思维链模型：什么时候该开推理，以及它的成本

思维链模型在你看到回复之前会产出两种文本：它内部走完的一段推理过程，以及最终答案。两者都是 token，也都按同一种方式计费——算输出。这一个事实，就足以解释多数人第一次在繁忙接口上打开 enable_thinking 之后收到的账单惊喜。

哪些模型支持

enable_thinking: true 是在标准 OpenAI 结构之上的 genmux 扩展参数，只有为它设计过的模型才会真的有反应：

把 enable_thinking 发给第二组模型不会报错——它会被静默忽略，所以在一段会按任务调用不同模型的公共代码里留着它是安全的。GLM、Kimi 以及 Qwen 的 Plus/Coder 系列因上游修复暂时下架；它们回归后，思维链支持情况会重新写进这里。

推理 token 为什么算输出

没有单独的「思维链」价位档，推理文本相对可见答案也没有折扣——两者都是模型生成出来的 token，usage.completion_tokens 把它们全都算上。如果一个模型本来 80 个 token 就能回答，你打开了思维链，它先推理了 600 个 token 再作答，那你被计费的大约是 680 个 completion token，而不是 80 个。

from openai import OpenAI

client = OpenAI(base_url="https://api.genmux.tech/v1", api_key="nb_live_...")

resp = client.chat.completions.create(
    model="deepseek-v4-pro",
    messages=[{"role": "user", "content": "Is 8191 prime? Show your reasoning."}],
    max_tokens=1200,
    enable_thinking=True,
)

print(resp.choices[0].message.content)
print(resp.usage)
# Usage(prompt_tokens=14, completion_tokens=643, total_tokens=657,
#       cost=0.092, cost_source="vendor")

那 643 个 completion token 大部分是推理过程，而不是那句一行的答案——不开思维链的话，那句答案大概 20 个 token 就够了。

一个算清楚的对比

同一个问题、同一个模型，思维链关闭对打开，按 DeepSeek V4 Pro 每百万输出 $1.782 的费率计：

一次调用相差约 25 倍很容易吸收；但同样的倍数放到每天 10 万个请求上，就把一个每天 $4 的接口变成每天 $115。两个数字都不算错——这是实打实的「成本换推理深度」——但它必须是一个有意识的选择，而不是测试时打开后忘了关。

什么时候值得打开

• 多步数学、逻辑或规划——思维链模型正是为这类任务而生。这里的准确率提升通常对得起成本。
• 一次性或低频调用——一天只跑几百次的支持类脚本，完全负担得起这个倍数。
• 含糊或对抗性的输入——推理能帮模型抓住直接作答会漏掉的边界情况。

什么时候别开

• 大流量的分类、抽取或短对话——不开思维链的模型本来就做得不错的任务，不需要多花这笔钱。
• 对延迟敏感的界面——推理会在可见答案开始流出之前（或与之交错）实打实地增加墙钟时间。
• 热路径上每个请求都会走到的地方——先在一部分流量上打开，量一量 token 差值，再决定要不要全量铺开。

流式与思维链同时使用

推理内容和最终答案走同一个 delta.content 字段——没有单独的 SSE 事件类型——所以一个简单粗暴的界面会把推理过程直接渲染给用户，除非你自己过滤。包含「推理 + 答案」完整 completion_tokens 的 usage，仍然只在 data: [DONE] 之前的最后一个分块里到达；解析细节见 SSE 流式指南。

开始使用

试一下 enable_thinking 不花什么成本——给一个请求加上它，看看前后的 usage.completion_tokens，然后用真实数字而不是猜测来决定。逐模型的费率见价格页，完整参数说明见文档。