使用 DeepSeek 的 thinking 参数

DeepSeek 推理请求可以使用 thinking.type 控制当前轮是否思考，并可使用 reasoning_effort 表达推理强度要求。本文主要面向 OpenAI-compatible Chat Completions 路径上的 deepseek-v4-pro 和 deepseek-v4-flash；如果使用 Anthropic Messages 路径，或使用 deepseek-v3.2 系列，请以目标模型和协议的实际返回为准。工具调用场景还需要保留模型返回的推理字段。

设置当前请求的 thinking.type

当前请求需要思考时，设置 thinking.type: "enabled"。简单请求或延迟敏感请求可以测试关闭思考后的效果。以下 Python 示例使用 OpenAI SDK。

import os
from openai import OpenAI

client = OpenAI(
    api_key=os.environ["API_KEY"],
    base_url="https://cloud.infini-ai.com/maas/v1",
)

response = client.chat.completions.create(
    model="deepseek-v4-pro",
    messages=[{"role": "user", "content": "What is 2 + 2? Give only the final answer."}],
    max_tokens=256,
    extra_body={"thinking": {"type": "enabled"}},
)

关闭思考时使用：

extra_body = {"thinking": {"type": "disabled"}}

如果目标模型是专用推理模型，关闭参数可能不是常规支持路径。deepseek-r1 这类强推理模型不要把关闭思考作为可靠业务路径；上线前用目标模型验证一次。

在 GenStudio 中，DeepSeek V4 的 OpenAI-compatible 路径使用 thinking.type；需要调整推理强度时，再设置 reasoning_effort。deepseek-v4-pro 和 deepseek-v4-flash 支持相同的推理强度设置。

用 curl 验证 thinking.type 请求体

先用 curl 确认请求体中已经传入 DeepSeek 的 thinking.type。运行前先在当前终端设置 API_KEY 环境变量。以下 curl 命令适用于 bash/zsh 等 POSIX 风格 Shell（macOS/Linux、WSL、Git Bash）。如果使用 Windows PowerShell 或 CMD，请按对应 Shell 的语法调整命令。

curl --request POST \
  --url "https://cloud.infini-ai.com/maas/v1/chat/completions" \
  --header "Accept: application/json, text/event-stream" \
  --header "Authorization: Bearer $API_KEY" \
  --header "Content-Type: application/json" \
  --data-raw '{
    "model": "deepseek-v4-pro",
    "messages": [
      {
        "role": "user",
        "content": "What is 2 + 2? Give only the final answer."
      }
    ],
    "max_tokens": 256,
    "thinking": {
      "type": "enabled"
    }
  }'

终端录制

用 curl 验证 DeepSeek thinking.type

在演示库中打开

适用于验证 DeepSeek 推理开关字段是否按预期传入。

上例省略了 reasoning_effort，因此 deepseek-v4-pro 使用默认的 high 推理强度。

根据任务复杂度设置 reasoning_effort

deepseek-v4-pro 和 deepseek-v4-flash 提供三档有效推理强度，默认值为 high：

• low：适合简单任务或延迟敏感场景。
• high：适合日常 Agent 任务。
• max：适合需要更充分推理的高度复杂任务。

出于兼容考虑，接口也接受 medium 和 xhigh，但两者均映射为 high。新请求应使用 low、high 或 max；不要使用 medium 表示介于 low 和 high 之间的档位，也不要使用 xhigh 表示高于 max 的档位。

如果当前请求已经设置 thinking.type: "disabled"，不要同时发送 reasoning_effort。

extra_body = {
    "thinking": {"type": "enabled"},
    "reasoning_effort": "high",
}

不同档位对质量、延迟和 token 用量的影响取决于具体任务。先以默认的 high 建立业务基线，再根据实际结果选择 low 或 max。

与 structured output 一起使用

当请求同时使用 thinking 和 response_format 时，请显式设置 thinking.type，不要假设省略该参数与显式启用或关闭具有完全相同的行为。不同设置可能影响延迟、token 用量和最终 content 的完整性。

thinking.type 控制当前请求的推理行为，不负责验证或强制执行 schema。不要仅为修复 structured output 校验失败而开启 thinking。

deepseek-v4-flash 和 deepseek-v4-pro 的 structured output 行为可能不同。使用 Flash 时，即使请求正常结束，内容仍可能不符合 schema，而且该行为可能间歇性出现。单次请求成功不表示所有提示词都会受到相同约束。不要通过调整 thinking 规避此问题；两种模型都应使用目标 schema 验证并执行应用侧校验。

如果推理过程占用较多输出 token，最终 message.content 可能为空或不完整。收到响应后先检查 finish_reason；当值为 "length" 时，不要解析或使用不完整的结构化结果。即使值为 "stop"，仍需在应用侧解析 JSON 并校验 schema。

部分响应可能在 usage.completion_tokens_details.reasoning_tokens 中提供推理 token 明细。读取该字段时请兼容字段缺失，并同时记录完整的 usage。

结构化输出的完整校验和失败处理方式，参见 Structured output。

读取 DeepSeek 的 reasoning_content

DeepSeek 推理内容通常位于 reasoning_content。读取时兼容字段缺失。

message = response.choices[0].message
reasoning = getattr(message, "reasoning_content", None)

if reasoning:
    print(reasoning)
print(message.content)

流式响应中读取 delta.reasoning_content，并跳过空 choices。

普通多轮只回传用户可见回答

普通多轮对话只需要延续用户可见回答时，可以回传 assistant 的 content。不要为了让历史看起来完整而人工写入 reasoning_content。

如果业务需要审计或展示推理内容，可以在应用侧保存它；是否把它继续传给模型，应按工具调用和目标模型要求决定。

工具调用后保留 reasoning_content

当 assistant 消息发起工具调用且返回了 reasoning_content，继续请求时保留该字段。

assistant_message = {
    "role": "assistant",
    "content": response.choices[0].message.content or "",
    "tool_calls": [
        {
            "id": tool_call.id,
            "type": "function",
            "function": {
                "name": tool_call.function.name,
                "arguments": tool_call.function.arguments,
            },
        }
        for tool_call in response.choices[0].message.tool_calls
    ],
}

reasoning = getattr(response.choices[0].message, "reasoning_content", None)
if reasoning:
    assistant_message["reasoning_content"] = reasoning

messages.append(assistant_message)

如果 SDK 或框架序列化时丢掉扩展字段，工具调用后的下一次请求可能无法保持原有上下文。

如果某次工具调用响应本来就没有返回 reasoning_content，保留这个缺失状态即可；不要补写空字符串、摘要或人工生成的推理内容。对 DeepSeek V4，后续请求仍应保留真实的 tool_calls、tool_call_id 和工具结果。

分开排查采样参数和推理参数

推理请求没有按预期变化时，先把采样调参和推理调参分开验证。

• 先只保留 thinking 和 reasoning_effort，确认请求被接受。
• 再逐一加入 temperature、top_p 等采样参数。
• 如果模型文档说明某些采样参数会被忽略或不兼容，以模型文档和实际请求结果为准。

不要在同一个排查请求里同时修改 prompt、采样参数和推理参数，否则很难定位是哪一项导致行为变化。