1. 概述
推理模型(如 deepseek-v4-pro, gpt-6-astra 等)通过结构化思维、逻辑演绎和思维链(Chain-of-Thought, CoT)来解决高度复杂的任务。这些模型在数学、编程、科学推理及复杂逻辑分析方面表现优异。核心特性
- 结构化思维:模型在给出结论前会先进行内部逻辑拆解。
- 自我纠错:推理过程中能够识别并修正先前的逻辑偏差。
- 知识融合:多维度的知识关联,确保推理过程的严密性。
2. 模型选择
在 NoneLinear,推理模型可以直接调用:不做任何设置时,模型按下表中的默认思考强度工作。您只需在 模型广场 中选择对应的模型即可。3. 思考强度(reasoning effort)
部分模型支持设置思考强度:强度越高,模型思考越充分,通常回答质量更好,但耗时更长、消耗的 token 更多。在客户端中设置推理强度,或为不同任务选择模型时,可参考下表。 档位说明minimal、low、medium、high、xhigh、max:思考强度依次增加。none、no_think:不进行思考。- 默认:不设置思考强度时模型使用的档位;“—”表示暂无默认档位信息。
表中只列出当前主流模型,不含较早的模型版本。未列出的模型请以 模型广场 为准。
4. 使用示例 (Python SDK)
推理模型支持返回内部的思维链内容。您可以通过reasoning_content 字段获取模型的“思考过程”。
流式输出 (Streaming)
示例从环境变量
NONELINEAR_API_KEY 读取 API Key。运行前先在终端设置:macOS / Linux 执行 export NONELINEAR_API_KEY="你的 API Key",Windows PowerShell 执行 $env:NONELINEAR_API_KEY="你的 API Key"。相关链接
