推理模型

推理模型（Reasoning Models）会先进行深度思考，再给出答案。相比普通模型，推理模型在数学、逻辑、编程及复杂规划等任务上表现更佳，但响应较慢且消耗更多 Token。

推理模型（Reasoning Models）会先进行深度思考，再给出答案。相比普通模型，推理模型在数学、逻辑、编程及复杂规划等任务上表现更佳，但响应较慢且消耗更多 Token。

典型推理模型包括 OpenAI 的 o 系列、DeepSeek-R1、Claude 的思考模式及 Gemini 的 thinking 等。

​

推理模型的特点

	普通模型	推理模型
响应方式	直接给出答案	先内部思考，再给出答案
擅长领域	通用对话、写作、翻译	数学、逻辑推理、编程、复杂问题
响应速度	较快	较慢（需时间思考）
成本	较低	较高（思考过程亦消耗 Token）

思考过程本身会消耗输出 Token，因此推理模型通常更昂贵。简单任务应使用普通模型，避免资源浪费。

​

控制推理强度：reasoning_effort

OpenAI 风格的推理模型支持 reasoning_effort 参数，用于控制思考深度：

{
  "model": "gpt-5.4",
  "messages": [
    {"role": "user", "content": "一个农夫要带狼、羊、白菜过河……请给出完整解法。"}
  ],
  "reasoning_effort": "high"
}

reasoning_effort 常见取值：

值	含义	适用场景
low	较少思考，速度快、成本低	相对简单的推理任务
medium	中等思考（常为默认）	一般推理任务
high	深度思考，速度慢、成本高、质量高	高难度数学、逻辑或编程

具体支持哪些取值取决于模型，以模型能力为准。

​

获取思考内容：reasoning_content

部分推理模型（如 DeepSeek-R1）将思考过程与最终答案分开返回：

• 最终答案位于 choices[0].message.content。
• 思考过程位于 choices[0].message.reasoning_content。

非流式响应示例：

{
  "choices": [
    {
      "message": {
        "role": "assistant",
        "reasoning_content": "让我逐步分析：农夫先带羊过河……",
        "content": "解法如下：\n1. 先带羊过河\n2. ……"
      },
      "finish_reason": "stop"
    }
  ]
}

​

Python 示例

将 API_KEY 中的 sk-your-api-key 整段替换为实际密钥；需要使用其他推理模型时，修改 MODEL。reasoning_content 并非每个模型都会返回，因此通过 getattr 安全读取。

import httpx
from openai import OpenAI

API_KEY = "sk-your-api-key"
MODEL = "deepseek-v4-flash"

client = OpenAI(
    api_key=API_KEY,
    base_url="https://moxus.cloud/v1",
    # 直接连接 Moxus AI，不读取系统或终端代理环境变量。
    http_client=httpx.Client(trust_env=False, timeout=60.0),
)

resp = client.chat.completions.create(
    model=MODEL,
    messages=[{"role": "user", "content": "证明勾股定理"}],
)
msg = resp.choices[0].message

reasoning = getattr(msg, "reasoning_content", None)
if reasoning:
    print("【思考过程】", reasoning)
print("【最终答案】", msg.content)

​

Node.js 示例

将 API_KEY 中的 sk-your-api-key 整段替换为实际密钥；需要使用其他推理模型时，修改 MODEL。reasoning_content 是部分模型返回的扩展字段，因此先判断其是否存在。

import OpenAI from "openai";

const API_KEY = "sk-your-api-key";
const MODEL = "deepseek-v4-flash";

const client = new OpenAI({
  apiKey: API_KEY,
  baseURL: "https://moxus.cloud/v1",
});

const response = await client.chat.completions.create({
  model: MODEL,
  messages: [{ role: "user", content: "证明勾股定理" }],
});

const message = response.choices[0].message;
if (message.reasoning_content) {
  console.log("【思考过程】", message.reasoning_content);
}
console.log("【最终答案】", message.content);

是否返回 reasoning_content 及其字段位置取决于具体模型。如应用仅需最终答案，使用 content 即可，可忽略思考内容。

​

Claude 思考模式

Claude 系列通过 thinking 参数启用扩展思考（调用 Anthropic 原生 /v1/messages 接口时）：

{
  "model": "claude-opus-4-6",
  "max_tokens": 4096,
  "thinking": {
    "type": "enabled",
    "budget_tokens": 2000
  },
  "messages": [
    {"role": "user", "content": "设计一个高并发短链服务的架构"}
  ]
}

• budget_tokens：分配给思考过程的 Token 预算。

​

Gemini 思考配置

Gemini 系列支持 thinkingBudget 或 thinkingConfig 控制思考程度（调用 Gemini 原生接口时）。具体字段以 Gemini 模型文档为准，网关将透传这些参数。

​

流式模式下的思考内容

流式模式下，思考内容通常以增量形式先于最终答案返回。可分别拼接 delta.reasoning_content 与 delta.content，实现「先展示思考、再展示答案」的效果。

​

使用建议

• 按任务复杂度选择模型。数学证明、复杂逻辑、算法题、多步规划使用推理模型；日常问答、翻译、改写使用普通模型。
• 控制预算。使用 reasoning_effort 或 budget_tokens 将思考量控制在必要范围内。
• 注意成本。思考过程计入输出 Token，账单会更高，应在 用量日志 中关注。
• 思考内容是否展示。可按产品需求决定是否向用户展示思考过程。展示可增加可信度，隐藏可使界面更简洁。

​

后续步骤

• 图像理解与生成：参阅 视觉与图像生成。
• 约束返回 JSON：参阅 结构化输出。