LLM 思考控制实测：13 个模型如何接受、忽略或执行参数
相同的思考控制参数根据你发送给哪个模型会有三种不同的含义：thinking_budget: 16 在 Qwen 3.8 Max、GLM 5.2 以及两个 DeepSeek V4 构建版本上恰好消耗 16 个推理 token，在 Kimi K3 和 MiniMax M3 上被静默忽略，而在 GPT-5.6 上则被拒绝并返回 400。我们用 OpenAI 兼容接口所接受的每一种控制写法，对来自九家厂商的 13 个模型进行了探测，然后测量了每个旋钮位置在推理 token 上的成本，以及它在准确性上造成的破坏，测试在相同的四个加盐任务上进行，每个单元格运行三次。
TL;DR
thinking: {"type": "disabled"}在 13 个模型中的 11 个上将推理归零；两个例外（Gemini pro、GPT-5.6）拒绝该设置。- Qwen、GLM 和 DeepSeek 将
thinking_budget: 16恰好用作 16；Kimi 和 MiniMax 接受该字段但不作任何改变：Kimi 在该上限下消耗了 8-97，从未达到 16。 - 关闭思考使 5 步算术在八个模型上从 3/3 降至 0-1/3；DeepSeek V4 Pro 和 Claude 通过将步骤写入可见答案中保持了 3/3。
- 在所有 12 个支持关闭思考的模型上，JSON 提取在关闭思考的情况下得分为 3/3。
每个 API 接受哪些思考控制参数？
OpenAI 兼容接口上常见的思考控制参数分为 3 类，没有任何模型同时遵循全部参数。reasoning_effort 接受枚举值（从 none 到 max），thinking_budget 接受 token 数量，thinking: {"type": "disabled"}（以及类似的 enable_thinking: false）用于强制关闭。下面是实测的接受情况，每个单元使用一道简单的加盐问题：
| 模型 | reasoning_effort | thinking_budget | thinking: disabled |
|---|---|---|---|
| kimi-k3 | 全部 7 个值 | 接受，被忽略 | 有效（rt=0） |
| qwen3.8-max | 全部 7 个值 | 精确（16 → 16；0 被拒绝） | 有效 |
| deepseek-v4-flash-0731 | 5 个值，无关闭档位 | 精确（16 → 16） | 有效 |
| deepseek-v4-pro | 5 个值，无关闭档位 | 精确 | 有效 |
| gpt-5.6-luna | 7 个中的 5 个值（minimal/max 在上游被拒绝） | 被拒绝（400） | 被拒绝（400） |
| glm-5.2 | 全部 7 个值 | 精确（16 → 16） | 有效 |
| gemini-3.6-flash | 全部值；none/minimal 真正关闭 | 转换、粗略：0-64 = 关闭，1,024 封顶 | 有效（ct=2） |
| gemini-3.1-pro-preview | none/minimal 被拒绝（pro 无法禁用） | 降低消耗，高值取下限（64 → 204） | 被拒绝（400） |
| minimax-m3 | 接受；none 被忽略 | 接受，被忽略 | 有效（ct=2） |
| Dola-Seed-2.0-pro | 4 个值；minimal 真正关闭 | 0 = 关闭；非零值被忽略（16 → 36-64） | 有效（rt=0） |
| claude-sonnet-5 | output_config.effort | budget_tokens 被拒绝（400） | 有效 |
| claude-opus-5 | output_config.effort | budget_tokens 被拒绝（400） | 有效 |
| claude-fable-5 | output_config.effort | 接受 | 接受 |
有两行值得标注。Google 将自己的产品线一分为二：flash 层级可以干净地关闭，而 pro 层级则用 400 拒绝所有关闭写法，这符合 Google 认为 pro 级思考无法被禁用的立场。而两个标记为”accepted”的 claude-fable-5 单元格与 Anthropic 为该模型公布的约定不符，后者规定思考无法被禁用；请将这些单元格视为尚未定论。
“接受”是否等于“执行”？
不等于，而且差额会计费。收到 200 响应，只能说明参数通过了解析，不能证明参数真正传到了模型。区分两者的方法很简单：把预算设为 16，然后查看计量结果。
Qwen、GLM 和两个 DeepSeek 版本都恰好消耗了 16。Kimi 在四次运行中针对相同的上限分别消耗了 8、19、79 和 97，从未达到 16，而 MiniMax 在 18-44 时表现相同，按常规计费，响应中没有任何迹象表明上限已被取消。Gemini 以粗粒度将预算转换为其原生控制：在 flash 上，0 到 64 的上限表现为完全关闭，而 1,024 则允许思考（在我们的 5 步任务中中位数为 141）；pro 层级在上限下削减了消耗，但针对请求的 64 会触底约 200，且无法达到零。GPT-5.6 和 Claude 处于该光谱中诚实的一端：数字预算会被以 400 拒绝，你立刻就知道自己的处境。
