Reasoning models उत्तर देने से पहले सोचते हैं। reasoning_effort parameter यह तय करता है कि वे कितना सोचें। ऊँचा स्तर अक्सर कठिन समस्याओं पर बेहतर उत्तर देता है। इससे latency और output tokens भी बढ़ते हैं, क्योंकि reasoning tokens को output के रूप में bill किया जाता है। यह guide levels, GetVibe API पर उन्हें स्वीकार करने वाले models और अलग तरीके से reasoning करने वाले models के व्यवहार की जानकारी देती है।
Parameter कहाँ जाता है
/v1/chat/completions: top-level field,"reasoning_effort": "high"।/v1/responses: nested,"reasoning": {"effort": "high"}। यह canonical Responses API form है और Codex CLI इसी का उपयोग करता है।
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": "चरण-दर-चरण हल करें: 17 * 23"}]
}'Levels
Gateway none, minimal, low, medium, high, xhigh और max को पहचानता है। Spelling middle नहीं, बल्कि medium है। प्रत्येक model public catalog (https://getvibeapi.com/api/catalog) में caps.reasoning.levels के अंतर्गत अपने द्वारा स्वीकार किए जाने वाले subset को प्रकाशित करता है।
| Model | Published levels | Price |
|---|---|---|
| GPT-6 Luna | minimal से max तक (सभी छह) | $0.0055 इनपुट · $0.0274 आउटपुट प्रति 10 लाख टोकन |
| GPT-6 Sol | minimal से max तक (सभी छह) | $0.1096 इनपुट · $0.548 आउटपुट प्रति 10 लाख टोकन |
| GPT-6 Astra | minimal, low, medium, high | $0.548 इनपुट · $2.7398 आउटपुट प्रति 10 लाख टोकन |
| GPT-5.6 Sol (और Luna, Terra) | minimal से max तक (सभी छह) | $0.0667 इनपुट · $0.40 आउटपुट प्रति 10 लाख टोकन |
| Tencent Hy4 Preview | low, high | $0.0334 इनपुट · $0.1001 आउटपुट प्रति 10 लाख टोकन |
अन्य model families इसे कैसे handle करती हैं
- GLM और Qwen: binary।
none,minimalऔरlowthinking को बंद करते हैं, जबकिmediumऔर उससे ऊपर के levels इसे चालू करते हैं। - Gemini: यह भी binary है। Lower levels thinking budget को zero पर सेट करते हैं, जबकि
mediumऔर उससे ऊपर automatic budget का उपयोग करते हैं। - DeepSeek और Kimi: reasoning model में built-in है और यह parameter इसे toggle नहीं करता।
- Claude: इसके बजाय extended thinking का उपयोग करता है।
budget_tokensवालाthinkingobject/v1/messagesपर भेजें। Chat केreasoning_effortfield को इसका equivalent न मानें।
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": "एक database migration की योजना बनाएँ ..."}],
)
print(r.content)Level चुनना
minimal/low: classification, extraction, formatting और short rewrites। ऐसे सभी काम जहाँ first-pass answer पर्याप्त हो और speed महत्वपूर्ण हो।medium: general assistants और routine code edits के लिए एक sensible default।high: multi-step problems, debugging और agent के अगले actions की planning।xhigh/max: सबसे कठिन tasks, जहाँ extra tokens की तुलना में गलत उत्तर की cost अधिक हो। Responses noticeably लंबे होने और output bill बढ़ने की अपेक्षा रखें।
एक practical approach: low से शुरू करें, अपने tasks के एक fixed set पर quality मापें और level केवल उन requests के लिए बढ़ाएँ जो fail होती हैं। Cost प्रत्येक request के usage object में दिखाई देती है। Reasoning tokens को output के रूप में गिना जाता है।
अगले कदम
reasoning documentation पढ़ें, GPT-6 Luna, Sol और Astra की तुलना करें, या देखें कि coding agents के लिए Claude Opus 5.5 और GPT-6 Sol में क्या अंतर है।