O que é um modelo de raciocínio?

Um modelo de raciocínio resolve um problema em tokens de raciocínio intermediário antes de escrever sua resposta final. Isso melhora os resultados em tarefas de múltiplas etapas, como matemática, código e planejamento, utiliza mais tokens de saída e tempo, e configurações como esforço de raciocínio o controlam.

Conceitos

Como funciona um modelo de raciocínio

Um modelo de linguagem padrão começa a escrever sua resposta imediatamente. Um modelo de raciocínio primeiro gera uma sequência de etapas intermediárias, frequentemente chamadas de pensamento, e então escreve a resposta. Durante essa fase, ele pode dividir um problema em partes, realizar cálculos, testar uma abordagem e se corrigir antes de se comprometer com um resultado.

Raciocínio é uma capacidade, não um tipo separado de modelo. Um modelo de texto também pode ser um modelo de raciocínio, e muitos permitem que você ative ou desligue o raciocínio para cada solicitação. Alguns modelos sempre raciocinam, e nesses geralmente você pode ajustar o quanto.

Quando o raciocinar ajuda

O raciocinamento melhora os resultados nas tarefas com várias etapas dependentes:

  • problemas de matemática, análise quantitativa e lógica;
  • escrevendo, revisando e depurando código;
  • planejamento, e agentes que escolhem entre ferramentas ao longo de vários turnos;
  • Análise que pesa com informações longas ou conflitantes.

Ele acrescenta pouco a consultas simples, classificações, reescritas curtas ou conversas casuais, onde geralmente adiciona latência e tokens de saída. Para essas tarefas, reduza o esforço ou desligue o raciocínio.

Prompts para modelos de raciocínio funcionam melhor quando eles declaram o objetivo, as restrições e o formato esperado da resposta, deixando o planejamento para o modelo. Instruções detalhadas step-by-step geralmente são desnecessárias, porque a fase de raciocínio faz definir as etapas.

Controlar o quanto um modelo raciocina

EmpirioLabs AI expõe três controles, e cada modelo aceita os listados para ele nesta página:

  • raciocinação esforço define a profundidade com níveis nomeados como baixo, Médio e alto. Em muitos modelos, nenhum desliga o raciocínio. Os níveis disponíveis variam conforme o modelo.
  • thinking_budget define o maior número de tokens que o modelo pode gastar em raciocínio quando o pensamento está ativo. Quando você deixa isso de fora, muitos modelos decidem por conta própria quanto tempo para raciocinar.
  • activar pensar Liga ou desliga o raciocínio em modelos que oferecem escolha.

Esses parâmetros são aceitos em /v1/chat/completions, /v1/responses e /v1/messages para modelos que suportam cada endpoint. Ativado /v1/messages você também pode enviar um Pensando Objeto: habilitado com budget_tokens estabelece um orçamento, Adaptativo O pensamento se ativa sem um, e deficientes Desliga isso. Em alguns modelos, uma solicitação que usa response_format ou força uma chamada de ferramenta responder sem raciocínio, a menos que ela defina activar pensar. Veja parâmetros do modelo entre endpoints Para detalhes.

Raciocínio de tokens, limites e custos

Raciocínio é texto gerado, então ele é faturado mesmo quando você nunca o vê. Na maioria dos modelos, tokens de raciocínio faturam como tokens de saída, e cada página do modelo indica como. Alguns modelos retornam o texto do raciocínio, por exemplo em raciocinar conteúdo nas Finalizações do Chat, enquanto outros retornam apenas a resposta. Em /v1/responses, usage.output_tokens_details.reasoning_tokens Relata quantos foram usados. Em alguns modelos, preserve_thinking envia o raciocínio do assistente anterior volta para o modelo em /v1/chat/completions, e que o raciocionamento anterior fatura como tokens de entrada.

O raciocínio também conta para os limites de produção. max_completion_tokens Limita o raciocínio e a resposta juntos, e em alguns modelos max_tokens Faz isso. Quando o limite é muito baixo, o modelo pode gastá-lo em raciocínio e dar uma resposta curta ou vazia, então deixe espaço para ambos.

