推理模型

平台上的推理模型（如 GLM-5.2、DeepSeek V4 系列）会在给出答案前先「思考」。思考过程与正文分开返回，思考消耗的 token 独立计量、计入输出计费。

思考过程的返回形式

OpenAI 协议

思考过程在 message.reasoning_content（流式为 delta.reasoning_content），正文在 content：

{
  "message": {
    "content": "ok",
    "reasoning_content": "用户要求只回复 ok，我应当……"
  },
  "usage": {
    "completion_tokens": 25,
    "completion_tokens_details": {"reasoning_tokens": 22, "text_tokens": 3}
  }
}

Anthropic 协议

思考过程以 thinking 内容块返回（流式为 thinking_delta 事件），正文在 text 块：

{
  "content": [
    {"type": "thinking", "thinking": "用户要求……", "signature": "..."},
    {"type": "text", "text": "ok"}
  ]
}

多轮对话注意事项

• 历史 assistant 消息原样回传即可，包括思考内容——需要裁剪时只删除整段思考块，不要改写其内部字段
• 历史思考块的协议兼容问题（缺 signature、空 content 等）由网关自动清洗，客户端无需处理

计量与预算

• 思考 token 计入 completion_tokens（细分见 completion_tokens_details.reasoning_tokens），按输出价计费
• max_tokens 的上限包含思考部分——推理模型建议把 max_tokens 设得比常规模型更大，避免思考占满预算后正文被截断

控制思考行为

不同模型对思考控制参数（如思考开关、思考长度）的支持不同，以模型库各模型详情页说明为准；不受支持的控制参数会被网关安全忽略，不会导致请求失败。