Modelos de raciocínio

Use modelos de raciocínio da Venice que expõem tokens de cadeia de pensamento, controlam o esforço e mostram respostas passo a passo no chat.

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:

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?"}]
  }'

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:

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
  }'

​

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. A Venice não mapeia automaticamente para o nível compatível mais próximo. Valores não suportados retornam um erro 400 do provedor upstream. Por exemplo, enviar xhigh para o Claude ou max para o GPT-5.2 falhará.

Em caso de dúvida, use low, medium ou high. Esses são os valores mais amplamente suportados.

​

Suporte por modelo

​

OpenAI

Modelo	Valores suportados
GPT-5.2	none, low, medium, high, xhigh
GPT-5.2 Codex, GPT-5.3 Codex	low, medium, high, xhigh

​

Anthropic

Modelo	Valores suportados
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 suportados
Gemini 3 Pro Preview	low, high
Gemini 3.1 Pro Preview	low, medium, high
Gemini 3 Flash Preview	minimal, low, medium, high

​

xAI

Modelos Grok (Grok 4.1 Fast, Grok Code Fast) não suportam reasoning_effort. Especificá-lo resultará em erro.

​

Outros modelos

Modelo	Valores suportados
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
Família GLM 5.1	Raciocínio integrado apenas, não configurável
DeepSeek R1	Raciocínio integrado apenas, não configurável

​

Uso

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

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-5.2 Codex, GPT-5.3 Codex	Sim (mas effort none não é suportado)
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 Pro, 3.1 Pro, 3 Flash	Não (sempre raciocina)
DeepSeek R1	Não (sempre raciocina)

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}
  }'

​

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

​

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.