推理模型

调用 Venice 推理模型，公开思维链 token、控制思考力度，并在 chat completions 中呈现逐步的答案。

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：

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?"}]
  }'

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。

​

流式

流式传输时，reasoning_content 在最终答案之前的 delta 中到达：

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
  }'

​

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：

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"}
  }'

也接受扁平格式 "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）。

对于支持的模型，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）

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}
  }'

​

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
}

在此示例中，169 个 token 用于推理，332 个用于可见答案。达到上限时，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