Modelos de raciocínio pensam antes de responder. O parâmetro reasoning_effort define quanto. Um nível mais alto geralmente melhora as respostas em problemas difíceis. Ele também aumenta a latência e os tokens de saída, porque os tokens de raciocínio são cobrados como saída. Este guia explica os níveis, quais modelos no GetVibe API aceitam esse parâmetro e o que acontece em modelos que raciocinam de outra forma.
Onde o parâmetro é inserido
/v1/chat/completions: um campo de nível superior,"reasoning_effort": "high"./v1/responses: aninhado,"reasoning": {"effort": "high"}. Este é o formato canônico da Responses API e o usado pelo Codex CLI.
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": "Resolva passo a passo: 17 * 23"}]
}'Os níveis
O gateway reconhece none, minimal, low, medium, high, xhigh e max. A grafia é medium, não middle. Cada modelo publica o subconjunto que aceita em caps.reasoning.levels no catálogo público (https://getvibeapi.com/api/catalog).
| Modelo | Níveis publicados | Preço |
|---|---|---|
| GPT-6 Luna | minimal a max (todos os seis) | $0.0055 entrada · $0.0274 saída por 1M de tokens |
| GPT-6 Sol | minimal a max (todos os seis) | $0.1096 entrada · $0.548 saída por 1M de tokens |
| GPT-6 Astra | minimal, low, medium, high | $0.548 entrada · $2.7398 saída por 1M de tokens |
| GPT-5.6 Sol (também Luna, Terra) | minimal a max (todos os seis) | $0.0667 entrada · $0.40 saída por 1M de tokens |
| Tencent Hy4 Preview | low, high | $0.0334 entrada · $0.1001 saída por 1M de tokens |
Como outras famílias de modelos lidam com isso
- GLM e Qwen: binário.
none,minimalelowdesativam o raciocínio, enquantomediume níveis superiores o ativam. - Gemini: também binário. Níveis mais baixos definem um orçamento de raciocínio igual a zero, enquanto
mediume níveis superiores usam um orçamento automático. - DeepSeek e Kimi: o raciocínio já vem incorporado ao modelo, e esse parâmetro não o ativa nem desativa.
- Claude: usa extended thinking. Envie um objeto
thinkingcombudget_tokenspara/v1/messages. Não trate o camporeasoning_effortdo chat como equivalente.
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": "Planeje uma migração de banco de dados para ..."}],
)
print(r.content)Escolhendo um nível
minimal/low: classificação, extração, formatação e reescritas curtas. Qualquer tarefa em que uma resposta de primeira tentativa seja suficiente e a velocidade seja importante.medium: um padrão sensato para assistentes generalistas e edições rotineiras de código.high: problemas com várias etapas, debugging e planejamento das próximas ações de um agente.xhigh/max: as tarefas mais difíceis, em que uma resposta errada custa mais do que os tokens extras. Espere respostas visivelmente mais longas e uma cobrança maior pela saída.
Uma abordagem prática: comece com um nível baixo, meça a qualidade em um conjunto fixo de tarefas próprias e aumente o nível apenas para as solicitações que falharem. O custo fica visível por solicitação no objeto usage. Os tokens de raciocínio contam como saída.
Próximos passos
Leia a documentação sobre raciocínio, compare GPT-6 Luna, Sol e Astra ou veja como Claude Opus 5.5 e GPT-6 Sol diferem para agentes de programação.