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.
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.
O raciocinamento melhora os resultados nas tarefas com várias etapas dependentes:
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.
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 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.
65 modelos. A página de cada modelo traz a tabela de preços, os parâmetros e código.
| Modelo | Parâmetro | Intervalo / valores |
|---|---|---|
| DeepSeek V4 Flash 0731 DeepSeek | reasoning_effort thinking_budget enable_thinking | reasoning_effort: none, low, medium, high, max; padrão medium thinking_budget: 1 a 393216; padrão 32768 enable_thinking: padrão true |
| DeepSeek V4 Pro DeepSeek | reasoning_effort thinking_budget enable_thinking | reasoning_effort: none, low, medium, high, max; padrão medium thinking_budget: 1 a 393216; padrão 32768 enable_thinking: padrão true |
| DeepSeek V4 Pro 0813 DeepSeek | reasoning_effort thinking_budget enable_thinking | reasoning_effort: none, low, medium, high, max; padrão medium thinking_budget: 1 a 393216; padrão 32768 enable_thinking: padrão true |
| DeepSeek V4.1 Flash 1017 DeepSeek | reasoning_effort thinking_budget enable_thinking | reasoning_effort: none, low, medium, high, max; padrão medium thinking_budget: 1 a 393216; padrão 32768 enable_thinking: padrão true |
| GLM 5.1 Z.ai | reasoning_effort thinking_budget enable_thinking | reasoning_effort: none, low, medium, high, max; padrão medium thinking_budget: 1 a 38912; padrão 32768 enable_thinking: padrão true |
| Gemma 4 26B-A4B Google | reasoning_effort thinking_budget enable_thinking | reasoning_effort: none, low, medium, high, max; padrão medium thinking_budget: 128 a 32768; padrão 4096 enable_thinking: padrão true |
| Kimi K2.6 Moonshot AI | reasoning_effort thinking_budget enable_thinking | reasoning_effort: none, low, medium, high, max; padrão medium thinking_budget: 1 a 81920; padrão 32768 enable_thinking: padrão true |
| Qwen3.5 122B-A10B Alibaba Cloud | reasoning_effort thinking_budget enable_thinking | reasoning_effort: none, low, medium, high, max thinking_budget: 1 a 81920 enable_thinking: padrão true |
| Modelo | Parâmetro | Intervalo / valores |
|---|---|---|
| Qwen3.5 27B Alibaba Cloud | reasoning_effort thinking_budget enable_thinking | reasoning_effort: none, low, medium, high, max thinking_budget: 1 a 81920 enable_thinking: padrão true |
| Qwen3.5 35B-A3B Alibaba Cloud | reasoning_effort thinking_budget enable_thinking | reasoning_effort: none, low, medium, high, max thinking_budget: 1 a 81920 enable_thinking: padrão true |
| Qwen3.5 397B-A17B Alibaba Cloud | reasoning_effort thinking_budget enable_thinking | reasoning_effort: none, low, medium, high, max thinking_budget: 1 a 81920 enable_thinking: padrão true |
| Qwen3.5 4B Alibaba Cloud | reasoning_effort thinking_budget enable_thinking | reasoning_effort: none, low, medium, high, max; padrão medium thinking_budget: 1024 a 32768; padrão 4096 enable_thinking: padrão true |
| Qwen3.5 9B Alibaba Cloud | reasoning_effort thinking_budget enable_thinking | reasoning_effort: none, low, medium, high, max; padrão medium thinking_budget: 1024 a 32768; padrão 4096 enable_thinking: padrão true |
| Qwen3.6 27B Alibaba Cloud | reasoning_effort thinking_budget enable_thinking | reasoning_effort: none, low, medium, high, max thinking_budget: 1 a 131072 enable_thinking: padrão true |
| Qwen3.6 Flash Alibaba Cloud | reasoning_effort thinking_budget enable_thinking | reasoning_effort: none, low, medium, high, max; padrão medium thinking_budget: 1 a 64000; padrão 32768 enable_thinking: padrão true |
| Qwen3.6 Plus Alibaba Cloud | reasoning_effort thinking_budget enable_thinking | reasoning_effort: none, low, medium, high, max thinking_budget: 1 a 131072 enable_thinking: padrão true |
| Qwen3.7 Flash Alibaba Cloud | reasoning_effort thinking_budget enable_thinking | reasoning_effort: none, low, medium, high, max thinking_budget: 1 a 131072 enable_thinking: padrão true |
| Qwen3.7 Max Alibaba Cloud | reasoning_effort thinking_budget enable_thinking | reasoning_effort: none, low, medium, high, max thinking_budget: 1 a 262144 enable_thinking: padrão true |
| Qwen3.7 Plus Alibaba Cloud | reasoning_effort thinking_budget enable_thinking | reasoning_effort: none, low, medium, high, max thinking_budget: 1 a 262144 enable_thinking: padrão true |
| Qwen3.8 Flash Alibaba Cloud | reasoning_effort thinking_budget enable_thinking | reasoning_effort: none, low, medium, high, max thinking_budget: 1 a 262144 enable_thinking: padrão true |
| Qwen3.8 Max Alibaba Cloud | reasoning_effort thinking_budget enable_thinking | reasoning_effort: none, low, medium, high, max thinking_budget: 1 a 262144 enable_thinking: padrão true |
