深度思考

深度思考（Thinking）高级推理功能，通过启用思维链（Chain of Thought）机制，让模型在回答问题前进行深层次的分析和推理。这种方式能显著提升模型在复杂任务中的准确性和可解释性，特别适用于需要多步推理、逻辑分析和问题解决的场景。

功能特性

深度思考功能目前支持 GLM-5.2、GLM-5.1、GLM-5、GLM-5-Turbo、GLM-5V-Turbo、GLM-4.7、GLM-4.6、GLM-4.5 等系列最新模型。通过启用深度思考，模型可以：

• 多步推理：将复杂问题分解为多个步骤，逐步分析解决
• 逻辑分析：提供清晰的推理过程和逻辑链条
• 提升准确性：通过深度思考减少错误，提高回答质量
• 增强可解释性：展示思考过程，让用户理解模型的推理逻辑
• 智能判断：模型自动判断是否需要深度思考，优化响应效率

核心参数说明

• thinking.type: 控制深度思考模式
  • enabled（默认）：启用动态思考(GLM-5.2 GLM-5.1 GLM-5 GLM-5-Turbo GLM-5v-Turbo GLM-4.6 GLM-4.6V GLM-4.5 为模型自动判断是否思考，GLM-4.7 GLM-4.5V 为强制思考)
  • disabled：禁用思考，直接给出回答
• reasoning_effort: 控制开启思维链下的推理程度，仅 GLM-5.2 及以上支持
  • 可选值：max（默认且推荐，深度推理）、xhigh、high（增强推理）、medium、low、minimal、none
  • none 或 minimal：模型放弃思考；low / medium 映射为 high；xhigh 映射为 max
• model: 支持深度思考的模型，GLM-4.5 及其以上版本支持。

代码示例

cURL

基础调用（启用深度思考）

curl --location 'https://open.bigmodel.cn/api/paas/v4/chat/completions' \
--header 'Authorization: Bearer YOUR_API_KEY' \
--header 'Content-Type: application/json' \
--data '{
    "model": "glm-5.2",
    "messages": [
        {
            "role": "user",
            "content": "详细解释量子计算的基本原理，并分析其在密码学领域的潜在影响"
        }
    ],
    "thinking": {
        "type": "enabled"
    },
    "max_tokens": 4096,
    "temperature": 1.0
}'

流式调用（深度思考 + 流式输出）

curl --location 'https://open.bigmodel.cn/api/paas/v4/chat/completions' \
--header 'Authorization: Bearer YOUR_API_KEY' \
--header 'Content-Type: application/json' \
--data '{
    "model": "glm-5.2",
    "messages": [
        {
            "role": "user",
            "content": "设计一个电商网站的推荐系统架构，考虑用户行为、商品特征和实时性要求"
        }
    ],
    "thinking": {
        "type": "enabled"
    },
    "stream": true,
    "max_tokens": 4096,
    "temperature": 1.0
}'

控制推理程度（reasoning_effort）

curl --location 'https://open.bigmodel.cn/api/paas/v4/chat/completions' \
--header 'Authorization: Bearer YOUR_API_KEY' \
--header 'Content-Type: application/json' \
--data '{
    "model": "glm-5.2",
    "messages": [
        {
            "role": "user",
            "content": "分析一下这道数学题的解题思路"
        }
    ],
    "thinking": {
        "type": "enabled"
    },
    "reasoning_effort": "max"
}'

禁用深度思考

curl --location 'https://open.bigmodel.cn/api/paas/v4/chat/completions' \
--header 'Authorization: Bearer YOUR_API_KEY' \
--header 'Content-Type: application/json' \
--data '{
    "model": "glm-5.2",
    "messages": [
        {
            "role": "user",
            "content": "今天天气怎么样？"
        }
    ],
    "thinking": {
        "type": "disabled"
    }
}'

Python SDK

安装 SDK

# 安装最新版本
pip install zai-sdk

# 或指定版本
pip install zai-sdk==0.2.3

验证安装

import zai
print(zai.__version__)

