Modelos de raciocínio

Alguns modelos pensam em voz alta antes de responder. Eles resolvem problemas passo a passo e então dão a resposta final. Isso os torna mais fortes em matemática, código e tarefas intensivas em lógica.

Veja a lista completa de modelos, preços e limites de contexto na página de modelos. Nem todos os modelos de raciocínio suportam o parâmetro reasoning_effort. Veja suporte por modelo para detalhes.

Lendo a saída

Modelos de raciocínio retornam seu pensamento em um campo separado reasoning_content, mantendo content limpo:

response = client.chat.completions.create(
    model="zai-org-glm-5-1",
    messages=[{"role": "user", "content": "What is 15% of 240?"}]
)

thinking = response.choices[0].message.reasoning_content
answer = response.choices[0].message.content

const response = await client.chat.completions.create({
    model: "zai-org-glm-5-1",
    messages: [{ role: "user", content: "What is 15% of 240?" }]
});

const thinking = response.choices[0].message.reasoning_content;
const answer = response.choices[0].message.content;

curl https://api.venice.ai/api/v1/chat/completions \
  -H "Authorization: Bearer $VENICE_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "zai-org-glm-5-1",
    "messages": [{"role": "user", "content": "What is 15% of 240?"}]
  }'

Alguns provedores (Anthropic, Google, OpenAI, Qwen) retornam tokens de raciocínio criptografados ou resumidos. Quando isso acontece, reasoning_content contém um placeholder "[Some reasoning content is encrypted]".

Streaming

Ao fazer streaming, reasoning_content chega no delta antes da resposta final:

stream = client.chat.completions.create(
    model="zai-org-glm-5-1",
    messages=[{"role": "user", "content": "Explain photosynthesis"}],
    stream=True
)

for chunk in stream:
    if chunk.choices:
        delta = chunk.choices[0].delta
        if delta.reasoning_content:
            print(delta.reasoning_content, end="")
        if delta.content:
            print(delta.content, end="")

const stream = await client.chat.completions.create({
    model: "zai-org-glm-5-1",
    messages: [{ role: "user", content: "Explain photosynthesis" }],
    stream: true
});

for await (const chunk of stream) {
    if (chunk.choices?.[0]?.delta) {
        const delta = chunk.choices[0].delta;
        if (delta.reasoning_content) process.stdout.write(delta.reasoning_content);
        if (delta.content) process.stdout.write(delta.content);
    }
}

curl https://api.venice.ai/api/v1/chat/completions \
  -H "Authorization: Bearer $VENICE_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "zai-org-glm-5-1",
    "messages": [{"role": "user", "content": "Explain photosynthesis"}],
    "stream": true
  }'

Esforço de raciocínio

O parâmetro reasoning_effort controla quanto pensamento um modelo faz antes de responder. Maior esforço significa raciocínio mais profundo, mas mais tokens e latência.

Valores aceitos

Valor	Descrição
`none`	Desabilita o raciocínio por completo
`minimal`	Raciocínio básico com esforço mínimo
`low`	Raciocínio leve para problemas simples
`medium`	Raciocínio balanceado para complexidade moderada
`high`	Raciocínio profundo para problemas complexos
`xhigh`	Profundidade de raciocínio extra alta
`max`	Capacidade máxima de raciocínio

Nem todos os modelos suportam todos os valores. A Venice não mapeia automaticamente para o nível compatível mais próximo. Valores não suportados retornam um erro 400 do provedor upstream. Por exemplo, enviar xhigh para o Claude ou max para o GPT-5.2 falhará.Em caso de dúvida, use low, medium ou high. Esses são os valores mais amplamente suportados.

Suporte por modelo

As tabelas abaixo listam os modelos com suporte conhecido a reasoning_effort. Outros modelos ainda podem gerar tokens de raciocínio (visíveis em usage.completion_tokens_details.reasoning_tokens) sem expor um controle de esforço. Para verificar se um modelo específico suporta raciocínio ou o parâmetro reasoning_effort, leia os campos supportsReasoning e supportsReasoningEffort no endpoint /v1/models.

OpenAI

Modelo	Valores suportados
GPT-5.2	`none`, `low`, `medium`, `high`, `xhigh`
GPT-5.2 Codex, GPT-5.3 Codex	`low`, `medium`, `high`, `xhigh`

Anthropic

Modelo	Valores suportados
Claude Opus 4.6, Opus 4.6 Fast	`low`, `medium`, `high`, `max`
Claude Opus 4.5, Sonnet 4.5, Sonnet 4.6	`low`, `medium`, `high`

Google

Modelo	Valores suportados
Gemini 3 Pro Preview	`low`, `high`
Gemini 3.1 Pro Preview	`low`, `medium`, `high`
Gemini 3 Flash Preview	`minimal`, `low`, `medium`, `high`

xAI

Modelos Grok (Grok 4.1 Fast, Grok Code Fast) não suportam reasoning_effort. Especificá-lo resultará em erro.

Outros modelos

Modelo	Valores suportados
Qwen 3 235B A22B Thinking, Qwen 3.5 35B A3B	`low`, `medium`, `high`
Kimi K2.5	`low`, `medium`, `high`
MiniMax M2.5, M2.1	`low`, `medium`, `high`
Família GLM 5.1	Raciocínio integrado apenas, não configurável
DeepSeek R1	Raciocínio integrado apenas, não configurável

Uso

Passe reasoning_effort como parâmetro de nível superior ou use o formato aninhado reasoning.effort:

response = client.chat.completions.create(
    model="minimax-m25",
    messages=[{"role": "user", "content": "Prove that there are infinitely many primes"}],
    extra_body={"reasoning": {"effort": "high"}}
)

const response = await client.chat.completions.create({
    model: "minimax-m25",
    messages: [{ role: "user", content: "Prove that there are infinitely many primes" }],
    reasoning: { effort: "high" }
});

curl https://api.venice.ai/api/v1/chat/completions \
  -H "Authorization: Bearer $VENICE_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "minimax-m25",
    "messages": [{"role": "user", "content": "Prove that there are infinitely many primes"}],
    "reasoning": {"effort": "high"}
  }'

O formato plano "reasoning_effort": "high" também é aceito.