| Qwen3.8 Max 0902 Alibaba Cloud | reasoning_effort thinking_budget enable_thinking | reasoning_effort: none, low, medium, high, max thinking_budget: 1 a 262144 enable_thinking: padrão true |
| Qwen3.8 Omni Flash Alibaba Cloud | reasoning_effort thinking_budget enable_thinking | reasoning_effort: none, low, medium, high, max thinking_budget: 1 a 262144 enable_thinking: padrão true |
| Qwen4 Max Alibaba Cloud | reasoning_effort thinking_budget enable_thinking | reasoning_effort: low, high, xhigh; padrão high thinking_budget: 1 a 262144 enable_thinking: padrão true |
| GLM 5.2 Z.ai | reasoning_effort enable_thinking | reasoning_effort: none, minimal, low, medium, high, xhigh, max; padrão max enable_thinking: padrão true |
| Kimi K3.1 Pro Moonshot AI | reasoning_effort enable_thinking | reasoning_effort: low, medium, high, max; padrão max enable_thinking: padrão true |
| Nova Lite 2 Amazon | reasoning_effort enable_thinking | reasoning_effort: low, medium, high; padrão medium enable_thinking: padrão true |
| Qwen3.5 Flash Alibaba Cloud | thinking_budget enable_thinking | thinking_budget: 1 a 81920 enable_thinking: padrão true |
| Qwen3.5 Plus Alibaba Cloud | thinking_budget enable_thinking | thinking_budget: 1 a 81920 enable_thinking: padrão true |
| Qwen3.6 35B A3B Alibaba Cloud | reasoning_effort enable_thinking | reasoning_effort: none, low, medium, high, max; padrão medium enable_thinking: padrão true |
| Qwen3.8 27B Alibaba Cloud | reasoning_effort enable_thinking | reasoning_effort: none, low, medium, xhigh; padrão xhigh enable_thinking: padrão true |
| Seed 2.0 Code ByteDance | reasoning_effort enable_thinking | reasoning_effort: low, medium, high; padrão medium enable_thinking: padrão true |
| Seed 2.0 Lite ByteDance | reasoning_effort enable_thinking | reasoning_effort: low, medium, high; padrão medium enable_thinking: padrão true |
| Seed 2.0 Mini ByteDance | reasoning_effort enable_thinking | reasoning_effort: low, medium, high; padrão medium enable_thinking: padrão true |
| Seed 2.0 Pro ByteDance | reasoning_effort enable_thinking | reasoning_effort: low, medium, high; padrão medium enable_thinking: padrão true |
| Seed 2.1 Turbo ByteDance | reasoning_effort enable_thinking | reasoning_effort: low, medium, high; padrão high enable_thinking: padrão true |
| Fugu Max Sakana AI | reasoning_effort | high, xhigh, max; padrão high |
| Fugu Ultra v1.0 Sakana AI | reasoning_effort | high, xhigh, max; padrão high |
| Fugu Ultra v1.1 Sakana AI | reasoning_effort | high, xhigh, max; padrão high |
| Fugu Ultra v2.0 Sakana AI | reasoning_effort | high, xhigh, max; padrão high |
| GLM 4.5 Flash Z.ai | enable_thinking | padrão true |
| GLM 4.6V Flash Z.ai | enable_thinking | padrão true |
| GLM 4.6V FlashX Z.ai | enable_thinking | padrão true |
| GLM 4.7 Flash Z.ai | enable_thinking | padrão true |
| GLM 4.7 FlashX Z.ai | enable_thinking | padrão true |
| GLM 5.3 Z.ai | reasoning_effort | low, high, max; padrão max |
| GLM 5.3 Flash Z.ai | reasoning_effort | low, high, max; padrão max |
| Gemini 3.8 Live Extended Thinking Google | reasoning_effort | low, medium, high; padrão medium |
| Kimi K3 Moonshot AI | reasoning_effort | low, high, max; padrão max |
| MiMo V2.6 Flash Xiaomi | enable_thinking | padrão true |
| MiMo V2.6 Pro Xiaomi | enable_thinking | padrão true |
| MiMo V2.6 Pro UltraSpeed Xiaomi | enable_thinking | padrão true |
| MiniMax M3 MiniMax | enable_thinking | padrão true |
| MiniMax M3.1 Flash MiniMax | reasoning_effort | low, medium, high, xhigh, max; padrão max |
| Muse Glimmer 30B Meta AI | reasoning_effort | none, low, medium, high, max; padrão high |
| Muse Spark 1.1 Meta AI | reasoning_effort | minimal, low, medium, high, xhigh; padrão medium |
| Muse Spark 1.2 Meta AI | reasoning_effort | minimal, low, medium, high, xhigh; padrão medium |
| Muse Spark 1.3 Meta AI | reasoning_effort | minimal, low, medium, high, xhigh; padrão medium |
| Perplexity Advanced Deep Research Perplexity | reasoning_effort | low, medium, high; padrão medium |
| Perplexity Deep Research Perplexity | reasoning_effort | low, medium, high; padrão medium |
| Perplexity Pro Search Perplexity | reasoning_effort | minimal, low, medium, high; padrão minimal |
| Perplexity Sonar Reasoning Pro Perplexity | reasoning_effort | low, medium, high; padrão medium |
| Step 3.5 Flash 2603 StepFun | reasoning_effort | low, high; padrão low |
| Step 3.7 Flash StepFun | reasoning_effort | low, medium, high; padrão low |
| Step 5 Preview StepFun | reasoning_effort | low, medium, high; padrão low |
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.
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.
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.
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.
Confira nossos preços ou entre em contato se quiser que seu próprio modelo seja implementado em nossa pilha.