Reasoning-Modelle denken nach, bevor sie antworten. Der Parameter reasoning_effort legt fest, wie umfangreich dieser Vorgang ist. Ein höheres Level verbessert die Antworten bei schwierigen Problemen häufig. Es erhöht jedoch auch die Latenz und die Zahl der Ausgabetokens, da Reasoning-Tokens als Output abgerechnet werden. Dieser Leitfaden erklärt die einzelnen Levels, welche Modelle auf der GetVibe API sie akzeptieren und was bei Modellen geschieht, die Reasoning anders handhaben.
Wo der Parameter angegeben wird
/v1/chat/completions: als Feld auf oberster Ebene,"reasoning_effort": "high"./v1/responses: verschachtelt,"reasoning": {"effort": "high"}. Dies ist die kanonische Form der Responses API und die Form, die Codex CLI verwendet.
curl https://getvibeapi.com/v1/chat/completions \
-H "Authorization: Bearer $GETVIBE_API_KEY" \
-H "Content-Type: application/json" \
-d '{
"model": "gpt-6-sol",
"reasoning_effort": "high",
"messages": [{"role": "user", "content": "Löse Schritt für Schritt: 17 * 23"}]
}'Die Levels
Das Gateway erkennt none, minimal, low, medium, high, xhigh und max. Die Schreibweise lautet medium, nicht middle. Jedes Modell veröffentlicht die Teilmenge, die es akzeptiert, in caps.reasoning.levels im öffentlichen Katalog (https://getvibeapi.com/api/catalog).
| Modell | Veröffentlichte Levels | Preis |
|---|---|---|
| GPT-6 Luna | minimal bis max (alle sechs) | $0.0055 Eingabe · $0.0274 Ausgabe pro 1 Mio. Tokens |
| GPT-6 Sol | minimal bis max (alle sechs) | $0.1096 Eingabe · $0.548 Ausgabe pro 1 Mio. Tokens |
| GPT-6 Astra | minimal, low, medium, high | $0.548 Eingabe · $2.7398 Ausgabe pro 1 Mio. Tokens |
| GPT-5.6 Sol (ebenfalls Luna, Terra) | minimal bis max (alle sechs) | $0.0667 Eingabe · $0.40 Ausgabe pro 1 Mio. Tokens |
| Tencent Hy4 Preview | low, high | $0.0334 Eingabe · $0.1001 Ausgabe pro 1 Mio. Tokens |
Wie andere Modellfamilien damit umgehen
- GLM und Qwen: binär.
none,minimalundlowschalten das Denken aus, währendmediumund höher es einschalten. - Gemini: ebenfalls binär. Niedrigere Levels setzen das Thinking-Budget auf null, während
mediumund höher ein automatisches Budget verwenden. - DeepSeek und Kimi: Reasoning ist fest im Modell integriert, und dieser Parameter schaltet es nicht um.
- Claude: verwendet stattdessen Extended Thinking. Senden Sie ein
thinking-Objekt mitbudget_tokensan/v1/messages. Behandeln Sie das Chat-Feldreasoning_effortnicht als gleichwertig.
from anthropic import Anthropic
client = Anthropic(base_url="https://getvibeapi.com", api_key="sk-pv-...")
r = client.messages.create(
model="claude-opus-5.5",
max_tokens=2048,
thinking={"type": "enabled", "budget_tokens": 1024},
messages=[{"role": "user", "content": "Planen Sie eine Datenbankmigration für ..."}],
)
print(r.content)Ein Level auswählen
minimal/low: Klassifizierung, Extraktion, Formatierung und kurze Überarbeitungen. Alles, bei dem eine Antwort im ersten Durchlauf ausreicht und Geschwindigkeit wichtig ist.medium: eine sinnvolle Standardeinstellung für allgemeine Assistenten und routinemäßige Codeänderungen.high: mehrstufige Probleme, Debugging und die Planung der nächsten Aktionen eines Agents.xhigh/max: die schwierigsten Aufgaben, bei denen eine falsche Antwort mehr kostet als die zusätzlichen Tokens. Rechnen Sie mit deutlich längeren Antworten und höheren Output-Kosten.
Ein praktischer Ansatz: Beginnen Sie mit einem niedrigen Level, messen Sie die Qualität anhand eines festen Satzes eigener Aufgaben und erhöhen Sie das Level nur für Anfragen, die fehlschlagen. Die Kosten sind für jede Anfrage im usage-Objekt sichtbar. Reasoning-Tokens zählen als Output.
Nächste Schritte
Lesen Sie die Dokumentation zu Reasoning, vergleichen Sie GPT-6 Luna, Sol und Astra oder erfahren Sie, wie sich Claude Opus 5.5 und GPT-6 Sol bei Coding-Agents unterscheiden.