思考强度设置

deepseek-v4.1 在给出答案前会先做一段内部推演，再写正文。平台按模型官方默认行为提供：不传任何参数时思考是开着的，档位为 high。推演越深，耗时越长、消耗的 token 越多；简单问答、批量处理、对时延敏感的自动化流程建议降档或关闭。

在请求体里加上 reasoning_effort 即可。不传该参数时按模型默认（high）处理。

curl https://api.qiyuanapi.cc/v1/chat/completions \
  -H "Authorization: Bearer $API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "deepseek-v4.1",
    "messages": [{"role": "user", "content": "你的问题"}],
    "reasoning_effort": "low"
  }'

{
  "model": "deepseek-v4.1",
  "messages": [{"role": "user", "content": "把这段话翻译成英文：..."}],
  "reasoning_effort": "none"
}

• none —— 不思考，直接作答。翻译、改写、分类、抽取这类确定性任务用它最快最省
• low —— 浅推演。日常问答、常规编码，实测多数问题 1 秒内起笔
• high —— 模型默认档，不传参数即为此档。覆盖绝大多数场景
• xhigh / max —— 深推演。数学证明、复杂调试、多步规划时使用；耗时与 token 消耗明显上升
• 客户端发 OpenAI 标准的 minimal / medium 也可以，平台会自动映射为 low / high，不会报错
• Claude Code 等 Anthropic 协议客户端用 thinking.budget_tokens 控制，平台会翻译成对应档位；不传即为默认开

思考和正文共用一次请求的输出额度。若额度很小，推演还没结束就触及上限，正文会是空的、finish_reason 为 length。

• 开着思考时，max_tokens 建议不低于 4000；xhigh / max 建议 12000 以上
• 平台内置护栏：使用 xhigh 且 max_tokens 低于 8000 时，会自动抬高到 12000
• 不传 max_tokens 时由模型按上下文上限兜底，本来就够
• 只想要短答案又不想等，正确做法是 reasoning_effort: none，而不是把 max_tokens 调小

对需要连续调用几十上百次的自动化流程，单次耗时的稳定性比平均值更重要——任何一次长尾都会累加进任务总时长。这类场景建议显式传 low，需要深度推理的步骤再单独提到 high 或 xhigh。