实际使用时，每次设置思考控制参数后，都应查看下一条响应中的 completion_tokens_details.reasoning_tokens，确认档位确实发生了变化。显式失败只会让你多重试一次；静默失败则会让每次调用都产生原本以为已经封顶的推理费用。
是否存在通用的关闭开关？
thinking: {"type": "disabled"} 是最接近的方案：它在 13 个模型中的 11 个上将推理归零，涵盖 Kimi、Qwen、两个 DeepSeek、GLM、Gemini flash、MiniMax、字节跳动的 Seed 系列以及全部三个 Claude 模型。它的相似方案 enable_thinking: false 在几乎所有地方都能匹配，但有一个静默的例外：MiniMax 接受它但仍保持思考（在我们的探测中有 31 个推理 token）。
这两个例外会显式报错，而非静默失败：Gemini pro 对每一个拼写错误都返回 400（该档位无法禁用思考），GPT-5.6 也会拒绝该字段。GPT-5.6 在同样意义上不需要关闭开关：gpt-5.6-luna 默认对简单查询和提取消耗零推理 token（该系列的双杠杆模式），并且 reasoning_effort: "none" 也能将此行为锁定到数学形态的输入上。
关闭思考会损失多少准确率？
对于 5 步算术链，代价几乎是全部准确率：思考一关，8 个模型就从 3/3 跌到 0/3 或 1/3。对于两跳文字题，影响要小得多：多数模型关闭思考后仍能保持 3/3，只有 Kimi 和 MiniMax 降至 0/3，这与 K3 首发版本测试中发现的脆弱关闭状态 相同。当步骤数量超过模型单次可见生成所能处理的范围时，准确率就会断崖式下降。
| 模型 | 5 步算术链，开启思考 | 5 步算术链，关闭思考 |
|---|---|---|
| kimi-k3 | 3/3（52 rt） | 1/3 |
| qwen3.8-max | 3/3（96 rt） | 0/3 |
| deepseek-v4-flash-0731 | 3/3（70 rt） | 1/3 |
| deepseek-v4-pro | 3/3（112 rt） | 3/3（答案增长到 142 个 token） |
| gpt-5.6-luna | 3/3（33 rt） | 0/3 |
| glm-5.2 | 3/3（237 rt） | 0/3 |
| gemini-3.6-flash | 3/3（338 rt） | 0/3 |
| minimax-m3 | 3/3（66 rt） | 1/3 |
| Dola-Seed-2.0-pro | 3/3（128 rt） | 0/3 |
| claude-sonnet-5 | 3/3（70 out） | 3/3（输出增长到 139 个 token） |
| claude-opus-5 | 3/3（60 out） | 3/3 |
这 3 个仍然过关的模型采用了同一种办法：关闭思考后，把中间步骤直接写进可见答案。DeepSeek V4 Pro 的回复中位长度从 115 个 token 增至 142 个，Sonnet 5 则从 70 个增至 139 个。隐藏推理不再计费，费用转移到可见推理上；而多数价格表对二者采用相同的输出费率。因此，“关闭”更多只是换了费用名目，并没有真正消除支出。关闭后老老实实只输出 1-4 个 token 的模型，反而最容易出现准确率断崖。
对于会出现断崖的任务，较小的预算就能恢复准确率：thinking_budget: 256 让 Qwen 和两个 DeepSeek 版本重新达到 3/3，推理 token 中位数为 77-128。这与我们在 DeepSeek 重训版本和 Qwen 3.8 隐藏上限测试中观察到的低预算补救模式一致。
矩阵中有一个单元完全没有可用数据：claude-fable-5 对原始算术题表述连续 12 次返回 stop_reason: "refusal"（类别为 cyber），所有 effort 档位均如此；换成语义相同的另一种表述后，12 次全部通过。Anthropic 把拒绝记录为一种独立的停止原因，并提供了可选的回退机制。如果轮换策略中包含 fable 系列模型，应提前处理这种停止原因。
不同 effort 档位究竟能带来什么？
每家厂商的曲线都不一样，只有 Google 的曲线会随档位上升。我们在同一道 5 步任务上测试了每个模型接受的全部枚举值，每个档位运行 3 次，并把中位数绘制在同一尺度上：
这些曲线可以分成 4 类。真正的节流档位：两个 Gemini 都单调上升，flash 从 137 个推理 token 增至 390 个，pro 从 180 个增至 387 个，并在 high 档趋于饱和。low 档只消耗最高档位三分之一到二分之一的 token，却仍保持 3/3，因此值得设为 Gemini 流水线的默认值。平坦曲线：DeepSeek 从 low 的 78 降到 max 的 54，整体略微下降；Kimi 从 minimal 的 94 降到 max 的 67；MiniMax 则在 61-93 之间无规律波动。这些模型虽然提供多个档位，但各档位没有实际区别；DeepSeek 自己的模型卡使用“max reasoning effort”公布基准测试，而我们此前已发现该设置与默认值没有明显差异。未触发的上限：Qwen 的档位实际是预算上限，对于这种规模的任务不会生效，因此数据在 85-156 之间波动且没有趋势；只有处理深度任务时才能看到区别，单独测试结果也是如此。非单调曲线：GLM 的 high 消耗 116，低于 low 的 184 和 max 的 345；在档位映射稳定前，中间档位不能按顺序理解。两个自适应模型几乎不需要手动调档：gpt-5.6-luna 的整个枚举范围只有 32 到 41 个 token；Opus 5 的 output_config.effort 对可见输出的影响也只在噪声范围内（54-63 个 token，Sonnet 5 同样只有 71-92 个），真正的决策由自适应思考完成。
