thinking 开关、reasoning_effort 档位、Chat Completions 与 Responses API 的参数差异——一篇讲透深度思考的配置全貌。
深度思考（Thinking）是 DeepSeek V4 系列模型的核心能力之一。开启后，模型在给出最终回答之前，会先进行一段内部思维链推理——把问题拆解、分析、验证，再把思考过程和最终答案分别返回。
这不是简单的"多想一会儿"。思维链让模型能够处理数学推导、逻辑推理、代码生成、多步骤规划等复杂任务——这些问题靠"直觉式"的一次性回答往往出错率很高，但分步推理后准确率大幅提升。
在火山方舟平台上，DeepSeek V4 与 V4.1 Flash 均默认开启深度思考，通过 thinking.type 参数控制开关：
注意：V4.1 Flash 的产品页提到"自适应深度思考与通用对话双模式"，这是模型架构层面的描述，不代表 API 支持 thinking.type=auto。API 控制仍只有 enabled 和 disabled 两个选项。
思维链最长 128K tokens，最终回答最长 384K tokens。
深度思考不是"可选项"，而是复杂任务的"必选项"。
开启深度思考后，下一个问题就是：想多深？推理强度（Reasoning Effort）就是控制思维链长度的旋钮——档位越高，模型思考越充分，但耗时和 token 消耗也越大。
火山方舟平台提供 5 档推理强度（V4 GA Chat API），从"直接回答"到"最高强度思考"：
默认值为 high——也就是说，如果你不做任何配置，模型已经以"深度分析"档位在运行。日常简单问答可以降到 low 省时省钱；复杂数学/代码/推理任务可以升到 max 追求最佳效果。
max 档位的思维链可能长达数万 token，高频调用下成本攀升显著。向量云提供分时段折扣与高缓存隔离命中率，长思维链场景下可大幅降低 Token 成本。
注册向量云享折扣 →
火山方舟为 DeepSeek V4 系列提供两套调用协议：Chat Completions API（经典协议，兼容 OpenAI 格式）和 Responses API（新一代协议，有状态管理）。两套 API 都支持深度思考和推理强度，但参数名和位置不同，不能混用。
最容易踩坑的区别：Chat API 用顶层 reasoning_effort（下划线），Responses API 用嵌套 reasoning.effort（点号）。参数名相似但结构完全不同，直接复制粘贴会报错。
Chat Completions API——推理强度放在顶层：
Responses API——推理强度嵌套在 reasoning 对象中：
注意对比：reasoning_effort（顶层）vs reasoning.effort（嵌套），max_completion_tokens vs max_output_tokens，messages vs input——三处关键差异，一处写错就会报参数校验错误。
除了推理强度参数的位置不同，两套 API 在架构设计上还有几个根本差异，直接影响你的开发方式：
| 维度 | Chat Completions | Responses API |
|---|---|---|
| 状态管理 | 无状态，每次请求需手动拼接完整对话历史 | 有状态，通过 previous_response_id 自动继承上下文 |
| 输入格式 | messages 数组 |
input（字符串或数组） |
| 推理强度 | 顶层 reasoning_effort |
嵌套 reasoning.effort |
| 输出长度控制 | max_completion_tokens |
max_output_tokens |
| 思维链返回字段 | message.reasoning_content |
reasoning 输出项 + summary |
| 上下文缓存 | 前缀缓存（自动） | 显式 caching 开关 + Session 缓存 |
| 内置工具 | 不支持（仅自定义 function） | 支持联网搜索、知识库、MCP |
| 响应查询 | 不支持事后查询 | GET /responses/{id} 检索已存储响应 |
| 流式思维链 | delta.reasoning_content |
response.reasoning_summary_text.delta |
| 结构化输出 | response_format |
text.format |
Responses API 的 previous_response_id 机制可以显著减少多轮对话的 token 传输量，配合 Session 缓存进一步降低成本。
向量云在此基础上叠加分时段折扣和高缓存隔离命中率，让长思维链 + 多轮推理场景的成本再降一档。
了解向量云 →
如果你使用的是 DeepSeek V4.1 Flash（deepseek-v4-1-flash-260910），推理档位的映射规则与 V4 GA 不同，迁移时必须重新核对：
| 传入值 | Chat API 实际效果 | Responses API 实际效果 |
|---|---|---|
none |
关闭思考 | 关闭思考 |
minimal |
→ 映射为 low |
→ 映射为 low |
low |
轻量思考 | 轻量思考 |
medium |
→ 映射为 high |
→ 映射为 high |
high |
深度分析（默认） | 深度分析（默认） |
xhigh |
→ 映射为 high |
→ 映射为 high |
max |
最高强度思考 | 最高强度思考 |
ultra |
→ 映射为 max（Chat 独有） |
— |
关键变化：V4.1 的 minimal 不再关闭思考（映射为 low），要关闭思考必须用 none。medium 和 xhigh 都映射为 high——也就是说，V4.1 实际只有 none / low / high / max 四个有效档位。
1. 日常简单问答：thinking.disabled 或 reasoning_effort=low——快速、省 token，够用。
2. 复杂推理任务（数学/代码/逻辑）：thinking.enabled + reasoning_effort=max——效果优先，接受更高耗时和成本。
3. API 协议选择：新项目优先 Responses API（有状态、内置工具、上下文缓存更完善）；已有 OpenAI 格式代码存量的用 Chat Completions（兼容性好，迁移成本低）。
max 档位的思维链动辄数万 token，叠加多轮对话的上下文累积，月消耗可能达千万级。
向量云基于缓存隔离与分时段调度，让高推理强度场景的 Token 成本大幅下降。官方 API 能力不变，到手价更低。
注册即享折扣 →
深度思考是 Token 消耗大户——max 档位下一次调用可能消耗数万 token 的思维链，多轮对话场景下上下文不断累积，成本很容易失控。
向量云是火山方舟官方 API 的优选接入渠道，基于缓存隔离与分时段调度，让长思维链、高并发场景下的 Token 成本大幅下降。官方 API 能力不变，到手价更低。
平台网址： https://ark.tokenrize.cn （注册即享专属 Token 折扣）
火山方舟官方 API 与官方 Key 直连 · 向量云 · 按量计费享 Token 折扣
A. 深度思考指模型先思考再作答，通过 thinking 开关启用。
A. 推理强度用 reasoning_effort 控制：档位越高思考越深，Token 消耗也越多。
A. 两套协议的参数位置不同，文中给出核心参数对照、代码实战与 V4.1 Flash 的推理档位映射。
A. 文中用三句话讲清楚如何按场景在两套协议之间做选择。