大模型深度思考与推理强度：Chat Completions 和 Responses API 怎么配？大模型深度思考与推理

大模型深度思考与推理强度：Chat Completions 和 Responses API 怎么配？

最近在调 DeepSeek V4 的 API，踩了几个坑，整理出来。核心结论：两套 API 的深度思考参数名不一样，直接复制粘贴会报错。

1. 深度思考的开关：thinking

先说结论：DeepSeek V4 和 V4.1 Flash 都默认开启深度思考，模型回答前会先跑一段内部思维链，把问题拆解、分析、验证，再输出答案。

这不是"多想一会儿"那么简单。数学推导、代码生成、多步规划这类任务，不开思考准确率差一截。思维链最长 128K tokens，最终回答最长 384K tokens。

两套 API 通用，通过 thinking.type 控制：

// 开启深度思考（默认）
"thinking": { "type": "enabled" }

// 关闭深度思考，直接回答
"thinking": { "type": "disabled" }

// ⚠️ "auto" 不被支持，不要使用

有个坑要注意： V4.1 Flash 的产品页写着"自适应深度思考与通用对话双模式"，别被这句话误导了。API 层面只有 enabled 和 disabled 两个选项，没有 auto。"自适应"是模型架构内部的事，不透传到 API 参数。

2. 推理强度：思考多深，你来定

开启思考后，下一个问题是：想多深？

推理强度（Reasoning Effort）就是控制思维链长度的旋钮——档位越高，模型思考越充分，但耗时和 token 消耗也越大。

火山方舟提供 5 档（V4 GA Chat API），从快到慢：

档位	效果	速度 / 成本
`minimal`	关闭思考，直接回答	最快 · 最省
`low`	轻量思考，简短思维链	快 · 省
`medium`	均衡模式（V4 GA 映射为 low）	中等
`high`	深度分析（默认值）	慢 · 贵
`max`	最高强度，思维链最长	最慢 · 最贵

默认值是 high——不配置的话，模型已经在"深度分析"档位运行了。日常简单问答降到 low 省时省钱，复杂数学/代码升到 max 追求效果。

💡 成本提示：max 档位的思维链可能长达数万 token，高频调用下成本攀升显著。后面第 8 节会聊怎么用向量云降成本。

3. 两套 API，参数怎么配？

火山方舟给了两套协议：

Chat Completions API——经典协议，兼容 OpenAI 格式
Responses API——新一代协议，有状态管理

都支持深度思考和推理强度，但参数名和位置不同，不能混用。

Chat Completions API

项目	参数
接口	`POST /api/v3/chat/completions`
思考开关	`"thinking": {"type":"enabled"}`
推理强度	`"reasoning_effort": "high"`（顶层字段，下划线）
输出长度	`max_completion_tokens`
档位	minimal / low / medium / high / max

Responses API

项目	参数
接口	`POST /api/v3/responses`
思考开关	`"thinking": {"type":"enabled"}`
推理强度	`"reasoning": {"effort":"high"}`（嵌套对象，点号）
输出长度	`max_output_tokens`
档位	none / minimal / low / medium / high / xhigh / max

⚠️ 最容易踩的坑：Chat 用顶层 reasoning_effort（下划线），Responses 用嵌套 reasoning.effort（点号）。名字像但结构完全不同，复制粘贴必报错。

4. 代码实战：两套 API 分别怎么调

Chat Completions 示例

curl https://ark.cn-beijing.volces.com/api/v3/chat/completions \
  -H "Authorization: Bearer $ARK_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "deepseek-v4-1-flash-260910",
    "messages": [
      {"role":"user","content":"证明根号2是无理数"}
    ],
    "thinking": {"type": "enabled"},
    "reasoning_effort": "max",
    "max_completion_tokens": 65536
  }'

Responses API 示例

curl https://ark.cn-beijing.volces.com/api/v3/responses \
  -H "Authorization: Bearer $ARK_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "deepseek-v4-1-flash-260910",
    "input": "证明根号2是无理数",
    "thinking": {"type": "enabled"},
    "reasoning": {"effort": "max"},
    "max_output_tokens": 65536
  }'

对比三处关键差异：

reasoning_effort vs reasoning.effort
max_completion_tokens vs max_output_tokens
messages vs input

一处写错就报参数校验错误。

5. 两种协议的核心区别

除了推理强度参数位置不同，两套 API 在架构上还有几个根本差异：

维度	Chat Completions	Responses API
状态管理	无状态，手动拼对话历史	有状态，`previous_response_id` 自动继承上下文
输入格式	`messages` 数组	`input`（字符串或数组）
推理强度	顶层 `reasoning_effort`	嵌套 `reasoning.effort`
思维链字段	`message.reasoning_content`	`reasoning` 输出项 + `summary`
上下文缓存	前缀缓存（自动）	显式 `caching` 开关 + Session 缓存
内置工具	不支持（仅自定义 function）	联网搜索、知识库、MCP
响应查询	不支持	`GET /responses/{id}` 检索已存储响应
结构化输出	`response_format`	`text.format`

💡 多轮场景成本优化：Responses API 的 previous_response_id 可以显著减少多轮对话的 token 传输量，配合 Session 缓存进一步降低成本。再叠加向量云的分时段折扣，长思维链 + 多轮推理的成本能降不少。

6. V4.1 Flash 的档位映射

如果你用的是 V4.1 Flash（deepseek-v4-1-flash-260910），推理档位映射和 V4 GA 不一样，迁移时必须重新核对：

传入值	Chat API 实际效果	Responses API 实际效果
`none`	关闭思考	关闭思考
`minimal`	→ 映射为 low	→ 映射为 low
`low`	轻量思考	轻量思考
`medium`	→ 映射为 high	→ 映射为 high
`high`	深度分析（默认）	深度分析（默认）
`xhigh`	→ 映射为 high	→ 映射为 high
`max`	最高强度思考	最高强度思考
`ultra`	→ 映射为 max（Chat 独有）	—

关键变化： V4.1 的 minimal 不再关闭思考（映射为 low），要关闭必须用 none。V4.1 实际有效档位只有 none / low / high / max 四个。

7. 怎么选？三句话讲清楚

日常简单问答：thinking.disabled 或 reasoning_effort=low——快速、省 token，够用。
复杂推理任务（数学/代码/逻辑）：thinking.enabled + reasoning_effort=max——效果优先，接受更高耗时和成本。
API 协议选择：新项目优先 Responses API（有状态、内置工具、上下文缓存更完善）；已有 OpenAI 格式代码存量的用 Chat Completions（兼容性好，迁移成本低）。

8. 关于成本：向量云

深度思考是 Token 消耗大户——max 档位下一次调用可能消耗数万 token 的思维链，多轮对话场景下上下文不断累积，成本很容易失控。

向量云是火山方舟官方 API 的优选接入渠道，基于缓存隔离与分时段调度，让长思维链、高并发场景下的 Token 成本大幅下降。官方 API 能力不变，到手价更低。

核心优势

✅ 官方 API 直连，模型能力完全一致
✅ 分时段折扣，闲时价格更优
✅ 高缓存隔离命中率，省更多
✅ 企业级并发承载，稳定可靠
✅ 多模型兼容，一站接入主流大模型
✅ 按量计费，余额耗尽即停，无欠费风险

平台网址

👉 ark.tokenrize.cn

注册即享专属 Token 折扣。

本文技术参数参考火山方舟官方文档，实际以控制台为准。

大模型深度思考与推理强度：Chat Completions 和 Responses API 怎么配？