Reasoning Models | Venice API Docs

Einige Modelle “denken laut”, bevor sie antworten. Sie arbeiten Probleme Schritt für Schritt durch und geben dann eine finale Antwort. Das macht sie stärker bei Mathematik-, Code- und logiklastigen Aufgaben.

Die vollständige Liste der Modelle, Preise und Kontextlimits finden Sie auf der Models-Seite. Nicht alle Reasoning-Modelle unterstützen den Parameter reasoning_effort. Siehe Modellunterstützung für Details.

Die Ausgabe lesen

Reasoning-Modelle geben ihr Thinking in einem separaten Feld reasoning_content zurück und halten content sauber:

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?"}]
  }'

Einige Anbieter (Anthropic, Google, OpenAI, Qwen) geben verschlüsselte oder zusammengefasste Reasoning-Tokens zurück. In diesem Fall enthält reasoning_content einen Platzhalter "[Some reasoning content is encrypted]".

Streaming

Beim Streaming kommt reasoning_content im Delta vor der finalen Antwort an:

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
  }'

Reasoning effort

Der Parameter reasoning_effort steuert, wie viel ein Modell vor der Antwort denkt. Höherer Effort bedeutet tieferes Reasoning, aber mehr Tokens und Latenz.

Akzeptierte Werte

Wert	Beschreibung
`none`	Deaktiviert Reasoning vollständig
`minimal`	Grundlegendes Reasoning mit minimalem Aufwand
`low`	Leichtes Reasoning für einfache Probleme
`medium`	Ausgewogenes Reasoning für mittlere Komplexität
`high`	Tiefes Reasoning für komplexe Probleme
`xhigh`	Besonders hohe Reasoning-Tiefe
`max`	Maximale Reasoning-Fähigkeit

Nicht alle Modelle unterstützen alle Werte. Venice mappt nicht automatisch auf die nächstgelegene unterstützte Stufe. Nicht unterstützte Werte geben einen 400-Fehler vom Upstream-Anbieter zurück. Beispielsweise schlägt das Senden von xhigh an Claude oder max an GPT-5.2 fehl.Verwenden Sie im Zweifel low, medium oder high. Dies sind die am breitesten unterstützten Werte.

Modellunterstützung

OpenAI

Modell	Unterstützte Werte
GPT-5.2	`none`, `low`, `medium`, `high`, `xhigh`
GPT-5.2 Codex, GPT-5.3 Codex	`low`, `medium`, `high`, `xhigh`

Anthropic

Modell	Unterstützte Werte
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

Modell	Unterstützte Werte
Gemini 3 Pro Preview	`low`, `high`
Gemini 3.1 Pro Preview	`low`, `medium`, `high`
Gemini 3 Flash Preview	`minimal`, `low`, `medium`, `high`

xAI

Grok-Modelle (Grok 4.1 Fast, Grok Code Fast) unterstützen reasoning_effort nicht. Die Angabe führt zu einem Fehler.

Weitere Modelle

Modell	Unterstützte Werte
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`
GLM 5.1-Serie	Nur eingebautes Reasoning, nicht konfigurierbar
DeepSeek R1	Nur eingebautes Reasoning, nicht konfigurierbar

Verwendung

Übergeben Sie reasoning_effort als Top-Level-Parameter oder verwenden Sie das verschachtelte Format 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"}
  }'

Das flache Format "reasoning_effort": "high" wird ebenfalls akzeptiert.

Reasoning deaktivieren

Es gibt zwei Möglichkeiten, Reasoning zu deaktivieren:

Methode	Syntax	Funktionsweise
`reasoning.enabled: false`	`"reasoning": {"enabled": false}`	Venice-Toggle, der verhindert, dass Reasoning-Parameter an den Anbieter gesendet werden. Empfohlen.
`reasoning.effort: "none"`	`"reasoning": {"effort": "none"}`	Wird an den Anbieter weitergegeben, der entscheidet, wie damit umgegangen wird. Nur von einigen Modellen unterstützt (z. B. GPT-5.x).

