【LLM】多平台思考模式的开启、关闭与响应判断

Lucas_coding2026-10-07 10:11

LLM 思考模式的开启、关闭与响应判断

前言

现在越来越多的大模型支持思考模式。同一个模型可能既可以直接回答问题，也可以先进行推理，再生成最终答案。

不同平台对思考模式的控制参数并不完全一致。例如，阿里云百炼使用 enable_thinking，火山方舟使用 thinking.type，本地模型则可能通过 chat_template_kwargs 控制。

本文通过阿里云百炼、火山方舟、DeepSeek、Kimi 和本地部署模型的调用示例，介绍如何开启和关闭思考模式，以及如何从响应中判断模型是否返回了思考内容。

文中的 123 只是示例占位符，不能作为真实 API Key 使用。实际开发时请通过环境变量读取密钥。

一、思考模式与响应判断

什么是思考模式

支持思考能力的模型，通常会先生成一段内部推理，再生成最终回答。不同平台对这部分内容的命名不完全一致，常见字段包括：

概念 常见字段或参数
开启/关闭思考 enable_thinking、thinking
思考文本 reasoning_content
思考 Token 数 reasoning_tokens
最终回答 content

需要注意：**请求参数只能表示期望的模式，最终是否返回思考内容仍应以响应为准。**有些模型会进行内部推理，但不会向客户端公开完整思考文本。

三类模型

从默认行为和是否允许切换来看，可以把模型分成三类：

默认开启、支持切换

这类模型不传参数时默认进入思考模式，但可以在请求中关闭思考。部分 Qwen、DeepSeek、GLM、豆包和 Kimi 模型属于这一类。

python 复制代码 
extra_body={"enable_thinking": True}   # 开启
extra_body={"enable_thinking": False}  # 关闭
默认关闭、支持切换

这类模型不传参数时直接生成最终回答，但可以通过请求参数主动开启思考。部分商业版 Qwen 模型属于这一类。

仅支持思考、不能关闭

Thinking 专用模型可能不支持关闭思考。即使传入关闭参数，平台也可能忽略参数或直接返回错误。因此使用前应查看对应模型的官方参数说明。

如何判断 response 中是否有思考内容

OpenAI Python SDK 的 message 对象不一定把第三方字段声明成标准属性，但百炼、火山等兼容接口返回的 reasoning_content 通常可以通过 getattr 读取。

python 复制代码 
def parse_message(response):
    """提取最终回答和思考内容。"""
    message = response.choices[0].message

    content = getattr(message, "content", None)
    reasoning_content = getattr(message, "reasoning_content", None)

    has_reasoning = (
        isinstance(reasoning_content, str)
        and bool(reasoning_content.strip())
    )

    return {
        "content": content,
        "reasoning_content": reasoning_content,
        "has_reasoning": has_reasoning,
    }

调用：

python 复制代码 
result = parse_message(response)

if result["has_reasoning"]:
    print("模型返回了思考内容：")
    print(result["reasoning_content"])
else:
    print("没有返回有效的思考内容")

print("最终回答：")
print(result["content"])

如果还要区分"字段不存在"和"字段为空"，可以使用 model_dump：

python 复制代码 
message_dict = response.choices[0].message.model_dump(exclude_none=False)

if "reasoning_content" not in message_dict:
    print("响应中没有 reasoning_content 字段")
elif message_dict["reasoning_content"]:
    print("响应中包含思考内容")
else:
    print("字段存在，但思考内容为空")

二、云平台调用

云平台模型范围总结

从本文当前整理的官方 API 调用方式来看，四个平台的模型覆盖范围有所不同：

平台 模型覆盖特点 本文代码示例
阿里云百炼 模型种类最多，既有 Qwen 系列，也接入了 DeepSeek、GLM、Kimi 等多类模型 Qwen
火山方舟 以豆包模型为主，同时提供 DeepSeek、GLM 等主流模型 豆包
DeepSeek 官方 API 主要面向 DeepSeek 自有模型，接口和参数相对专一 DeepSeek
Kimi 官方 API 主要面向 Kimi 自有模型，接口和参数相对专一 Kimi

