开始/Advanced

推理与深度思考模型

像 DeepSeek-R1 和 OpenAI o1/o3 这样的推理模型，在输出最终答案前会先进行一番“思考”并输出中间逻辑。本指南介绍如何在 Sozdai 中控制推理粒度并获取思考过程。

#1. 思考过程 (reasoning_content)

对于 DeepSeek-R1 等输出原生思考内容的模型，Sozdai 在返回的 Choice 结构中，额外增加了 `reasoning_content` 字段。这使您可以将思考步骤与最终答案拆开，在前端页面以折叠框（Accordion）形式呈现思考过程。

json

{
  "id": "chatcmpl-456",
  "object": "chat.completion",
  "model": "deepseek-reasoner",
  "choices": [
    {
      "index": 0,
      "message": {
        "role": "assistant",
        "content": "The final answer is: 42.",
        "reasoning_content": "We need to calculate the meaning of life, which is a known constant..."
      },
      "finish_reason": "stop"
    }
  ],
  "usage": {
    "prompt_tokens": 15,
    "completion_tokens": 120,
    "total_tokens": 135
  }
}

#2. 流式返回处理 (SSE Chunk)

在流式输出模式下（`stream: true`），模型会先以流的方式持续输出 `reasoning_content`。当思考结束后，返回的 delta 会变为正常的 `content`。您的代码需要监听并累加这两类字段：

text

data: {"id":"chatcmpl-456","object":"chat.completion.chunk","choices":[{"index":0,"delta":{"reasoning_content":"Thinking step..."}}],"model":"deepseek-reasoner"}

data: {"id":"chatcmpl-456","object":"chat.completion.chunk","choices":[{"index":0,"delta":{"content":"Final answer..."}}],"model":"deepseek-reasoner"}

#3. 控制推理力度 (reasoning_effort)

部分模型（如 OpenAI o3-mini 等）支持调节思考时长以控制推理精度。您可以在请求体中加入 `reasoning_effort` 参数，可选值有：

low: 较少的推理步骤，生成速度快，费用低。
medium: 默认均衡。
high: 充分的深度思考，适合极其复杂的数学、逻辑、编程难题，思考 token 较多。

计费提示

思考过程中消耗的所有 reasoning tokens 均按输出 token 价格计费。在设置 high 推理力度时，由于思考长，费用可能相应上升，请合理调控。