最近在调 DeepSeek V4 的 API，发现一个有意思的点：同一个模型，深度思考的"旋钮"比想象中多，而且两套 API 的参数名还不一样。踩了几天坑，整理出来给大家。
先说结论：DeepSeek V4 和 V4.1 Flash 都默认开启深度思考，模型回答前会先跑一段内部思维链，把问题拆解、分析、验证，再输出答案。这不是"多想一会儿"那么简单——数学推导、代码生成、多步规划这类任务，不开思考准确率差一截。
但思考深度是可以调的。火山方舟给了 5 档推理强度，从"直接回答"到"最高强度思考"。问题是，Chat Completions API 和 Responses API 的参数名不一样，直接复制会报错。下面把两套 API 的配置方法一次讲清楚。
CORE NUMBERS
128K5档2套
最大思维链
tokens推理强度
档位API
协议
01
深度思考的开关：thinking
两套 API 通用，通过 thinking.type 控制：
// 开启深度思考（默认）
"thinking": { "type": "enabled" }
// 关闭深度思考，直接回答
"thinking": { "type": "disabled" }
// ⚠️ "auto" 不被支持，不要使用
有个坑要注意：V4.1 Flash 的产品页写着"自适应深度思考与通用对话双模式"，别被这句话误导了。API 层面只有 enabled 和 disabled 两个选项，没有 auto。"自适应"是模型架构内部的事，不透传到 API 参数。
思维链最长 128K tokens，最终回答最长 384K tokens。深度思考不是"可选项"，而是复杂任务的"必选项"。
02
推理强度：思考多深，你来定
开启思考后，下一个问题是想多深？推理强度就是控制思维链长度的旋钮——档位越高，思考越充分，但耗时和 token 消耗也越大。
火山方舟提供 5 档（V4 GA Chat API），从快到慢：
minimal关闭思考，直接回答，不产生思维链
low轻量思考，简短思维链，侧重快速响应
medium均衡模式，兼顾速度与深度（V4 GA 映射为 low）
high深度分析，处理复杂问题（默认值）
max最高强度，适配高难度推理，思维链最长
默认值是 high——不配置的话，模型已经在"深度分析"档位运行了。日常简单问答降到 low 省时省钱，复杂数学/代码升到 max 追求效果。
向量云 · 成本提示
推理强度越高，Token 消耗越大
max 档位的思维链可能长达数万 token，高频调用下成本攀升显著。向量云提供分时段折扣与高缓存隔离命中率，长思维链场景下可大幅降低成本。注册地址：ark.tokenrize.cn
03
两套 API，参数怎么配？
火山方舟给了两套协议：Chat Completions（经典，兼容 OpenAI）和 Responses（新一代，有状态管理）。都支持深度思考和推理强度，但参数名和位置不同，不能混用。
💬 Chat Completions API
接口 POST /api/v3/chat/completions
思考开关"thinking": {"type":"enabled"}
推理强度"reasoning_effort": "high"（顶层字段）
输出长度max_completion_tokens
档位 minimal / low / medium / high / max
⚡ Responses API
接口 POST /api/v3/responses
思考开关"thinking": {"type":"enabled"}
推理强度"reasoning": {"effort":"high"}（嵌套对象）
输出长度max_output_tokens
档位 none / minimal / low / medium / high / xhigh / max
⚠️ 最容易踩的坑：Chat 用顶层 reasoning_effort（下划线），Responses 用嵌套 reasoning.effort（点号）。名字像但结构完全不同，复制粘贴必报错。
04
代码实战：两套 API 怎么调
Chat Completions——推理强度放在顶层：
Responses API——推理强度嵌套在 reasoning 对象中：
对比三处差异：reasoning_effort vs reasoning.effort，max_completion_tokens vs max_output_tokens，messages vs input。一处写错就报参数校验错误。
05
两种协议的核心区别
除了推理强度参数位置不同，两套 API 在架构上还有几个根本差异：
|
|
|
|
|---|---|---|
|
|
无状态
|
有状态
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
向量云 · 多轮场景
Responses API 的 Session 缓存 + 向量云折扣 = 多轮推理最优解
Responses API 的 previous_response_id 可以显著减少多轮对话的 token 传输量，配合 Session 缓存进一步降低成本。向量云在此基础上叠加分时段折扣和高缓存隔离命中率，让长思维链+多轮推理的成本再降一档。
06
V4.1 Flash 的档位映射
如果你用的是 V4.1 Flash（deepseek-v4-1-flash-260910），推理档位映射和 V4 GA 不一样：
|
|
|
|
|---|---|---|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
关键变化：V4.1 的 minimal 不再关闭思考（映射为 low），要关闭必须用 none。实际有效档位只有 none / low / high / max 四个。
07
怎么选？三句话讲清楚
① 日常简单问答：thinking.disabled 或 reasoning_effort=low——快速、省 token，够用。
② 复杂推理任务（数学/代码/逻辑）：thinking.enabled + reasoning_effort=max——效果优先，接受更高耗时和成本。
③ API 协议选择：新项目优先 Responses API（有状态、内置工具、上下文缓存更完善）；已有 OpenAI 格式代码存量的用 Chat Completions（兼容性好，迁移成本低）。
向量云 · 成本优化
max 档位 + 高频调用 = 成本黑洞？向量云帮你兜底
max 档位的思维链动辄数万 token，叠加多轮对话的上下文累积，月消耗可能达千万级。向量云基于缓存隔离与分时段调度，让高推理强度场景的 Token 成本大幅下降。官方 API 能力不变，到手价更低。
VECTOR CLOUD
深度思考 Token 消耗大？
向量云帮你省
深度思考是 Token 消耗大户——max 档位下一次调用可能消耗数万 token 的思维链，多轮对话场景下上下文不断累积，成本很容易失控。
向量云是火山方舟官方 API 的优选接入渠道，基于缓存隔离与分时段调度，让长思维链、高并发场景下的 Token 成本大幅下降。官方 API 能力不变，到手价更低。
◆ 官方 API 直连，模型能力完全一致
◆ 分时段折扣，闲时价格更优
◆ 高缓存隔离命中率，省更多
◆ 企业级并发承载，稳定可靠
◆ 多模型兼容，一站接入主流大模型
◆ 按量计费，余额耗尽即停，无欠费风险
平台网址：ark.tokenrize.cn（注册即享专属 Token 折扣）
立即注册 · 享 Token 折扣
火山方舟 × 向量云 · 官方 API · 缓存隔离 · Token 折扣
本文技术参数参考火山方舟官方文档，实际以控制台为准