简单来说：

  • 阿里云百炼更像一个综合模型平台，模型选择最多；
  • 火山方舟以豆包为核心，同时提供部分其他主流模型；
  • DeepSeek 官方 API 主要服务 DeepSeek 自有模型；
  • Kimi 官方 API 主要服务 Kimi 自有模型。

模型列表和平台能力会持续变化，以上内容是本文整理时的情况，实际调用前应以各平台模型广场和官方文档为准。

2.1 阿里云百炼

官方入口
模型的默认思考状态

阿里云百炼中的模型，不能只按"是否支持思考"来理解，还要区分三种情况：默认开启、默认关闭、只能思考不能关闭。

默认开启思考

不传 enable_thinking 时，这些模型通常默认进入思考模式：

系列 典型模型 默认状态
Qwen3.8 qwen3.8-max、qwen3.8-flash、qwen3.8-27b、qwen3.8-omni-flash ✅ 开启
Qwen3.7 qwen3.7-max、qwen3.7-plus、qwen3.7-flash ✅ 开启
Qwen3.6 qwen3.6-max-preview、qwen3.6-plus、qwen3.6-flash ✅ 开启
Qwen3.5 qwen3.5-plus、qwen3.5-flash、qwen3.5-397b-a17b、qwen3.5-27b 等 ✅ 开启
Qwen3 开源版 qwen3-235b-a22b、qwen3-32b、qwen3-30b-a3b、qwen3-14b、qwen3-8b ✅ 开启
默认关闭思考

这些商业模型不传参数时通常直接生成最终答案：

系列 典型模型 默认状态
Qwen3 商业 Max qwen3-max、qwen3-max-preview ❌ 关闭
Qwen3 商业 Plus qwen-plus、qwen-plus-latest ❌ 关闭
Qwen3 商业 Flash qwen-flash ❌ 关闭
Qwen3 商业 Turbo qwen-turbo ❌ 关闭
只能思考，不能关闭

Thinking 专用模型始终以思考模式运行，传入关闭参数也不能切换成普通模式：

模型 默认状态 是否支持关闭
qwen3.8-2.4t-a95b ✅ 开启 ❌ 不支持
qwen3.7-max-preview ✅ 开启 ❌ 不支持
qwen3-next-80b-a3b-thinking ✅ 开启 ❌ 不支持
qwen3-235b-a22b-thinking-2507 ✅ 开启 ❌ 不支持
qwen3-30b-a3b-thinking-2507 ✅ 开启 ❌ 不支持
qwq-plus ✅ 开启 ❌ 不支持

模型列表和默认状态可能随平台版本变化，发布文章或上线代码前，应再次核对百炼官方模型说明。

开启和关闭思考到底有什么区别

这里要区分"默认状态"和"主动设置"：

调用方式 含义
不传enable_thinking 使用模型自己的默认状态；默认开启的模型会思考，默认关闭的模型不会思考
enable_thinking=True 对支持切换的模型，主动要求本次调用开启思考
enable_thinking=False 对支持切换的模型，主动要求本次调用关闭思考
Thinking 专用模型传False 通常不能关闭，可能被忽略或返回参数错误

Python SDK 中的写法是：

python 复制代码 
# 主动开启本次请求的思考模式
extra_body={"enable_thinking": True}

# 主动关闭本次请求的思考模式
extra_body={"enable_thinking": False}

也就是说，True/False 是本次请求的控制开关 ，而"默认开启/默认关闭"是模型不传参数时的初始行为 。最终是否返回思考内容，仍然要检查响应中的 reasoning_content。

OpenAI 兼容 SDK

使用 OpenAI Python SDK 时，百炼的非标准参数要放到 extra_body 中。

python 复制代码 
import asyncio
import os

from dotenv import load_dotenv
from openai import AsyncOpenAI

load_dotenv()

client = AsyncOpenAI(
    api_key=os.getenv("DASHSCOPE_API_KEY", "123"),
    base_url="https://dashscope.aliyuncs.com/compatible-mode/v1",
)


def parse_message(response):
    """从百炼响应中提取最终回答和思考内容。"""
    message = response.choices[0].message
    content = getattr(message, "content", None)
    reasoning_content = getattr(message, "reasoning_content", None)

