OpenAI o1、o3 推理 API - 高级 AI 推理解决数学、编程和复杂问题。通过 UniterRouter 访问推理模型，支持扩展思考和思维链。

推理模型

o1 和 o3 等推理模型使用扩展思考来解决数学、编程和科学领域的复杂问题。

可用模型: o1, o1-mini, o1-preview, o3-mini 以及特定提供商的推理模型如 deepseek-reasoner。

工作原理

推理模型在响应前会"思考"：

内部分析问题
分解为步骤
生成思维链
产出最终答案

基本用法

from openai import OpenAI

client = OpenAI(
    base_url="https://api.uniterouter.ai/v1",
    api_key="your_api_key",
)

response = client.chat.completions.create(
    model="o1",
    messages=[
        {
            "role": "user",
            "content": "解题：一列火车用 2 小时行驶 120 公里，然后停了 30 分钟，再用 1.5 小时行驶 90 公里，整个行程的平均速度是多少？"
        }
    ]
)

print(response.choices[0].message.content)

import OpenAI from "openai";

const client = new OpenAI({
  baseURL: "https://api.uniterouter.ai/v1",
  apiKey: process.env.UNITEROUTER_API_KEY,
});

const response = await client.chat.completions.create({
  model: "o1",
  messages: [
    {
      role: "user",
      content: "证明根号 2 是无理数",
    },
  ],
});

console.log(response.choices[0].message.content);

curl https://api.uniterouter.ai/v1/chat/completions \
  -H "Content-Type: application/json" \
  -H "Authorization: Bearer $UNITEROUTER_API_KEY" \
  -d '{
    "model": "o1",
    "messages": [
      {"role": "user", "content": "证明素数有无穷多个"}
    ]
  }'

推理强度

控制模型思考的深度（o1 和 o3）：

response = client.chat.completions.create(
    model="o3-mini",
    messages=[{"role": "user", "content": "解这个复杂的积分..."}],
    reasoning_effort="high"  # "low", "medium", "high"
)

级别	使用场景	Token 消耗
`low`	简单问题	较少
`medium`	平衡（默认）	中等
`high`	复杂问题	较多

模型对比

模型	适用场景	速度	成本
`o1`	复杂推理	较慢	较高
`o1-mini`	快速推理	中等	中等
`o3-mini`	平衡	快速	较低
`deepseek-reasoner`	高性价比	快速	最低

DeepSeek Reasoner

访问 DeepSeek 的推理模型：

response = client.chat.completions.create(
    model="deepseek-reasoner",
    messages=[
        {"role": "user", "content": "解释 P vs NP 问题"}
    ]
)

# 如果可用，访问推理内容
if hasattr(response.choices[0].message, 'reasoning_content'):
    print("思考过程:", response.choices[0].message.reasoning_content)
print("答案:", response.choices[0].message.content)

使用场景

领域	示例
数学	证明、复杂计算
编程	算法设计、调试
科学	研究分析、假设验证
逻辑	谜题、推理
规划	多步骤策略

示例：复杂数学

response = client.chat.completions.create(
    model="o1",
    messages=[{
        "role": "user",
        "content": """
        找出所有使得 n^2 + 1 整除 n! + 1 的正整数 n。
        请逐步展示你的推导过程。
        """
    }]
)

示例：代码分析

response = client.chat.completions.create(
    model="o1",
    messages=[{
        "role": "user",
        "content": """
        分析这个算法并确定其时间复杂度：
        
        def mystery(n):
            if n <= 1:
                return 1
            return mystery(n-1) + mystery(n-2)
        
        同时建议一个优化版本。
        """
    }]
)

限制

不支持流式 - 大多数推理模型不支持流式传输
无系统消息 - o1 模型忽略系统提示
延迟较高 - 思考需要时间
Token 用量 - 推理 token 计入限制

最佳实践

具体明确 - 清晰的问题陈述获得更好的推理
一次一个问题 - 专注于单个复杂任务
跳过简单任务 - 简单问题用 GPT-4o
验证输出 - 始终验证数学/逻辑结果
考虑成本 - 非关键任务用 o1-mini 或 o3-mini

推理模型

推理模型

工作原理

基本用法

推理强度

模型对比

DeepSeek Reasoner

使用场景

示例：复杂数学

示例：代码分析

限制

最佳实践

相关文档

On this page