推理（Reasoning）

推理（Reasoning）模型面向更复杂的任务场景，例如数学解题、代码生成、逻辑分析和多步推理。它们提供兼容 OpenAI 的接口，并支持流式输出，便于接入现有应用。代表性模型包括：

Qwen/Qwen3.6-27B
zai-org/glm-5.3
kimi-k2.6

完整模型列表和价格请以模型广场为准。

核心能力

结构化思考：通过思维链（CoT）把复杂问题拆解成更小、更清晰的步骤。
知识融合：将通用知识与领域特定上下文相结合，以提升覆盖面与准确性。
自我纠错：在生成过程中加入校验和反思过程，提升结果可靠性。
多模态处理：部分模型支持混合输入（文本、代码、公式等）；具体请参见相应的模型详情。

使用说明

在投入生产前，请查看每个模型的上下文限制、是否支持 thinking_budget、定价以及并发限制。
部分模型会在单独的 reasoning 字段中返回推理内容；但并非所有模型都会返回 reasoning 字段。部分通用对话模型，例如 deepseek-ai/deepseek-v4-pro，会直接给出答案，而不会单独暴露推理过程。

关键参数

参数说明

请求参数
- thinking_budget：用于内部推理的 token 预算，可用来平衡推理深度与响应延迟。
- max_completion_tokens：生成侧总预算，包含推理 Tokens 和可见输出 Tokens，用于控制本次请求的最大生成量。
上下文 不同模型支持的最大上下文长度可通过模型广场查看。
响应字段
- reasoning：思维链内容，在响应对象中与 content 同级。
- content：面向最终用户展示的最终答案内容。

使用建议

thinking_budget 是一个提示（hint），而不是硬性限制。有些模型会参考它来调整推理量，也有些模型可能只部分采用，甚至忽略这一设置，因此不要把它当作精确限额使用。
推理过程和最终答案共享 max_completion_tokens 预算。如果 max_completion_tokens 设置过小，推理内容可能会耗尽预算，导致 content 为空，且 finish_reason: length。建议适当放宽 max_completion_tokens，或通过 thinking_budget 控制推理长度，为最终答案预留足够空间。
如果输出超过 max_completion_tokens，或总输入超过 context_length，响应将被截断，且 finish_reason 将被设置为 length。

注意事项

流式与非流式：需要长输出或实时反馈时使用流式；需要一次性拿到完整结果时使用非流式。
延迟与稳定性：可通过调整 thinking_budget、max_completion_tokens 和客户端超时时间，降低 504 错误和请求超时的风险。
配额与并发：结合定价，参考模型广场配置限流策略；必要时在客户端实现指数退避。

计费

公式：费用 = 输入 Tokens × 输入单价 + 输出 Tokens × 输出单价其中，输出 Tokens 包含推理 Tokens 和可见输出 Tokens。即使推理 Tokens 不作为可见内容返回，也会进入平台用量统计，并按对应模型的输出单价参与计费。如果请求命中或写入 Prompt Caching，缓存读 / 缓存写会按对应模型的缓存单价计费。
价格：各模型的输入和输出单价可能不同，具体价格请在模型广场的模型详情页查看。
说明：关于推理 Tokens、输出 Tokens 和 max_completion_tokens 的关系，请参见 Token 用量与计费说明。

调用示例

示例使用环境变量读取 API Key，避免将密钥写入代码。

export API_KEY="YOUR_API_KEY"

流式请求

import os
from openai import OpenAI

BASE_URL = "https://api.siflow.cn/model-api"
API_KEY = os.environ["API_KEY"]

client = OpenAI(base_url=BASE_URL, api_key=API_KEY)

messages = [{"role": "user", "content": "Which is the largest anime website in China?"}]

content = ""
reasoning = ""

resp = client.chat.completions.create(
    model="Qwen/Qwen3.6-27B",
    messages=messages,
    stream=True,
    max_completion_tokens=4096,
    extra_body={"thinking_budget": 1024},
)

for chunk in resp:
    if not chunk.choices:
        continue
    delta = chunk.choices[0].delta
    if getattr(delta, "content", None):
        content += delta.content
        print(delta.content, end="", flush=True)
    if getattr(delta, "reasoning", None):
        reasoning += delta.reasoning

# Optionally persist the reasoning text for debugging/audit

# Round 2 (continue the conversation)
messages.append({"role": "assistant", "content": content})
messages.append({"role": "user", "content": "Continue"})

resp2 = client.chat.completions.create(
    model="Qwen/Qwen3.6-27B",
    messages=messages,
    stream=True,
)

for chunk in resp2:
    if not chunk.choices:
        continue
    delta = chunk.choices[0].delta
    if getattr(delta, "content", None):
        print(delta.content, end="", flush=True)

非流式请求

import os
from openai import OpenAI

BASE_URL = "https://api.siflow.cn/model-api"
API_KEY = os.environ["API_KEY"]

client = OpenAI(base_url=BASE_URL, api_key=API_KEY)

messages = [{"role": "user", "content": "Which is the largest anime website in China?"}]

resp = client.chat.completions.create(
    model="Qwen/Qwen3.6-27B",
    messages=messages,
    stream=False,
    max_completion_tokens=4096,
    extra_body={"thinking_budget": 1024},
)

content = resp.choices[0].message.content
reasoning = getattr(resp.choices[0].message, "reasoning", "")
finish_reason = resp.choices[0].finish_reason

# Round 2 (continue the conversation)
messages.append({"role": "assistant", "content": content})
messages.append({"role": "user", "content": "Continue"})

resp2 = client.chat.completions.create(
    model="Qwen/Qwen3.6-27B",
    messages=messages,
    stream=False,
)

print(resp2.choices[0].message.content)

常见问题

如何处理超长文本？

调整 max_completion_tokens 并启用 stream=True 以降低超时风险；上下文限制因模型而异，具体请以模型广场为准。

如果思维链过长而被截断怎么办？

降低 thinking_budget 或增大客户端超时时间，并确保将 max_completion_tokens 设置为一个合理的值。

为什么可见回答很短，但 token 消耗很多？

推理模型会在生成最终答案前消耗推理 Tokens。推理 Tokens 可能不作为可见内容返回，但会计入输出 Tokens，并按输出单价参与计费。更多说明请参见 Token 用量与计费说明。

为什么响应中没有 reasoning 字段？

只有部分推理模型会返回该字段；请参见各模型的文档。

开始使用

模型

用量

API 指南

工具集成

文档工具

推理（Reasoning）

核心能力

使用说明

关键参数

参数说明

使用建议

注意事项

计费

调用示例

流式请求

非流式请求

常见问题

​核心能力

​使用说明

​关键参数

​参数说明

​使用建议

​注意事项

​计费

​调用示例

​流式请求

​非流式请求

​常见问题

核心能力

使用说明

关键参数

参数说明

使用建议

注意事项

计费

调用示例

流式请求

非流式请求

常见问题