基础调用（启用深度思考）

from zai import ZhipuAiClient

# 初始化客户端
client = ZhipuAiClient(api_key='YOUR_API_KEY')

# 创建深度思考请求
response = client.chat.completions.create(
    model="glm-5.2",
    messages=[
        {"role": "user", "content": "详细解释量子计算的基本原理，并分析其在密码学领域的潜在影响"}
    ],
    thinking={
        "type": "enabled"  # 启用深度思考模式
    },
    max_tokens=4096,
    temperature=1.0
)

print("模型响应:")
print(response.choices[0].message.content)
print("\n---")
print(response.choices[0].message.reasoning_content)

流式调用（深度思考 + 流式输出）

from zai import ZhipuAiClient

# 初始化客户端
client = ZhipuAiClient(api_key='YOUR_API_KEY')

# 创建流式深度思考请求
response = client.chat.completions.create(
    model="glm-5.2",
    messages=[
        {"role": "user", "content": "设计一个电商网站的推荐系统架构，考虑用户行为、商品特征和实时性要求"}
    ],
    thinking={
        "type": "enabled"  # 启用深度思考模式
    },
    stream=True,  # 启用流式输出
    max_tokens=4096,
    temperature=1.0
)

# 处理流式响应
reasoning_content = ""
thinking_phase = True

for chunk in response:
    if not chunk.choices:
        continue
    
    delta = chunk.choices[0].delta
    
    # 处理思考过程（如果有）
    if hasattr(delta, 'reasoning_content') and delta.reasoning_content:
        reasoning_content += delta.reasoning_content
        if thinking_phase:
            print("🧠 思考中...", end="", flush=True)
            thinking_phase = False
        print(delta.reasoning_content, end="", flush=True)
    
    # 处理回答内容
    if hasattr(delta, 'content') and delta.content:
        if thinking_phase:
            print("\n\n💡 回答:")
            thinking_phase = False
        print(delta.content, end="", flush=True)

控制推理程度（reasoning_effort）

from zai import ZhipuAiClient

# 初始化客户端
client = ZhipuAiClient(api_key='YOUR_API_KEY')

# 使用 reasoning_effort 控制推理程度
response = client.chat.completions.create(
    model="glm-5.2",
    messages=[
        {"role": "user", "content": "分析一下这道数学题的解题思路"}
    ],
    thinking={
        "type": "enabled"
    },
    reasoning_effort="high"  # 可选: max, xhigh, high, medium, low, minimal, none
)

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

禁用深度思考

from zai import ZhipuAiClient

# 初始化客户端
client = ZhipuAiClient(api_key='YOUR_API_KEY')

# 禁用深度思考，快速响应
response = client.chat.completions.create(
    model="glm-5.2",
    messages=[
        {"role": "user", "content": "今天天气怎么样？"}
    ],
    thinking={
        "type": "disabled"  # 禁用深度思考模式
    }
)

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

响应示例

启用深度思考的响应格式：

{
  "created": 1677652288,
  "model": "glm-5.2",
  "choices": [
    {
      "index": 0,
      "message": {
        "role": "assistant",
        "content": "人工智能在医疗诊断中具有巨大的应用前景...",
        "reasoning_content": "让我从多个角度来分析这个问题。首先，我需要考虑AI在医疗诊断中的技术优势..."
      },
      "finish_reason": "stop"
    }
  ],
  "usage": {
    "completion_tokens": 239,
    "prompt_tokens": 8,
    "prompt_tokens_details": {
      "cached_tokens": 0
    },
    "total_tokens": 247
  }
}

最佳实践

推荐启用的场景：

• 复杂问题分析和解决
• 多步骤推理任务
• 技术方案设计
• 策略规划和决策
• 学术研究和分析
• 创意写作和内容创作

可以禁用的场景：

• 简单事实查询
• 基础翻译任务
• 简单分类判断
• 快速问答需求

注意事项

1. 响应时间：启用深度思考会增加响应时间，特别是复杂任务
2. Token 消耗：思考过程会消耗额外的 Token，请合理规划使用
3. 模型支持：确保使用支持深度思考功能的模型版本
4. 任务匹配：根据任务复杂度选择是否启用深度思考
5. 流式输出：结合流式输出可以实时查看思考过程，改善用户体验