Für Modelle, die es unterstützen, ist reasoning.enabled: false die zuverlässigere Option:

Modell	Kann deaktiviert werden?
GPT-5.2	Ja
GPT-5.2 Codex, GPT-5.3 Codex	Ja (aber `none`-Effort nicht unterstützt)
Qwen 3 235B A22B Thinking, Qwen 3.5 35B A3B	Ja
GLM 5.1-Serie	Ja
Claude Opus 4.5/4.6/4.6 Fast, Sonnet 4.5/4.6	Nein (immer reasoning)
Gemini 3 Pro, 3.1 Pro, 3 Flash	Nein (immer reasoning)
DeepSeek R1	Nein (immer reasoning)

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}
  }'

Token-Limits

Reasoning-Modelle generieren sichtbare Antwort-Tokens (in content) und Reasoning-Tokens (in reasoning_content). Beide zählen zu Ihrem Token-Budget.

Eine Token-Obergrenze setzen

Verwenden Sie max_completion_tokens, um die Gesamtzahl der vom Modell generierten Tokens einschließlich Reasoning zu begrenzen:

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

max_tokens wird ebenfalls akzeptiert und verhält sich genauso. Wenn beide gesetzt sind, hat max_completion_tokens Vorrang. Um mehr sichtbare Ausgabe zu erhalten, erhöhen Sie die Obergrenze, senken Sie reasoning_effort oder deaktivieren Sie Reasoning.

Die Aufschlüsselung lesen

Das usage-Objekt zeigt, wofür Ihr Budget verwendet wurde:

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

In diesem Beispiel wurden 169 Tokens für Reasoning und 332 für die sichtbare Antwort aufgewendet. Wenn die Obergrenze erreicht ist, lautet finish_reason length. Die Obergrenze jedes Modells ist als maxCompletionTokens am Endpoint /v1/models verfügbar.

Nicht-Reasoning-Modelle

max_tokens und max_completion_tokens verhalten sich bei Nicht-Reasoning-Modellen gleich und begrenzen die sichtbare Ausgabe direkt.

Capability-Erkennung

Prüfen Sie über den Endpoint /v1/models, was ein Modell unterstützt:

Feld	Bedeutung
`supportsReasoning`	Modell besitzt Reasoning-Fähigkeit (Chain-of-Thought)
`supportsReasoningEffort`	Modell akzeptiert den Parameter `reasoning_effort` / `reasoning.effort`

Best Practices

Standardmäßig medium für allgemeine Verwendung verwenden
high oder xhigh für komplexe Aufgaben (Mathematik, Code, Analyse) verwenden
low für latenzempfindliche Anwendungen verwenden
reasoning.enabled: false verwenden oder Effort auf none setzen, um Reasoning zu deaktivieren
Im Zweifel low, medium oder high verwenden. Dies sind die am breitesten unterstützten Werte

Guides

Getting Started

Text & Chat

Image & Video

Agents & Integrations

Agent Tooling

Coding Tools

SDKs & Frameworks

Projects

Reasoning-Modelle

Die Ausgabe lesen

Streaming

Reasoning effort

Akzeptierte Werte

Modellunterstützung

OpenAI

Anthropic

Google

xAI

Weitere Modelle

Verwendung

Reasoning deaktivieren

Token-Limits

Eine Token-Obergrenze setzen

Die Aufschlüsselung lesen

Nicht-Reasoning-Modelle

Capability-Erkennung

Best Practices

​Die Ausgabe lesen

​Streaming

​Reasoning effort

​Akzeptierte Werte

​Modellunterstützung

​OpenAI

​Anthropic

​Google

​xAI

​Weitere Modelle

​Verwendung

​Reasoning deaktivieren

​Token-Limits

​Eine Token-Obergrenze setzen

​Die Aufschlüsselung lesen

​Nicht-Reasoning-Modelle

​Capability-Erkennung

​Best Practices

Die Ausgabe lesen

Streaming

Reasoning effort

Akzeptierte Werte

Modellunterstützung

OpenAI

Anthropic

Google

xAI

Weitere Modelle

Verwendung

Reasoning deaktivieren

Token-Limits

Eine Token-Obergrenze setzen

Die Aufschlüsselung lesen

Nicht-Reasoning-Modelle

Capability-Erkennung

Best Practices