Модели рассуждений

​

Обзор возможностей

​

Типичные сценарии применения

• Решение сложных задач: подходит для сценариев, где требуется пошаговый вывод и четкие логические этапы, например в математике и научных рассуждениях.
• Системы поддержки принятия решений: предоставляют подробный процесс рассуждения для поддержки анализа решений и помогают понять логику, лежащую в основе решения.
• Образование и обучение: помогают пользователям изучать и понимать сложные знания, предоставляя подробный процесс вывода.

​

Установка и подготовка

pip install -U openai

​

Способ вызова API

​

Описание параметров запроса

• max_tokens: задает максимальное количество token для вывода модели.
• temperature: рекомендуется установить значение от 0.5 до 0.7 (рекомендуется 0.6), чтобы сбалансировать креативность и логичность вывода.
• top_p: рекомендуется установить значение 0.95.

​

Пример кода запроса

​

Запрос с потоковым выводом

from openai import OpenAI

client = OpenAI(api_key="YOUR_API_KEY", base_url="https://api.highwayapi.ai/openai")
messages = [
    {"role": "user", "content": "Объясни второй закон Ньютона."}
]

response = client.chat.completions.create(
    model="deepseek/deepseek-r1",
    messages=messages,
    stream=True,
    max_tokens=4096
)

content = ""
reasoning_content = ""
for chunk in response:
    if chunk.choices[0].delta.content:
        content += chunk.choices[0].delta.content
    if chunk.choices[0].delta.reasoning_content:
        reasoning_content += chunk.choices[0].delta.reasoning_content

print("Итоговый ответ:", content)
print("Ход рассуждений:", reasoning_content)

​

Запрос без потокового вывода

response = client.chat.completions.create(
    model="deepseek/deepseek-r1",
    messages=[
        {"role": "user", "content": "Что такое парниковый эффект? Как его смягчить?"}
    ],
    stream=False,
    max_tokens=4096
)

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

print("Итоговый ответ:", content)
print("Ход рассуждений:", reasoning_content)

​

Управление контекстом

messages.append({"role": "assistant", "content": content})
messages.append({"role": "user", "content": "Продолжи объяснять решение."})

​

Список поддерживаемых моделей

​

Способ тарификации

• Тарификация выполняется на основе количества token во входных и выходных данных.
• Конкретные тарифы и правила конвертации см. на странице сведений о модели.

​

Примечания и лучшие практики

• Не добавляйте инструкции по рассуждению в сообщение system; следует напрямую указывать инструкции в сообщении user.
• В математических задачах четко формулируйте требования, например: «Пожалуйста, рассуждай пошагово и явно укажи итоговый ответ».
• Чтобы модель не пропускала этап рассуждения, рекомендуется принудительно добавлять символ перевода строки перед выводом.