Maior esforço também significa uma espera mais longa antes que a resposta comece. Transmita a resposta em streaming para mostrar progresso e, para uma resposta que dure mais de 15 minutos, use o Modo WebSocket de /v1/responses. Comparar com capacidade de raciocínio Modelos de texto, ou tente diferentes níveis de esforço no Playground.

Modelos que aceitam reasoning_effort, thinking_budget, enable_thinking

65 modelos. A página de cada modelo traz a tabela de preços, os parâmetros e código.

ModeloParâmetroIntervalo / valores
DeepSeek V4 Flash 0731 DeepSeekreasoning_effort thinking_budget enable_thinkingreasoning_effort: none, low, medium, high, max; padrão medium
thinking_budget: 1 a 393216; padrão 32768
enable_thinking: padrão true
DeepSeek V4 Pro DeepSeekreasoning_effort thinking_budget enable_thinkingreasoning_effort: none, low, medium, high, max; padrão medium
thinking_budget: 1 a 393216; padrão 32768
enable_thinking: padrão true
DeepSeek V4 Pro 0813 DeepSeekreasoning_effort thinking_budget enable_thinkingreasoning_effort: none, low, medium, high, max; padrão medium
thinking_budget: 1 a 393216; padrão 32768
enable_thinking: padrão true
DeepSeek V4.1 Flash 1017 DeepSeekreasoning_effort thinking_budget enable_thinkingreasoning_effort: none, low, medium, high, max; padrão medium
thinking_budget: 1 a 393216; padrão 32768
enable_thinking: padrão true
GLM 5.1 Z.aireasoning_effort thinking_budget enable_thinkingreasoning_effort: none, low, medium, high, max; padrão medium
thinking_budget: 1 a 38912; padrão 32768
enable_thinking: padrão true
Gemma 4 26B-A4B Googlereasoning_effort thinking_budget enable_thinkingreasoning_effort: none, low, medium, high, max; padrão medium
thinking_budget: 128 a 32768; padrão 4096
enable_thinking: padrão true
Kimi K2.6 Moonshot AIreasoning_effort thinking_budget enable_thinkingreasoning_effort: none, low, medium, high, max; padrão medium
thinking_budget: 1 a 81920; padrão 32768
enable_thinking: padrão true
Qwen3.5 122B-A10B Alibaba Cloudreasoning_effort thinking_budget enable_thinkingreasoning_effort: none, low, medium, high, max
thinking_budget: 1 a 81920
enable_thinking: padrão true
Ver todos os 65 modelos
ModeloParâmetroIntervalo / valores
Qwen3.5 27B Alibaba Cloudreasoning_effort thinking_budget enable_thinkingreasoning_effort: none, low, medium, high, max
thinking_budget: 1 a 81920
enable_thinking: padrão true
Qwen3.5 35B-A3B Alibaba Cloudreasoning_effort thinking_budget enable_thinkingreasoning_effort: none, low, medium, high, max
thinking_budget: 1 a 81920
enable_thinking: padrão true
Qwen3.5 397B-A17B Alibaba Cloudreasoning_effort thinking_budget enable_thinkingreasoning_effort: none, low, medium, high, max
thinking_budget: 1 a 81920
enable_thinking: padrão true
Qwen3.5 4B Alibaba Cloudreasoning_effort thinking_budget enable_thinkingreasoning_effort: none, low, medium, high, max; padrão medium
thinking_budget: 1024 a 32768; padrão 4096
enable_thinking: padrão true
Qwen3.5 9B Alibaba Cloudreasoning_effort thinking_budget enable_thinkingreasoning_effort: none, low, medium, high, max; padrão medium
thinking_budget: 1024 a 32768; padrão 4096
enable_thinking: padrão true
Qwen3.6 27B Alibaba Cloudreasoning_effort thinking_budget enable_thinkingreasoning_effort: none, low, medium, high, max
thinking_budget: 1 a 131072
