某些模型在回答之前会大声思考。它们一步步推理问题，然后给出最终答案。这使得它们在数学、代码和逻辑密集型任务上表现更强。
完整的模型列表、定价和上下文限制请参阅模型页面。并非所有推理模型都支持 reasoning_effort 参数。详情请参阅模型支持。
读取输出
推理模型在单独的 reasoning_content 字段中返回它们的思考，保持 content 干净：
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
某些提供商（Anthropic、Google、OpenAI、Qwen）返回加密或摘要的推理 token。发生时，reasoning_content 包含 "[Some reasoning content is encrypted]" 占位符。
reasoning_content 在最终答案之前的 delta 中到达：
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="")
推理强度
reasoning_effort 参数控制模型在响应之前进行多少思考。更高的强度意味着更深入的推理，但需要更多 token 和更长延迟。
接受的值
| 值 | 说明 |
|---|
none | 完全禁用推理 |
minimal | 最低限度的基本推理 |
low | 用于简单问题的轻度推理 |
medium | 中等复杂度的平衡推理 |
high | 用于复杂问题的深入推理 |
xhigh | 超高推理深度 |
max | 最大推理能力 |
并非所有模型都支持所有值。Venice 不会自动映射到最接近的支持级别。不支持的值会从上游提供商返回 400 错误。例如，向 Claude 发送 xhigh 或向 GPT-5.2 发送 max 都会失败。不确定时，请使用 low、medium 或 high。这些是最广泛支持的值。
模型支持
OpenAI
| 模型 | 支持的值 |
|---|
| GPT-5.2 | none、low、medium、high、xhigh |
| GPT-5.2 Codex、GPT-5.3 Codex | low、medium、high、xhigh |
Anthropic
| 模型 | 支持的值 |
|---|
| 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
| 模型 | 支持的值 |
|---|
| Gemini 3 Pro Preview | low、high |
| Gemini 3.1 Pro Preview | low、medium、high |
| Gemini 3 Flash Preview | minimal、low、medium、high |
xAI
Grok 模型（Grok 4.1 Fast、Grok Code Fast）不支持 reasoning_effort。指定它将导致错误。
其他模型
| 模型 | 支持的值 |
|---|
| 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 系列 | 仅内置推理，不可配置 |
| DeepSeek R1 | 仅内置推理，不可配置 |
使用方式
将 reasoning_effort 作为顶层参数传递，或使用嵌套的 reasoning.effort 格式：
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"。
禁用推理
有两种方法可以禁用推理：
| 方法 | 语法 | 工作方式 |
|---|
reasoning.enabled: false | "reasoning": {"enabled": false} | Venice 级别的开关，可防止推理参数被发送到提供商。推荐。 |
reasoning.effort: "none" | "reasoning": {"effort": "none"} | 传递给提供商，由其决定如何处理。仅部分模型支持（如 GPT-5.x）。 |
reasoning.enabled: false 是更可靠的选项：
| 模型 | 可以禁用？ |
|---|
| GPT-5.2 | 是 |
| GPT-5.2 Codex、GPT-5.3 Codex | 是（但不支持 none effort） |
| Qwen 3 235B A22B Thinking、Qwen 3.5 35B A3B | 是 |
| GLM 5.1 系列 | 是 |
| Claude Opus 4.5/4.6/4.6 Fast、Sonnet 4.5/4.6 | 否（始终推理） |
| Gemini 3 Pro、3.1 Pro、3 Flash | 否（始终推理） |
| DeepSeek R1 | 否（始终推理） |
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 限制
推理模型生成可见答案 token（在 content 中）和推理 token（在 reasoning_content 中）。两者都计入您的 token 预算。
设置 token 上限
使用 max_completion_tokens 限制模型生成的总 token 数（包括推理）：
{
"model": "deepseek-v4-flash",
"messages": [...],
"max_completion_tokens": 500
}
max_tokens 也被接受并行为相同。如果两者都设置，max_completion_tokens 优先。
要获得更多可见输出，请提高上限、降低 reasoning_effort，或禁用推理。
读取细分
usage 对象显示您的预算如何分配：
"usage": {
"completion_tokens": 501,
"completion_tokens_details": { "reasoning_tokens": 169 },
"prompt_tokens": 13,
"total_tokens": 514
}
finish_reason 为 length。
每个模型的上限可在 /v1/models 端点上以 maxCompletionTokens 字段获取。
非推理模型
在非推理模型上，max_tokens 和 max_completion_tokens 行为相同，直接限制可见输出。
能力发现
通过 /v1/models 端点检查模型支持什么：
| 字段 | 含义 |
|---|
supportsReasoning | 模型具备推理能力（chain-of-thought） |
supportsReasoningEffort | 模型接受 reasoning_effort / reasoning.effort 参数 |
最佳实践
- 通用情况默认
medium
- 复杂任务（数学、代码、分析）使用
high 或 xhigh
- 延迟敏感的应用使用
low
- 使用
reasoning.enabled: false 或将 effort 设为 none 来禁用推理
- 不确定时，使用
low、medium 或 high。这些是最广泛支持的值