    return {
        "content": content,
        "reasoning_content": reasoning_content,
        "has_reasoning": (
            isinstance(reasoning_content, str)
            and bool(reasoning_content.strip())
        ),
    }


async def call_qwen(enable_thinking: bool):
    response = await client.chat.completions.create(
        model="qwen3.6-plus",
        messages=[{"role": "user", "content": "请计算 12345 × 67890，并说明过程"}],
        # True：开启思考；False：关闭思考
        extra_body={"enable_thinking": enable_thinking},
    )

    result = parse_message(response)
    print("最终回答：")
    print(result["content"])
    print("=" * 150)
    if result["has_reasoning"]:
        print("思考内容：")
        print(result["reasoning_content"])
    else:
        print("没有返回思考内容")


async def main():
    await call_qwen(enable_thinking=True)
    # await call_qwen(enable_thinking=False)


if __name__ == "__main__":
    asyncio.run(main())
HTTP 调用

HTTP 请求不需要 extra_body，可以直接把 enable_thinking 放在请求体中。

开启思考
bash 复制代码 
curl --location 'https://dashscope.aliyuncs.com/compatible-mode/v1/chat/completions' \
  --header 'Authorization: Bearer 123' \
  --header 'Content-Type: application/json' \
  --data '{
    "model": "qwen3.8-max",
    "messages": [{"role": "user", "content": "你是谁？"}],
    "enable_thinking": true
  }'
关闭思考
bash 复制代码 
curl --location 'https://dashscope.aliyuncs.com/compatible-mode/v1/chat/completions' \
  --header 'Authorization: Bearer 123' \
  --header 'Content-Type: application/json' \
  --data '{
    "model": "qwen3.8-max",
    "messages": [{"role": "user", "content": "你是谁？"}],
    "enable_thinking": false
  }'

2.2 火山方舟

官方入口与本文覆盖范围

常用入口：

火山方舟平台搭载的模型会随时间更新。本篇笔记说明豆包、DeepSeek、GLM 三类主流模型的覆盖情况，但 SDK 代码只以豆包为例：

模型类别 平台模型范围 本文代码示例
豆包（Doubao） 方舟核心模型，使用doubao-* 模型 ID ✅ 有
DeepSeek 使用模型广场中可用的 DeepSeek 模型 ID ❌ 无，仅作范围说明
GLM 使用模型广场中可用的 GLM 模型 ID ❌ 无，仅作范围说明
Kimi 本文暂不纳入火山方舟的模型范围 ❌ 无
Qwen3.8 本文暂不纳入火山方舟的模型范围 ❌ 无

因此，下面的火山方舟 SDK 示例只演示豆包模型的思考开关。调用其他模型时，需要先在模型广场确认模型 ID、地域、计费方式和参数支持情况。

思考模式参数

火山方舟使用 thinking.type 控制思考模式：

目标 参数
强制开启 {"thinking": {"type": "enabled"}}
强制关闭 {"thinking": {"type": "disabled"}}
自动决定 {"thinking": {"type": "auto"}}

Python SDK 中的精简写法是：

python 复制代码 
# 主动开启本次请求的思考模式
extra_body={"thinking": {"type": "enabled"}}

# 主动关闭本次请求的思考模式
extra_body={"thinking": {"type": "disabled"}}
OpenAI 兼容 SDK 调用
python 复制代码 
import asyncio
import os

from openai import AsyncOpenAI

client = AsyncOpenAI(
    api_key=os.getenv("ARK_API_KEY", "123"),
    base_url="https://ark.cn-beijing.volces.com/api/v3",
)


def parse_message(response):
    """从火山方舟响应中提取最终回答和思考内容。"""
    message = response.choices[0].message
    content = getattr(message, "content", None)
    reasoning_content = getattr(message, "reasoning_content", None)

    return {
        "content": content,
        "reasoning_content": reasoning_content,
        "has_reasoning": (
            isinstance(reasoning_content, str)
            and bool(reasoning_content.strip())
        ),
    }