enable_thinking: padrão true
Qwen3.6 Flash Alibaba Cloudreasoning_effort thinking_budget enable_thinkingreasoning_effort: none, low, medium, high, max; padrão medium
thinking_budget: 1 a 64000; padrão 32768
enable_thinking: padrão true
Qwen3.6 Plus Alibaba Cloudreasoning_effort thinking_budget enable_thinkingreasoning_effort: none, low, medium, high, max
thinking_budget: 1 a 131072
enable_thinking: padrão true
Qwen3.7 Flash Alibaba Cloudreasoning_effort thinking_budget enable_thinkingreasoning_effort: none, low, medium, high, max
thinking_budget: 1 a 131072
enable_thinking: padrão true
Qwen3.7 Max Alibaba Cloudreasoning_effort thinking_budget enable_thinkingreasoning_effort: none, low, medium, high, max
thinking_budget: 1 a 262144
enable_thinking: padrão true
Qwen3.7 Plus Alibaba Cloudreasoning_effort thinking_budget enable_thinkingreasoning_effort: none, low, medium, high, max
thinking_budget: 1 a 262144
enable_thinking: padrão true
Qwen3.8 Flash Alibaba Cloudreasoning_effort thinking_budget enable_thinkingreasoning_effort: none, low, medium, high, max
thinking_budget: 1 a 262144
enable_thinking: padrão true
Qwen3.8 Max Alibaba Cloudreasoning_effort thinking_budget enable_thinkingreasoning_effort: none, low, medium, high, max
thinking_budget: 1 a 262144
enable_thinking: padrão true
Qwen3.8 Max 0902 Alibaba Cloudreasoning_effort thinking_budget enable_thinkingreasoning_effort: none, low, medium, high, max
thinking_budget: 1 a 262144
enable_thinking: padrão true
Qwen3.8 Omni Flash Alibaba Cloudreasoning_effort thinking_budget enable_thinkingreasoning_effort: none, low, medium, high, max
thinking_budget: 1 a 262144
enable_thinking: padrão true
Qwen4 Max Alibaba Cloudreasoning_effort thinking_budget enable_thinkingreasoning_effort: low, high, xhigh; padrão high
thinking_budget: 1 a 262144
enable_thinking: padrão true
GLM 5.2 Z.aireasoning_effort enable_thinkingreasoning_effort: none, minimal, low, medium, high, xhigh, max; padrão max
enable_thinking: padrão true
Kimi K3.1 Pro Moonshot AIreasoning_effort enable_thinkingreasoning_effort: low, medium, high, max; padrão max
enable_thinking: padrão true
Nova Lite 2 Amazonreasoning_effort enable_thinkingreasoning_effort: low, medium, high; padrão medium
enable_thinking: padrão true
Qwen3.5 Flash Alibaba Cloudthinking_budget enable_thinkingthinking_budget: 1 a 81920
enable_thinking: padrão true
Qwen3.5 Plus Alibaba Cloudthinking_budget enable_thinkingthinking_budget: 1 a 81920
enable_thinking: padrão true
Qwen3.6 35B A3B Alibaba Cloudreasoning_effort enable_thinkingreasoning_effort: none, low, medium, high, max; padrão medium
enable_thinking: padrão true
Qwen3.8 27B Alibaba Cloudreasoning_effort enable_thinkingreasoning_effort: none, low, medium, xhigh; padrão xhigh
enable_thinking: padrão true
Seed 2.0 Code ByteDancereasoning_effort enable_thinkingreasoning_effort: low, medium, high; padrão medium
enable_thinking: padrão true
Seed 2.0 Lite ByteDancereasoning_effort enable_thinkingreasoning_effort: low, medium, high; padrão medium
enable_thinking: padrão true
Seed 2.0 Mini ByteDancereasoning_effort enable_thinkingreasoning_effort: low, medium, high; padrão medium
enable_thinking: padrão true
Seed 2.0 Pro ByteDancereasoning_effort enable_thinkingreasoning_effort: low, medium, high; padrão medium
