modelos sem raciocínio, limitando diretamente a saída visível.

Descoberta de capacidades

Verifique o que um modelo suporta pelo endpoint /v1/models:

Campo	Significado
`supportsReasoning`	O modelo tem capacidade de raciocínio (chain-of-thought)
`supportsReasoningEffort`	O modelo aceita o parâmetro `reasoning_effort` / `reasoning.effort`
`reasoningEffortOptions`	Valores de effort suportados (veja suporte por modelo)
`defaultReasoningEffort`	Effort usado quando a requisição não define um

Melhores práticas

Use medium como padrão para uso geral
Use high ou xhigh para tarefas complexas (matemática, código, análise)
Use low para aplicações sensíveis à latência
Use reasoning.enabled: false ou defina effort como none para desabilitar o raciocínio
Em caso de dúvida, use low, medium ou high. Esses são os valores mais amplamente suportados.

Documentação

Primeiros passos

Texto e chat

Imagem

Vídeo

Áudio

Pesquisa e RAG

Agentes e integrações

Ferramentas de código

Ferramentas para agentes

SDKs e frameworks

Lendo a saída

Streaming

Esforço de raciocínio

Valores aceitos

Suporte por modelo

Uso

Desabilitando o raciocínio

Limites de tokens

Definindo um limite de tokens

Lendo o detalhamento

Modelos sem raciocínio

Descoberta de capacidades

Melhores práticas

​Lendo a saída

​Streaming

​Esforço de raciocínio

​Valores aceitos

​Suporte por modelo

​Uso

​Desabilitando o raciocínio

​Limites de tokens

​Definindo um limite de tokens

​Lendo o detalhamento

​Modelos sem raciocínio

​Descoberta de capacidades

​Melhores práticas

Lendo a saída

Streaming

Esforço de raciocínio

Valores aceitos

Suporte por modelo

Uso

Desabilitando o raciocínio

Limites de tokens

Definindo um limite de tokens

Lendo o detalhamento

Modelos sem raciocínio

Descoberta de capacidades

Melhores práticas