> ## Documentation Index > Fetch the complete documentation index at: https://docs.bigmodel.cn/llms.txt > Use this file to discover all available pages before exploring further. # 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 **基础调用（启用深度思考）** ```bash theme={null} 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）** ```bash theme={null} 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）** ```bash theme={null} 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** ```bash theme={null} 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" } }' ``` **安装 SDK** ```bash theme={null} # 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** ```python theme={null} import zai print(zai.__version__) ``` **基础调用（启用深度思考）** ```python theme={null} 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）** ```python theme={null} 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）** ```python theme={null} 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** ```python theme={null} 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： ```json theme={null} { "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