async def call_doubao(enable_thinking: bool):
    thinking_type = "enabled" if enable_thinking else "disabled"
    response = await client.chat.completions.create(
        model="doubao-seed-2-1-pro-260915",
        messages=[{"role": "user", "content": "请分析 9.9 和 9.11 哪个更大"}],
        # True：enabled；False：disabled
        extra_body={"thinking": {"type": thinking_type}},
    )

    result = parse_message(response)
    print("最终回答：")
    print(result["content"])
    print("=" * 150)
    if result["has_reasoning"]:
        print("思考内容：")
        print(result["reasoning_content"])
    else:
        print("没有返回思考内容")


async def main():
    await call_doubao(enable_thinking=True)
    # await call_doubao(enable_thinking=False)


if __name__ == "__main__":
    asyncio.run(main())
HTTP 调用

HTTP 请求中不需要 extra_body，直接把 thinking 放在请求体顶层。

开启思考
bash 复制代码 
curl --location 'https://ark.cn-beijing.volces.com/api/v3/chat/completions' \
  --header 'Authorization: Bearer 123' \
  --header 'Content-Type: application/json' \
  --data '{
    "model": "doubao-seed-2-1-pro-260915",
    "messages": [
      {"role": "user", "content": "请分析 9.9 和 9.11 哪个更大"}
    ],
    "thinking": {"type": "enabled"}
  }'
关闭思考
bash 复制代码 
curl --location 'https://ark.cn-beijing.volces.com/api/v3/chat/completions' \
  --header 'Authorization: Bearer 123' \
  --header 'Content-Type: application/json' \
  --data '{
    "model": "doubao-seed-2-1-pro-260915",
    "messages": [
      {"role": "user", "content": "请分析 9.9 和 9.11 哪个更大"}
    ],
    "thinking": {"type": "disabled"}
  }'

2.3 DeepSeek

官方入口与本文范围

本节只讨论 DeepSeek 官方 API 中的 DeepSeek 模型，不混用阿里云百炼或火山方舟上的同名模型。当前示例按"模型默认开启思考"来展示：不额外传关闭参数时，模型使用自己的默认思考行为；是否返回可见的 reasoning_content，仍以实际响应为准。

Python SDK 中的精简写法是：

python 复制代码 
# 主动开启本次请求的思考模式
extra_body={"thinking": {"type": "enabled"}}

# 主动关闭本次请求的思考模式
extra_body={"thinking": {"type": "disabled"}}
SDK 调用

下面示例将响应解析函数一并写出，复制代码块即可运行。

python 复制代码 
import asyncio
import os

from openai import AsyncOpenAI

client = AsyncOpenAI(
    api_key=os.getenv("DEEPSEEK_API_KEY", "123"),
    base_url="https://api.deepseek.com",
)


def parse_message(response):
    """从 DeepSeek 响应中提取最终回答和思考内容。"""
    message = response.choices[0].message
    content = getattr(message, "content", None)
    reasoning_content = getattr(message, "reasoning_content", None)

    return {
        "content": content,
        "reasoning_content": reasoning_content,
        "has_reasoning": (
            isinstance(reasoning_content, str)
            and bool(reasoning_content.strip())
        ),
    }


async def main():
    response = await client.chat.completions.create(
        model="deepseek-flash",
        messages=[{"role": "user", "content": "请解释什么是思考模型"}],
        # 不传 thinking 参数，使用 DeepSeek 模型的默认思考模式
    )

    result = parse_message(response)
    print("最终回答：")
    print(result["content"])
    print("=" * 150)
    if result["has_reasoning"]:
        print("思考内容：")
        print(result["reasoning_content"])
    else:
        print("没有返回思考内容")


