思考与输出

理解思考用量、输出上限、流式内容，以及没有正文时如何排查。

先按任务选择思考等级，再设置输出上限。需要逐步显示回答时，开启流式输出。

为思考和正文留出空间

协议	输出上限参数
Responses	`max_output_tokens`
Chat Completions	`max_completion_tokens`，也接受 `max_tokens`
Anthropic Messages	必须传入正整数 `max_tokens`

{
  "model": "auto",
  "input": "解释这段代码的边界条件。",
  "reasoning": { "effort": "medium" },
  "max_output_tokens": 8192
}

输出上限不是预付的 token 数。思考也会占用生成预算；上限过小可能在正文完成前终止。各模型最大输出与上下文窗口见模型与价格。

Messages 的思考设置见API 怎么设置。总输出长度通过 max_tokens 控制。

设置 stream: true 后，持续接收文本片段并显示。读取到完成或失败事件后，再结束本次请求。

协议	正文	思考内容
Responses	`response.output_text.delta`	`response.reasoning_summary_text.delta`
Chat Completions	`choices[0].delta.content`	`choices[0].delta.reasoning_content`
Anthropic Messages	`text_delta`	`thinking_delta`

确认已读取到响应结束，并检查错误信息。如果回答因输出上限而停止，可增加上限后重试；复杂问题也可以拆开提问。

思考 token 已包含在输出用量中，无需再次相加。提高思考等级可能增加用量；流式与非流式的单价相同。费用按最终 usage 计算，详见消耗说明。

Fast 模式通过模型 ID 单独选择，不由思考等级或流式设置开启。