enable_thinking: padrão true
Seed 2.1 Turbo ByteDancereasoning_effort enable_thinkingreasoning_effort: low, medium, high; padrão high
enable_thinking: padrão true
Fugu Max Sakana AIreasoning_efforthigh, xhigh, max; padrão high
Fugu Ultra v1.0 Sakana AIreasoning_efforthigh, xhigh, max; padrão high
Fugu Ultra v1.1 Sakana AIreasoning_efforthigh, xhigh, max; padrão high
Fugu Ultra v2.0 Sakana AIreasoning_efforthigh, xhigh, max; padrão high
GLM 4.5 Flash Z.aienable_thinkingpadrão true
GLM 4.6V Flash Z.aienable_thinkingpadrão true
GLM 4.6V FlashX Z.aienable_thinkingpadrão true
GLM 4.7 Flash Z.aienable_thinkingpadrão true
GLM 4.7 FlashX Z.aienable_thinkingpadrão true
GLM 5.3 Z.aireasoning_effortlow, high, max; padrão max
GLM 5.3 Flash Z.aireasoning_effortlow, high, max; padrão max
Gemini 3.8 Live Extended Thinking Googlereasoning_effortlow, medium, high; padrão medium
Kimi K3 Moonshot AIreasoning_effortlow, high, max; padrão max
MiMo V2.6 Flash Xiaomienable_thinkingpadrão true
MiMo V2.6 Pro Xiaomienable_thinkingpadrão true
MiMo V2.6 Pro UltraSpeed Xiaomienable_thinkingpadrão true
MiniMax M3 MiniMaxenable_thinkingpadrão true
MiniMax M3.1 Flash MiniMaxreasoning_effortlow, medium, high, xhigh, max; padrão max
Muse Glimmer 30B Meta AIreasoning_effortnone, low, medium, high, max; padrão high
Muse Spark 1.1 Meta AIreasoning_effortminimal, low, medium, high, xhigh; padrão medium
Muse Spark 1.2 Meta AIreasoning_effortminimal, low, medium, high, xhigh; padrão medium
Muse Spark 1.3 Meta AIreasoning_effortminimal, low, medium, high, xhigh; padrão medium
Perplexity Advanced Deep Research Perplexityreasoning_effortlow, medium, high; padrão medium
Perplexity Deep Research Perplexityreasoning_effortlow, medium, high; padrão medium
Perplexity Pro Search Perplexityreasoning_effortminimal, low, medium, high; padrão minimal
Perplexity Sonar Reasoning Pro Perplexityreasoning_effortlow, medium, high; padrão medium
Step 3.5 Flash 2603 StepFunreasoning_effortlow, high; padrão low
Step 3.7 Flash StepFunreasoning_effortlow, medium, high; padrão low
Step 5 Preview StepFunreasoning_effortlow, medium, high; padrão low

Perguntas frequentes

Os tokens de raciocínio são faturados?

Sim. O raciocínio é texto gerado, então ele é faturado mesmo quando o modelo não o retorna. Na maioria dos modelos, ele é faturado como tokens de saída, e cada página do modelo indica como.

Posso desligar o raciocínio?

Em muitos modelos, sim: defina enable_thinking como falso ou reasoning_effort como nenhum, dependendo de qual controle o modelo oferece. Alguns modelos sempre raciocinam e só permitem que você altere o nível de esforço.

Qual é a diferença entre reasoning_effort e thinking_budget?

reasoning_effort escolhe um nível de profundidade especificado, como baixo ou alto. thinking_budget define um número máximo de tokens para raciocínio quando o pensamento está ativo.

Por que um modelo de raciocínio retornou uma resposta vazia?

Quando o limite de saída é muito baixo, o modelo pode gastar todo esse valor em raciocínio. Aumente max_completion_tokens ou max_tokens, ou diminua o esforço de raciocínio, para que reste espaço para a resposta.

Pronto para usar endpoints melhores?

Confira nossos preços ou entre em contato se quiser que seu próprio modelo seja implementado em nossa pilha.