if __name__ == "__main__":
    asyncio.run(main())
HTTP 调用

DeepSeek 的 thinking.type 支持 enabled 和 disabled，默认值为 enabled。

默认模式

不传 thinking 时，使用模型默认的思考模式：

bash 复制代码 
curl --location 'https://api.deepseek.com/chat/completions' \
  --header 'Authorization: Bearer 123' \
  --header 'Content-Type: application/json' \
  --data '{
    "model": "deepseek-flash",
    "messages": [
      {"role": "user", "content": "请解释什么是思考模型"}
    ]
  }'
关闭思考
bash 复制代码 
curl --location 'https://api.deepseek.com/chat/completions' \
  --header 'Authorization: Bearer 123' \
  --header 'Content-Type: application/json' \
  --data '{
    "model": "deepseek-flash",
    "messages": [
      {"role": "user", "content": "请解释什么是思考模型"}
    ],
    "thinking": {"type": "disabled"}
  }'
开启思考
bash 复制代码 
curl --location 'https://api.deepseek.com/chat/completions' \
  --header 'Authorization: Bearer 123' \
  --header 'Content-Type: application/json' \
  --data '{
    "model": "deepseek-flash",
    "messages": [
      {"role": "user", "content": "请解释什么是思考模型"}
    ],
    "thinking": {"type": "enabled"}
  }'

2.4 Kimi

官方入口与本文范围

本节只讨论 Kimi API 提供的 Kimi 模型，不混用其他平台的 Kimi 代理模型。当前示例以 kimi-k3 为例，按默认开启思考模式进行说明；如果平台或模型版本发生变化，应以 Kimi 模型文档中的默认值和参数说明为准。

Python SDK 中的精简写法是：

python 复制代码 
# 主动开启本次请求的思考模式
extra_body={"thinking": {"type": "enabled"}}

# 主动关闭本次请求的思考模式
extra_body={"thinking": {"type": "disabled"}}
OpenAI 兼容 SDK 调用

Kimi 的 OpenAI 兼容接口可以直接使用 AsyncOpenAI。由于 thinking 不是 OpenAI SDK 的标准参数，因此通过 extra_body 传递。

python 复制代码 
import asyncio
import os

from dotenv import load_dotenv
from openai import AsyncOpenAI

load_dotenv()

client = AsyncOpenAI(
    api_key=os.getenv("KIMI_API_KEY", "123"),
    base_url="https://api.moonshot.cn/v1",
)


def parse_message(response):
    """从 Kimi 响应中提取最终回答和思考内容。"""
    message = response.choices[0].message
    content = getattr(message, "content", None)
    reasoning_content = getattr(message, "reasoning_content", None)

    return {
        "content": content,
        "reasoning_content": reasoning_content,
        "has_reasoning": (
            isinstance(reasoning_content, str)
            and bool(reasoning_content.strip())
        ),
    }


async def call_kimi(enable_thinking: bool = True):
    thinking_type = "enabled" if enable_thinking else "disabled"

    response = await client.chat.completions.create(
        model="kimi-k3",
        messages=[
            {"role": "user", "content": "请分析 9.9 和 9.11 哪个更大"}
        ],
        # True：开启思考；False：关闭思考
        extra_body={"thinking": {"type": thinking_type}},
    )

    result = parse_message(response)
    print("最终回答：")
    print(result["content"])
    print("=" * 150)
    if result["has_reasoning"]:
        print("思考内容：")
        print(result["reasoning_content"])
    else:
        print("没有返回思考内容")


async def main():
    # Kimi 示例默认开启思考
    await call_kimi(enable_thinking=True)
    # await call_kimi(enable_thinking=False)


if __name__ == "__main__":
    asyncio.run(main())
HTTP 调用

Kimi 的接口使用 thinking.type 表示思考状态。下面三个 HTTP 示例分别展示默认、关闭和开启，避免把三个示例误写成同一个参数。

默认模式（使用模型默认思考状态）
bash 复制代码 
curl --location 'https://api.moonshot.cn/v1/chat/completions' \
  --header 'Authorization: Bearer 123' \
  --header 'Content-Type: application/json' \
  --data '{
    "model": "kimi-k3",
    "messages": [{"role": "user", "content": "你是谁？"}]
  }'
关闭思考
bash 复制代码 
curl --location 'https://api.moonshot.cn/v1/chat/completions' \
  --header 'Authorization: Bearer 123' \
  --header 'Content-Type: application/json' \
  --data '{
    "model": "kimi-k3",
    "messages": [{"role": "user", "content": "你是谁？"}],
    "thinking": {"type": "disabled"}
  }'
开启思考
bash 复制代码 
curl --location 'https://api.moonshot.cn/v1/chat/completions' \
  --header 'Authorization: Bearer 123' \
  --header 'Content-Type: application/json' \
  --data '{
    "model": "kimi-k3",
    "messages": [{"role": "user", "content": "请分析 9.9 和 9.11 哪个更大"}],
    "thinking": {"type": "enabled"}
  }'

