Reasoning Model（推理模型）

AI 之家 推荐结论：2026 年真正要做的选择题已经不是「要不要开推理」，而是**「给多少 effort」。主流旗舰把思考改成了常开的 adaptive thinking**，用 effort 参数调深浅；能不能关反而成了版本相关的坑。旧心智模型「推理模型 = 一个可开关的特殊模型」已经过时，按它写的代码会报错。

什么是 Reasoning Model

Reasoning Model（推理模型）是一类在输出最终答案前，先做显式推理的模型。它不像传统模型「读完 prompt 直接吐答案」，而是先生成一段内部思考过程（chain-of-thought / 扩展思考），把问题拆步骤、尝试、校验，再给出结论。

你可以把它理解成：普通模型是「凭直觉秒答」，推理模型是「先在草稿纸上推一遍再答」。

解决什么问题

很多任务不是「知道就能答」，而是「想清楚才能对」：

• 多步数学 / 竞赛题
• 复杂代码生成与调试
• 逻辑谜题、约束满足
• 长链条规划、多跳推理

这些任务里，直接生成答案的错误率很高；让模型「多想一会儿」，正确率显著提升。推理模型用更高的延迟与算力换这类难题的准确率。

工作原理

用户问题 → [思考阶段：拆步骤 / 试错 / 自校验] → 最终答案

关键特征：

• 思考预算（thinking tokens / effort）：很多推理模型允许你控制「想多久」——低 effort 快但浅，高 effort 慢但更准。
• 思考过程通常不计入最终输出：用户看到的是结论，模型内部先跑完推理链。
• 可与工具调用结合：推理模型也能边想边调 Function Calling / MCP 工具取数据。

代表形态：OpenAI 的 o 系列（o1 起）、DeepSeek-R1（开源、可自部署）、Claude 的扩展思考（extended thinking）能力。

2026-09 更新：从「开关」变成了「档位」

这是本条目最需要更新的一处认知。早期推理模型把「思考」做成一个你来决定开不开的开关；到 2026 年，主流旗舰的做法已经变成默认常开 + 用 effort 调深度，两者的工程含义完全不同。

三处会直接导致报错的破坏性变更（均在 Claude Opus 5 及之后生效）：

1. Opus 5：effort 为 xhigh 或 max 时，发 thinking: {"type": "disabled"} 返回 400（Opus 4.8 允许）；
2. Opus 5.5：任何 effort 下发 disabled 都返回 400；
3. Opus 5.5：tool_choice 的 any 与 tool 类型返回 400，只支持 auto + 严格工具调用。

实践含义：不要再把「低延迟路径统一关掉 thinking」当作省钱套路——它可能直接让请求失败。正确的做法是把 effort 当成成本控制旋钮：低 effort 快而浅，高 effort 慢而准，需要更快则用 Fast 模式（代价是两倍价）。

和普通模型怎么选

经验法则：简单任务上普通模型，难任务上推理模型。把推理模型当「重型火力」，别拿它做所有事——否则又慢又贵。

2026 年更实用的版本是按 effort 分层：

max effort 不是免费的精度。Simon Willison 用「画一只骑自行车的鹈鹕 SVG」的固定测试跑 Opus 5.5，max thinking 档两次都没返回任何结果——耗尽 128K 输出上限仍在推理，每次花掉 $2.56、耗时近 20 分钟。默认 effort 起步，别一上来就拉满。

常见误区

• 以为「思考越久越对」无上限——过长的思考会引入冗余甚至自我绕晕，任务匹配比堆预算更重要。
• 以为推理模型不用写清需求——它依然依赖你把约束讲清楚，模糊 prompt 下思考也会跑偏。
• 忽视成本——推理模型的思考 token 也计费，长思考 = 高账单，生产要设思考上限。

和 Coding Agent 的关系

Claude Code / Codex 这类编码 Agent 在难任务上会借助推理模型的扩展思考来拆解需求、规划文件改动、自我 review。复杂重构 / 多文件改动尤其吃推理能力。

怎么用：三步上手

1. 先判断任务难度——确定性、模板化任务别上推理模型。
2. 设思考预算——从中等 effort 起，难任务再调高，并监控延迟/成本。
3. 把约束写进 prompt——推理模型照样需要清晰指令，模糊需求下思考会发散。

哪些模型支持

• DeepSeek-R1（DeepSeek-R1）——开源推理模型，可自部署，是「推理能力可以自己跑」这一路线的代表。
• Claude 系列（Opus 5.5 / Opus 5 / Haiku 4.5）——adaptive thinking，用 effort 调档，编码场景常用。
• OpenAI o 系列及后续 GPT 系列——通用推理标杆，同样提供 effort 类档位。
• 多数 2026 旗舰模型已把「推理档位」作为标准能力，是否可关闭则因模型而异（见上文表格）。

FAQ

推理模型一定比普通模型准吗？ 不一定。在简单任务上，多想不会更准，只会更慢更贵。收益出现在「需要多步推导、且单步错误会累积」的任务上——数学、复杂调试、长链条规划。分类、摘要、格式转换这类任务上，把预算花在推理上纯属浪费。

思考 token 计费吗？ 计费。这是最容易失控的一项：长思考 = 高账单，且用户往往看不到思考过程。生产环境务必设思考上限与成本告警。

为什么我发 thinking: disabled 会报错？ 因为 Opus 5.5 起 thinking 完全不可关闭，Opus 5 也只允许在 effort ≤ high 时关闭。改用 effort 参数控制推理深度即可，详见上文表格。

effort 是不是调越高越好？ 不是。过高 effort 可能耗尽输出上限却什么也不返回（见上文 max effort 陷阱），而且成本是线性甚至超线性上升。默认档起步，遇到明确失败再上调。

开源推理模型能追上闭源吗？DeepSeek-R1 证明了「可自部署的强推理」这条路走得通，但代差依然存在。选型标准应是你的数据能不能出网——能出网就看绝对能力，不能出网则开源自部署是唯一解。

延伸阅读

• 模型如何调工具：Function Calling
• 协议层：MCP · Agent 沙箱
• 编码 Agent：Agentic Coding · 智能体编排
• 上下文管理：Context Engineering · 上下文压缩
• 模型：Claude Opus 5.5 · Claude Opus 5 · Claude Haiku 4.5 · DeepSeek-R1

来源

• OpenAI — Learning to reason with LLMs（o1 介绍）
• DeepSeek-R1 GitHub
• Claude 官方模型总览（thinking 形态、effort 默认值与知识截止）
• Claude API release notes：Opus 5 / 5.5 的 thinking 破坏性变更（Anthropic，2026-09-22）