OpenAI 兼容模式：推理模型输出

/v1/chat/completions 下推理模型的输出特点：思考型（reasoning_content）、思考签名、结构化输出，附各模型实测支持度。

推理模型（reasoning models）在回答前会先「思考」。通过 兼容模式 调用时，它们的输出比普通模型多了一些细节。本页讲清三件事：思考内容怎么拿、多轮怎么传、结构化输出怎么稳。

本页聚焦 /v1/chat/completions 兼容模式。Claude 原生格式的思考块（/v1/messages 的 thinking）见 Claude Effort 思考指南；Gemini 原生的 thinking_level 与 thought_signature 见 Gemini 原生调用。

​

推理模型输出总览

兼容模式下，推理模型在「是否输出思考文本」上分三类：

类型	代表模型	思考内容	取正文方式
不输出思考	gpt-4.1-mini、gemini-3.1-flash-lite、claude-haiku-4-5	无	与普通模型一致
输出思考文本	grok-4.3、qwen3.6-plus、glm-5.1	reasoning_content 字段	正文在 content，思考在 reasoning_content
仅计 token	gpt-5.4-mini	不返回文本，仅 usage.reasoning_tokens	与普通模型一致

无论哪一类，正文永远在 content。只要你只读 content，所有推理模型都能像普通模型一样接入；想额外展示思考过程，再去读 reasoning_content。

​

思考型：reasoning_content

会输出思考文本的模型，把思考链放在与 content 平行的 reasoning_content 字段。

非流式——message 同时含两者：

{
  "choices": [{
    "message": {
      "role": "assistant",
      "content": "1+1等于2。",
      "reasoning_content": "用户在问 1+1 ……（一段思考过程）"
    },
    "finish_reason": "stop"
  }]
}

msg = resp.choices[0].message
print("正文：", msg.content)
# 思考过程（仅部分模型有，SDK 里可能在 model_extra 中）
print("思考：", getattr(msg, "reasoning_content", None))

流式——先推送一连串 delta.reasoning_content，思考完才开始推送 delta.content。务必把两者分流渲染（思考折叠、正文上屏），否则界面会先刷一大段思考：

for chunk in stream:
    if not chunk.choices:
        continue
    delta = chunk.choices[0].delta
    reasoning = getattr(delta, "reasoning_content", None)
    if reasoning:
        render_thinking(reasoning)   # 折叠区/灰字
    if delta.content:
        render_answer(delta.content) # 正文区

流式里 reasoning 与 content 的「互斥」写法三家不同，解析时三种都要容忍：

• grok-4.3：思考阶段只有 reasoning_content 键，正文阶段只有 content 键（另一个键直接不出现）。
• qwen3.6-plus：两个键都在，非当前的为 null。
• glm-5.1：思考阶段 content 为 ""（空串）+ reasoning_content 有值。

统一做法：用「真值判断」取值（if reasoning: / if content:），自动跳过缺失、null、"" 三种空态。

推理 token 可能远超正文。实测一个「1+1」级问题，grok-4.3 的 reasoning_tokens 可达数百，而正文只有几个 token。思考链按输出 token 计费，对延迟和成本敏感的场景请评估是否需要开启 / 展示思考。

​

思考签名与多轮对话

「思考签名」（thought signature）是 Gemini 原生格式的概念：原生多模态 / 函数调用里，模型会返回加密的 thought_signature，多轮时需原样回传以保持推理连续性（详见 Gemini 原生调用 与 Gemini 函数调用）。

在 /v1/chat/completions 兼容模式下，推理模型是无状态的：

• 多轮对话只需把上一轮 assistant 的 content 放进 messages 历史即可；
• 无需回传 reasoning_content，响应里也不出现任何 signature 字段；
• 实测 gemini-3.1-flash-lite、grok-4.3 在仅回传 content 的情况下，多轮上下文记忆均正常。

messages = [
    {"role": "user", "content": "记住数字 42。"},
    {"role": "assistant", "content": "好的，我记住了 42。"},  # 只回传 content
    {"role": "user", "content": "刚才那个数字乘以2是多少？"}
]
# grok-4.3 / gemini-3.1-flash-lite 均正确回答 84

需要跨轮保留 Gemini 的思考签名、或用 Claude 的原生思考块做多轮，请改用对应的原生格式端点，而非兼容模式。

​

结构化输出

通过 response_format 让模型只吐 JSON。两种类型：

# 1) json_schema：严格按 schema 约束字段（OpenAI 标准）
response_format = {
    "type": "json_schema",
    "json_schema": {
        "name": "city_info",
        "strict": True,
        "schema": {
            "type": "object",
            "properties": {
                "city": {"type": "string"},
                "population": {"type": "integer"},
                "is_capital": {"type": "boolean"}
            },
            "required": ["city", "population", "is_capital"],
            "additionalProperties": False
        }
    }
}

# 2) json_object：只保证是合法 JSON，不约束字段
response_format = {"type": "json_object"}

​

各模型实测支持度

json_schema 各家支持参差，这是结构化输出最大的坑：

模型	json_schema	json_object	content 可否直接 parse
gpt-4.1-mini	✅ 严格遵守	✅	✅ 纯 JSON
gemini-3.1-flash-lite	✅	✅	✅
grok-4.3	✅（另带思考链）	✅	✅ content 为纯 JSON
gpt-5.4-mini	⚠️ JSON 对，但前面带 <think>…</think>	—	❌ 需先剥离 think 块
qwen3.6-plus	⚠️ 报 400：messages 须含 “json” 字样	✅	✅
claude-haiku-4-5	❌ 忽略 schema，返回 Markdown	—	❌
glm-5.1	❌ 忽略 schema，返回自然语言	✅	json_object 下 ✅

​

跨模型稳定拿 JSON 的建议

不要假设 json_schema 在所有模型上都生效。要跨模型稳定，推荐组合拳：

1. 优先用 json_object，兼容性比 json_schema 好；
2. prompt 里明确写「只返回 JSON」并出现 “json” 字样（qwen 强制要求，其它模型也更稳）；
3. 解析前做容错：剥离 ```json 代码块围栏、剥离 <think>…</think> 前缀，再 json.loads，失败则降级处理。

import json, re

def parse_json_loose(content: str):
    # 去掉 <think>…</think> 前缀（gpt-5.4-mini）
    content = re.sub(r"<think>.*?</think>", "", content, flags=re.S).strip()
    # 去掉 ```json 代码块围栏
    content = re.sub(r"^```(json)?|```$", "", content, flags=re.M).strip()
    try:
        return json.loads(content)
    except json.JSONDecodeError:
        return None   # 降级：记录原文 / 重试 / 换模型

​

相关链接

• 同组页面：响应数据处理 · 兼容模式调用 · 函数调用
• 原生格式思考：Claude Effort 思考指南 · Gemini 原生调用
• 模型与价格：模型与价格总览