三、本地部署模型

本地部署时，思考开关通常由推理框架的聊天模板控制。它和百炼、火山方舟的云端参数不是一回事，也不是 OpenAI 标准参数。

部分本地推理服务会通过 chat_template_kwargs 把参数传给模型的聊天模板。Python SDK 中的精简写法是：

python 复制代码 
# 主动开启本次请求的思考模式
extra_body={
    "chat_template_kwargs": {
        "enable_thinking": True,
        "thinking": True,
    }
}

# 主动关闭本次请求的思考模式
extra_body={
    "chat_template_kwargs": {
        "enable_thinking": False,
        "thinking": False,
    }
}

这段配置可以分成三层理解：

层级 作用
extra_body OpenAI Python SDK 用来透传非标准参数的容器
chat_template_kwargs 传递给本地推理框架聊天模板的参数集合
enable_thinking / thinking 具体控制模板是否生成思考内容

两个字段都设置为 True 表示尝试开启思考模式；都设置为 False 表示尝试关闭思考模式。其中，一些 Qwen 模板识别 enable_thinking，一些模板或推理框架识别 thinking。

需要注意：enable_thinking 和 thinking 并不是所有本地服务都同时支持。有的服务只识别 enable_thinking，有的服务只识别 thinking，也有的服务完全依赖启动参数或服务端默认配置。因此，实际使用时应查看当前推理框架的聊天模板说明；如果确认只支持一个字段，就只保留对应字段即可。

OpenAI 兼容 SDK 调用

如果本地推理服务提供 OpenAI 兼容接口，可以继续使用 AsyncOpenAI。下面示例默认连接 http://127.0.0.1:8000/v1，请根据实际服务地址和模型名称修改。

python 复制代码 
import asyncio
import os

from dotenv import load_dotenv
from openai import AsyncOpenAI

load_dotenv()

client = AsyncOpenAI(
    api_key=os.getenv("LOCAL_LLM_API_KEY", "123"),
    base_url=os.getenv("LOCAL_LLM_BASE_URL", "http://127.0.0.1:8000/v1"),
)


def parse_message(response):
    """从本地模型响应中提取最终回答和思考内容。"""
    message = response.choices[0].message
    content = getattr(message, "content", None)
    reasoning_content = getattr(message, "reasoning_content", None)

    return {
        "content": content,
        "reasoning_content": reasoning_content,
        "has_reasoning": (
            isinstance(reasoning_content, str)
            and bool(reasoning_content.strip())
        ),
    }


async def call_local_model(enable_thinking: bool):
    response = await client.chat.completions.create(
        model=os.getenv("LOCAL_LLM_MODEL", "Qwen3.6-35B-A3B-AWQ"),
        messages=[
            {"role": "user", "content": "请分析 9.9 和 9.11 哪个更大"}
        ],
        extra_body={
            "chat_template_kwargs": {
                "enable_thinking": enable_thinking,
                "thinking": enable_thinking,
            }
        },
    )

    result = parse_message(response)
    print("最终回答：")
    print(result["content"])
    print("=" * 150)
    if result["has_reasoning"]:
        print("思考内容：")
        print(result["reasoning_content"])
    else:
        print("没有返回思考内容")


async def main():
    await call_local_model(enable_thinking=True)
    # await call_local_model(enable_thinking=False)


if __name__ == "__main__":
    asyncio.run(main())

HTTP 调用

对应的 HTTP 请求示例：

bash 复制代码 
curl --location 'http://127.0.0.1:8000/v1/chat/completions' \
  --header 'Authorization: Bearer 123' \
  --header 'Content-Type: application/json' \
  --data '{
    "model": "Qwen3.6-35B-A3B-AWQ",
    "messages": [{"role": "user", "content": "法国的首都是哪里？"}],
    "chat_template_kwargs": {
      "enable_thinking": false,
      "thinking": false
    }
  }'

