Modelos de razonamiento

Llama a los modelos de razonamiento de Venice con tokens de cadena de pensamiento, control del esfuerzo y respuestas paso a paso en chat.

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:

Python

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?"}]
  }'

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:

Python

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
  }'

​

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:

Python

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"}
  }'

También se acepta el formato plano "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).

Para los modelos que lo admiten, 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)

Python

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}
  }'

​

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
}

En este ejemplo, se gastaron 169 tokens en razonamiento y 332 en la respuesta visible. Cuando se alcanza el tope, 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