AI 推理模型 API - 通过 UniterRouter 使用 OpenAI o1、o3、DeepSeek R1。思维链推理解决复杂数学、编程和分析问题。

推理

UniterRouter 支持能够在提供最终答案之前展示逐步思考过程的推理模型。此功能对于复杂的问题解决任务、数学计算和逻辑推理特别有用。

支持推理的模型

你可以在我们的带推理筛选的模型页面找到所有支持推理的模型。这些模型包括：

OpenAI 的 GPT-5 系列（例如 gpt-5、gpt-5-mini）
- 注意：GPT-5 模型使用推理，但目前不会在响应中返回推理内容。
Anthropic 的 Claude 3.7 Sonnet
Google 的 Gemini 2.0 Flash Thinking 和 Gemini 2.5 Pro
GPT OSS 模型，如 gpt-oss-120b 和 gpt-oss-20b
Z.AI 的推理模型

某些模型可能在内部进行推理，即使未指定 reasoning_effort 参数。

使用推理参数

要启用推理输出，请在请求中添加 reasoning_effort 参数。此参数接受以下值：

minimal - 最快的推理，思考过程最少（仅适用于 GPT-5 模型）
low - 轻度推理，适用于简单任务
medium - 平衡的推理，适用于大多数任务
high - 深度推理，适用于复杂问题

示例请求

curl -X POST "https://api.uniterouter.ai/v1/chat/completions" \
  -H "Authorization: Bearer $UNITEROUTER_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "gpt-5-preview",
    "messages": [
      {
        "role": "user",
        "content": "2/3 + 1/4 + 5/6 等于多少？"
      }
    ],
    "reasoning_effort": "medium"
  }'

示例响应

响应将在消息对象中包含一个 reasoning 字段，包含模型的逐步思考过程：

{
	"id": "chatcmpl-abc123",
	"object": "chat.completion",
	"created": 1234567890,
	"model": "gpt-5-preview",
	"choices": [
		{
			"index": 0,
			"message": {
				"role": "assistant",
				"content": "答案是 1.75 或 7/4。",
				"reasoning": "首先，我需要找到 2/3、1/4 和 5/6 的公分母。最小公倍数是 12。转换：2/3 = 8/12，1/4 = 3/12，5/6 = 10/12。相加：8/12 + 3/12 + 10/12 = 21/12 = 1.75 或 7/4。"
			},
			"finish_reason": "completed"
		}
	],
	"usage": {
		"prompt_tokens": 20,
		"completion_tokens": 45,
		"reasoning_tokens": 35,
		"total_tokens": 65
	}
}

流式推理内容

启用流式传输时，推理内容将作为响应块的一部分进行流式传输：

curl -X POST "https://api.uniterouter.ai/v1/chat/completions" \
  -H "Authorization: Bearer $UNITEROUTER_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "gpt-5-preview",
    "messages": [
      {
        "role": "user",
        "content": "解决这个逻辑谜题：如果所有玫瑰都是花，有些花很快凋谢，我们能得出有些玫瑰很快凋谢的结论吗？"
      }
    ],
    "reasoning_effort": "high",
    "stream": true
  }'

推理内容将在最终答案之前出现在流块中，让你能够实时显示模型的思考过程。

示例：

data: {
	"id": "chatcmpl-fb266880-1016-4797-9a70-f21a538edaf6",
	"object": "chat.completion.chunk",
	"created": 1761048126,
	"model": "openai/gpt-oss-20b",
	"choices": [
		{
			"index": 0,
			"delta": {
				"reasoning": "这是 ",
				"role": "assistant"
			},
			"finish_reason": null
		}
	]
}

使用量跟踪

响应负载

响应中的 usage 对象包含推理特定的 token 计数：

reasoning_tokens - 用于推理过程的 token 数量
completion_tokens - 最终答案中的 token 数量
prompt_tokens - 输入中的 token 数量
total_tokens - 所有 token 计数的总和

日志和分析

所有使用 reasoning_effort 参数的请求都会在控制台日志中跟踪，包括：

包含完整推理文本的 reasoningContent 字段
推理与完成的单独 token 计数
启用推理的请求的性能指标

你可以在控制台中查看每个请求的详细日志，分析模型如何推理解决问题。

自动路由与推理

使用自动路由（指定像 gpt-5 这样的模型而不指定特定版本）时，UniterRouter 将：

自动为 GPT-5 模型设置 reasoning_effort 为 minimal
为其他自动路由的推理模型设置 reasoning_effort 为 low
当指定 reasoning_effort 时，仅路由到支持推理的提供商

这确保了使用自动路由和推理模型时的最佳性能和成本。

模型特定行为

并非所有推理模型以相同方式返回推理内容。某些模型（如 OpenAI 模型）可能在内部推理但不在响应中暴露推理内容。UniterRouter 确保不同提供商之间的响应统一，但推理的深度和格式可能有所不同。

最佳实践

选择适当的推理强度：对简单任务使用 low 或 minimal，对大多数任务使用 medium，仅对需要深度推理的复杂问题使用 high
监控 token 使用量：推理可以显著增加 token 消耗——监控使用对象中的 reasoning_tokens
流式传输以获得更好的用户体验：构建面向用户的应用时，启用流式传输以实时显示推理过程
检查日志：查看控制台日志中的 reasoningContent 以了解模型如何解决问题

错误处理

如果你为不支持推理的模型指定 reasoning_effort，将收到错误：

{
	"error": {
		"message": "模型 gpt-4o 不支持推理。请移除 reasoning_effort 参数或使用支持推理的模型。",
		"type": "invalid_request_error",
		"code": "model_not_supported"
	}
}

为避免此错误，仅对支持推理的模型使用 reasoning_effort 参数。

推理

On this page