这些曲线直接给出了运维规则：Gemini 的每个档位都会产生真实的费用差异，必须明确选择。Qwen、GLM 和 DeepSeek 应使用严格执行的 thinking_budget 和关闭开关，而不是枚举值。其他模型的枚举值只是在关闭与默认状态之间充当装饰。要判断面对的是哪种情况，只能运行上面的档位测试：对同一个任务遍历所有档位，然后查看计量结果。
任务形态的影响同样具有普遍性。在单步 JSON 提取测试中，开启思考产生了整个矩阵中最高的消耗：GLM 为 377 个推理 token，Gemini flash 为 332 个，但结果没有任何改善。支持关闭思考的 12 个模型在关闭后全部取得 3/3。结构化提取承担了最高的无效推理税，同时又恰好是最适合安全关闭思考的工作负载。
能否看到费用花在了哪里？
计费数据普遍可见，思考内容则不一定。6 个开放权重系列模型会在 reasoning_content 中返回推理文本：GLM 5.2 和 DeepSeek V4 Pro 返回的内容接近完整思维链，分别为 508 和 312 个字符，对应 167 和 100 个推理 token；Kimi、Qwen、DeepSeek Flash、MiniMax 和 Seed 返回的轨迹更短，与其较低的消耗大致相符。GPT-5.6 和两个 Gemini 都不返回推理内容：推理 token 会计费，但不可见。Claude 会返回 thinking 块，但在我们测试的接口上，默认不会提供其中的内容。因此只能知道模型进行了思考，看不到具体过程。
这种可见性差异会影响预算行为的调试。对于不返回任何推理内容的模型，usage 详情中的 reasoning_tokens 是唯一的观测手段。还是同一条原则：相信计量数据，不要相信 200 响应。
常见问题
如何在 OpenAI 兼容 API 上关闭思考？
发送 thinking: {"type": "disabled"}；在我们的 13 模型矩阵中，它使其中 11 个模型的推理归零（Kimi、Qwen、DeepSeek x2、GLM、Gemini flash、MiniMax、Seed 以及 Claude 系列）。Gemini pro 无法关闭并返回 400；GPT-5.6 拒绝该字段，但在简单任务上默认几乎不进行思考。可通过读取下一个响应中的 reasoning_tokens 来验证。
thinking_budget: 0 能关闭思考吗？
这取决于模型。在 Gemini flash 和 ByteDance Seed 上，0 表现为彻底关闭；Qwen 和 DeepSeek 会以 400 拒绝 0；Kimi 和 MiniMax 接受任意预算但忽略它。在按 token 严格执行预算的模型（Qwen、GLM、DeepSeek）上，最小的有效值是一个较小的正数：在我们的 5 步任务中，256 在 Qwen 和两个 DeepSeek 构建上都保持了 3/3，而 GLM 在相同设置下波动到了 2/3。
关闭思考后执行 JSON 提取安全吗？
在我们的测试中是安全的：所有支持关闭思考的模型，在单步提取任务中关闭后都取得 3/3；开启思考则会为相同输出额外消耗最多 377 个推理 token。边界取决于步骤数量，而非输出格式：在 11 个模型中，有 8 个关闭思考后无法完成多步任务。根据我们的 DeepSeek 测试，还有一个例外：0731 重训版本开启思考后反而会破坏严格 JSON 中的值，因此关闭思考同时也是正确性修复。
哪些模型会严格执行思考预算？
Qwen 3.8 Max、GLM 5.2 以及两个 DeepSeek V4 版本：请求 16，读数就是 16。Kimi K3 和 MiniMax 接受同样的字段但会忽略它；Gemini 会粗略地进行转换（在 flash 上，较小的数值等同于关闭，pro 会将较小值抬到 high）；GPT-5.6 和 Claude 5 代模型则直接拒绝数值预算（Claude 的 budget_tokens 会返回一个指向自适应思考的 400）。
于 2026-08-11/12 通过 Synthorai 网关测量：针对 reasoning_effort（7 个值）、thinking_budget（0/16/1024）、enable_thinking 以及 thinking:{"type":"disabled"} 的接受性探测，覆盖 13 个模型，并在发布前数小时重新验证；随后进行了 552 次调用的税负矩阵（四种加盐任务形态 x 每组 3 次运行，各组仅限于每个模型经验证可用的控制项）、在 5 步任务上进行了 183 次调用的完整枚举阶梯（即图表数据）、补充单元格，以及每模型的推理可见性探测。准确率依据原始答案评分；token 中位数取 n=3；推理 token 读取自 completion_tokens_details.reasoning_tokens（Claude 模型仅报告输出 token）。提示词按每次调用加盐。旋钮语义与枚举是我们在该日期所测量的接口表现，可能会发生变化；在依赖任何单个单元格之前，请重新探测。