Modèles de raisonnement

Certains modèles réfléchissent à voix haute avant de répondre. Ils résolvent les problèmes étape par étape, puis fournissent une réponse finale. Cela les rend plus performants pour les mathématiques, le code et les tâches de logique exigeante.

Consultez la liste complète des modèles, des tarifs et des limites de contexte sur la page Modèles. Tous les modèles de raisonnement ne prennent pas en charge le paramètre reasoning_effort. Voir la prise en charge des modèles pour plus de détails.

Lire la sortie

Les modèles de raisonnement renvoient leur chaîne de pensée dans un champ reasoning_content distinct, ce qui garde content propre :

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?"}]
  }'

Certains fournisseurs (Anthropic, Google, OpenAI, Qwen) renvoient des tokens de raisonnement chiffrés ou résumés. Dans ce cas, reasoning_content contient un substitut "[Some reasoning content is encrypted]".

Streaming

En mode streaming, reasoning_content arrive dans le delta avant la réponse finale :

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
  }'

Effort de raisonnement

Le paramètre reasoning_effort contrôle à quel point le modèle réfléchit avant de répondre. Un effort plus élevé signifie un raisonnement plus profond, mais davantage de tokens et de latence.

Valeurs acceptées

Valeur	Description
`none`	Désactive complètement le raisonnement
`minimal`	Raisonnement basique avec un effort minimal
`low`	Raisonnement léger pour les problèmes simples
`medium`	Raisonnement équilibré pour une complexité modérée
`high`	Raisonnement profond pour les problèmes complexes
`xhigh`	Profondeur de raisonnement très élevée
`max`	Capacité de raisonnement maximale

Tous les modèles ne prennent pas en charge toutes les valeurs. Venice ne mappe pas automatiquement au niveau pris en charge le plus proche. Les valeurs non prises en charge renvoient une erreur 400 du fournisseur en amont. Par exemple, envoyer xhigh à Claude ou max à GPT-5.2 échouera.En cas de doute, utilisez low, medium ou high. Ce sont les valeurs les plus largement prises en charge.

Prise en charge des modèles

OpenAI

Modèle	Valeurs prises en charge
GPT-5.2	`none`, `low`, `medium`, `high`, `xhigh`
GPT-5.2 Codex, GPT-5.3 Codex	`low`, `medium`, `high`, `xhigh`

Anthropic

Modèle	Valeurs prises en charge
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

Modèle	Valeurs prises en charge
Gemini 3 Pro Preview	`low`, `high`
Gemini 3.1 Pro Preview	`low`, `medium`, `high`
Gemini 3 Flash Preview	`minimal`, `low`, `medium`, `high`

xAI

Les modèles Grok (Grok 4.1 Fast, Grok Code Fast) ne prennent pas en charge reasoning_effort. Le spécifier entraînera une erreur.

Autres modèles

Modèle	Valeurs prises en charge
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`
Série GLM 5.1	Raisonnement intégré uniquement, non configurable
DeepSeek R1	Raisonnement intégré uniquement, non configurable

Utilisation

Passez reasoning_effort comme paramètre de premier niveau ou utilisez le format imbriqué 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"}
  }'

Le format plat "reasoning_effort": "high" est également accepté.

Désactiver le raisonnement

Il existe deux façons de désactiver le raisonnement :

Méthode	Syntaxe	Fonctionnement
`reasoning.enabled: false`	`"reasoning": {"enabled": false}`	Bascule au niveau Venice qui empêche les paramètres de raisonnement d’être envoyés au fournisseur. Recommandé.
`reasoning.effort: "none"`	`"reasoning": {"effort": "none"}`	Transmis au fournisseur, qui décide comment le gérer. Pris en charge uniquement par certains modèles (par ex. GPT-5.x).

Pour les modèles qui le prennent en charge, reasoning.enabled: false est l’option la plus fiable :

Modèle	Peut être désactivé ?
GPT-5.2	Oui
GPT-5.2 Codex, GPT-5.3 Codex	Oui (mais l’effort `none` n’est pas pris en charge)
Qwen 3 235B A22B Thinking, Qwen 3.5 35B A3B	Oui
Série GLM 5.1	Oui
Claude Opus 4.5/4.6/4.6 Fast, Sonnet 4.5/4.6	Non (raisonne toujours)
Gemini 3 Pro, 3.1 Pro, 3 Flash	Non (raisonne toujours)
DeepSeek R1	Non (raisonne toujours)

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

Les modèles de raisonnement génèrent des tokens de réponse visibles (dans content) et des tokens de raisonnement (dans reasoning_content). Les deux sont comptabilisés dans votre budget de tokens.

Définir un plafond de tokens

Utilisez max_completion_tokens pour plafonner le nombre total de tokens que le modèle génère, raisonnement compris :

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

max_tokens est également accepté et se comporte de la même manière. Si les deux sont définis, max_completion_tokens prend la priorité. Pour obtenir plus de sortie visible, augmentez le plafond, abaissez reasoning_effort, ou désactivez le raisonnement.

Lire le détail

L’objet usage montre comment votre budget a été dépensé :

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

Dans cet exemple, 169 tokens ont été consacrés au raisonnement et 332 à la réponse visible. Lorsque le plafond est atteint, finish_reason vaut length. La limite supérieure de chaque modèle est disponible sous maxCompletionTokens sur l’endpoint /v1/models.

Modèles sans raisonnement

max_tokens et max_completion_tokens se comportent de la même manière sur les modèles sans raisonnement, en plafonnant directement la sortie visible.

Découverte des capacités

Vérifiez ce qu’un modèle prend en charge via l’endpoint /v1/models :

Champ	Signification
`supportsReasoning`	Le modèle a une capacité de raisonnement (chaîne de pensée)
`supportsReasoningEffort`	Le modèle accepte le paramètre `reasoning_effort` / `reasoning.effort`

Bonnes pratiques

Utilisez medium par défaut pour un usage général
Utilisez high ou xhigh pour les tâches complexes (mathématiques, code, analyse)
Utilisez low pour les applications sensibles à la latence
Utilisez reasoning.enabled: false ou définissez l’effort à none pour désactiver le raisonnement
En cas de doute, utilisez low, medium ou high. Ce sont les valeurs les plus largement prises en charge

Guides

Getting Started

Text & Chat

Image & Video

Agents & Integrations

Agent Tooling

Coding Tools

SDKs & Frameworks

Projects

Lire la sortie

Streaming

Effort de raisonnement

Valeurs acceptées

Prise en charge des modèles

OpenAI

Anthropic

Google

xAI

Autres modèles

Utilisation

Désactiver le raisonnement

Limites de tokens

Définir un plafond de tokens

Lire le détail

Modèles sans raisonnement

Découverte des capacités

Bonnes pratiques

​Lire la sortie

​Streaming

​Effort de raisonnement

​Valeurs acceptées

​Prise en charge des modèles

​OpenAI

​Anthropic

​Google

​xAI

​Autres modèles

​Utilisation

​Désactiver le raisonnement

​Limites de tokens

​Définir un plafond de tokens

​Lire le détail

​Modèles sans raisonnement

​Découverte des capacités

​Bonnes pratiques

Lire la sortie

Streaming

Effort de raisonnement

Valeurs acceptées

Prise en charge des modèles

OpenAI

Anthropic

Google

xAI

Autres modèles

Utilisation

Désactiver le raisonnement

Limites de tokens

Définir un plafond de tokens

Lire le détail

Modèles sans raisonnement

Découverte des capacités

Bonnes pratiques