Desabilitando o raciocínio

Há duas formas de desabilitar o raciocínio:

Método	Sintaxe	Como funciona
`reasoning.enabled: false`	`"reasoning": {"enabled": false}`	Toggle no nível da Venice que impede o envio de parâmetros de raciocínio ao provedor. Recomendado.
`reasoning.effort: "none"`	`"reasoning": {"effort": "none"}`	Passado ao provedor, que decide como lidar. Suportado apenas por alguns modelos (por exemplo, GPT-5.x).

Para modelos que suportam, reasoning.enabled: false é a opção mais confiável:

Modelo	Pode desabilitar?
GPT-5.2	Sim
GPT-5.2 Codex, GPT-5.3 Codex	Sim (mas effort `none` não é suportado)
Qwen 3 235B A22B Thinking, Qwen 3.5 35B A3B	Sim
Família GLM 5.1	Sim
Claude Opus 4.5/4.6/4.6 Fast, Sonnet 4.5/4.6	Não (sempre raciocina)
Gemini 3 Pro, 3.1 Pro, 3 Flash	Não (sempre raciocina)
DeepSeek R1	Não (sempre raciocina)

response = client.chat.completions.create(
    model="openai-gpt-52",
    messages=[{"role": "user", "content": "What's the capital of France?"}],
    extra_body={"reasoning": {"enabled": False}}
)

const response = await client.chat.completions.create({
    model: "openai-gpt-52",
    messages: [{ role: "user", content: "What's the capital of France?" }],
    reasoning: { enabled: false }
});

curl https://api.venice.ai/api/v1/chat/completions \
  -H "Authorization: Bearer $VENICE_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "openai-gpt-52",
    "messages": [{"role": "user", "content": "What is the capital of France?"}],
    "reasoning": {"enabled": false}
  }'

Limites de tokens

Modelos de raciocínio geram tokens de resposta visível (em content) e tokens de raciocínio (em reasoning_content). Ambos contam para seu orçamento de tokens.

Definindo um limite de tokens

Use max_completion_tokens para limitar o número total de tokens que o modelo gera, incluindo o raciocínio:

{
  "model": "deepseek-v4-flash",
  "messages": [...],
  "max_completion_tokens": 500
}

max_tokens também é aceito e se comporta da mesma forma. Se ambos forem definidos, max_completion_tokens tem precedência. Para obter mais saída visível, aumente o limite, reduza reasoning_effort ou desabilite o raciocínio.

Lendo o detalhamento

O objeto usage mostra como seu orçamento foi gasto:

"usage": {
  "completion_tokens": 501,
  "completion_tokens_details": { "reasoning_tokens": 169 },
  "prompt_tokens": 13,
  "total_tokens": 514
}

Neste exemplo, 169 tokens foram gastos em raciocínio e 332 na resposta visível. Quando o limite é atingido, finish_reason é length. O limite superior de cada modelo está disponível como maxCompletionTokens no endpoint /v1/models.

Modelos sem raciocínio

max_tokens e max_completion_tokens se comportam da mesma forma em modelos sem raciocínio, limitando diretamente a saída visível.

Descoberta de capacidades

Verifique o que um modelo suporta pelo endpoint /v1/models:

Campo	Significado
`supportsReasoning`	O modelo tem capacidade de raciocínio (chain-of-thought)
`supportsReasoningEffort`	O modelo aceita o parâmetro `reasoning_effort` / `reasoning.effort`

Melhores práticas

Use medium como padrão para uso geral
Use high ou xhigh para tarefas complexas (matemática, código, análise)
Use low para aplicações sensíveis à latência
Use reasoning.enabled: false ou defina effort como none para desabilitar o raciocínio
Em caso de dúvida, use low, medium ou high. Esses são os valores mais amplamente suportados.

Documentação

Primeiros passos

Texto e chat

Imagem, vídeo e áudio

Pesquisa e RAG

Agentes e integrações

Ferramentas de código

Ferramentas para agentes

SDKs e frameworks

Lendo a saída

Streaming

Esforço de raciocínio

Valores aceitos

Suporte por modelo

OpenAI

Anthropic

Google

xAI

Outros modelos

Uso

Desabilitando o raciocínio

Limites de tokens

Definindo um limite de tokens

Lendo o detalhamento

Modelos sem raciocínio

Descoberta de capacidades

Melhores práticas

​Lendo a saída

​Streaming

​Esforço de raciocínio

​Valores aceitos

​Suporte por modelo

​OpenAI

​Anthropic

​Google

​xAI

​Outros modelos

​Uso

​Desabilitando o raciocínio

​Limites de tokens

​Definindo um limite de tokens

​Lendo o detalhamento

​Modelos sem raciocínio

​Descoberta de capacidades

​Melhores práticas

Lendo a saída

Streaming

Esforço de raciocínio

Valores aceitos

Suporte por modelo

OpenAI

Anthropic

Google

xAI

Outros modelos

Uso

Desabilitando o raciocínio

Limites de tokens

Definindo um limite de tokens

Lendo o detalhamento

Modelos sem raciocínio

Descoberta de capacidades

Melhores práticas