本地部署的参数不是 OpenAI 标准参数，必须以所使用的推理框架和聊天模板文档为准。

四、常见问题

1. enable_thinking=True，但没有 reasoning_content

可能原因包括：

  • 模型不支持公开思考文本；
  • 当前平台只返回思考 Token 统计；
  • 参数没有按平台要求传递；
  • 使用了流式调用，但只读取了 delta.content；
  • 模型实际忽略了该参数。

2. 如何确认模型真的产生了思考 Token

可以同时检查响应中的 usage：

python 复制代码 
usage = response.usage
details = getattr(usage, "completion_tokens_details", None)
reasoning_tokens = getattr(details, "reasoning_tokens", None)

print("reasoning_tokens:", reasoning_tokens)

但不同平台的 usage 字段也不完全一致，仍然应以平台文档为准。

3. 流式调用如何读取

流式响应中，思考文本一般位于 chunk.choices[0].delta.reasoning_content，最终回答位于 delta.content。需要在循环中分别累加两个字段，不能只读取 content。

五、总结

  1. 思考模式的控制参数由平台决定，常见形式是 enable_thinking 或 thinking.type。
  2. OpenAI 兼容 SDK 的第三方参数通常通过 extra_body 传递。
  3. 判断是否返回思考内容，应检查 reasoning_content 是否为非空字符串。
  4. 判断字段是否存在，应使用 model_dump() 后检查键名。
  5. 思考参数、模型默认行为和响应字段都可能随平台或模型版本变化，发布前要以官方文档为准。

参考资料

声明

本文为个人学习笔记，内容基于撰写时的官方文档和实际测试整理。由于模型版本、平台能力和接口参数可能持续更新，具体使用方式请以各平台最新官方文档为准。如有错误，欢迎指正。

相关推荐
RockHopper20251 小时前
AI时代模型生命周期与软件资产重构：概要版
人工智能·系统架构·软件工程·ai编程·世界模型
大模型任我行2 小时前
字节：交替蒸馏与强化学习
人工智能·语言模型·自然语言处理·论文笔记
ZzT2 小时前
同一个 skill 存了三份：多 agent 环境下的 skill 管理与两款开源工具
ai编程·claude
熊猫钓鱼>_>2 小时前
Kotlin Multiplatform for OpenHarmony 实战：为 kotlin-inject 实现依赖注入适配
开发语言·华为·kotlin·ai编程·inject·鸿蒙·openharmony
黑妹天下第一乖2 小时前
第 11 讲：阿加犀 AidLux 多组件综合实战——端侧“智能摄像头解说“全链路
人工智能·嵌入式硬件·语言模型·自然语言处理·iot
VIP_CQCRE2 小时前
在 Visual Studio 里接入 Ace Data Cloud：用 LMLocal 直接调用 OpenAI 兼容模型
openai·ai编程·visual studio·ace data cloud·lmlocal
Dawson Zhu3 小时前
《Agentic Design Patterns》第 5 章导读：工具使用（Tool Use）
人工智能·语言模型·架构·aigc·agi
AINative软件工程3 小时前
LLM 上下文满了别直接报错：Context Eviction 工程实践，5 种淘汰策略的生产对比
后端·llm·ai编程
SuperHeroWu73 小时前
TraeCode 国内版接入 DevEco CLI：用官方知识开发鸿蒙应用
ai编程·harmonyos·知识库·trae·aicoding·skills·deveco cli
热门推荐
01历年考研数学一、数学二、数学三真题试卷及答案PDF02如何新建文件夹？ 电脑新建文件夹的4种方法03国内可直接用、免费额度/永久免费的大模型API清单（含 SiliconFlow、火山、阿里、智谱、百度、Kimi、DeepSeek、DMXAPI 等）04Telegram APK 下载安装完整指南 — 2026年最新05GitHub 镜像站点06蜘蛛磁力 搜索引擎大全，如何使用蜘蛛磁力查找磁力链接07Windows 10/11 如何退出微软账户并改用本地账户登录（含找不到选项的解决方法）08微信历史版本含下载地址（ Windows PC | 安卓 | MAC ）及设置微信不更新092026 爱知・名古屋亚运会怎么看？直播平台+赛程安排分享10给AI一张“业务概念地图“：本体如何从哲学走向企业智能