DeepSeek 模型支持思考模式：在输出最终回答之前，模型会先输出一段思维链内容，以提升最终答案的准确性。 思考模式开关与思考强度控制 ​ (1) 思考模式默认打开，且 effort 默认为 high (2) 用户设置的 effort 与模型推理 effort 映射表如下： 您在 OpenAI SDK 中使用 Chat Completion 设置 thinking 参数时，需要将 thinking 参数传入 extra_body 中： 思考模式不支持 temperature 、 presence_penalty 、 frequency_penalty 参数。请注意，为了兼容已有软件，设置参数不会报错，但也不会生效。 top_p 仅在思考模式下生效，有效取值范围为 0.95 – 1.0 ，低于 0.95 的取值会按 0.95 处理。在非思考模式下，该参数恒为 1.0 ，传入的值会被忽略。 在思考模式下，思维链内容通过 reasoning_content 参数返回，与 content 同级。在后续轮次的请求中， reasoning_content 是否需要回传、是否会被拼接进上下文，取决于请求是否携带 tools 参数： 若请求 携带 tools 参数 ：历史轮次的 reasoning_content 均应回传给 API，并会被拼接进上下文。详见 工具调用 。

若请求 未携带 tools 参数 ： reasoning_content 无需回传；即使传入 API，也会被忽略，不会拼接进上下文。详见 多轮对话拼接 。 在每一轮对话过程中，模型会输出思维链内容（ reasoning_content ）和最终回答（ content ）。如果请求未携带 tools 参数，则在下一轮对话中，之前轮输出的思维链内容不会被拼接到上下文中，如下图所示： 下面的代码以 Python 语言为例，展示了如何访问思维链和最终回答，以及如何在多轮对话中进行上下文拼接。 DeepSeek 模型的思考模式支持工具调用功能。模型在输出最终答案之前，可以进行多轮的思考与工具调用，以提升答案的质量。其调用模式如下图所示： 请注意，携带了 tools 参数的请求，在后续所有请求中，必须完整回传 reasoning_content 给 API——即使该轮模型未实际进行工具调用。若您的代码中未正确回传 reasoning_content ，API 会返回 400 报错。正确回传方法请您参考下面的样例代码。 下面是一个简单的在思考模式下进行工具调用的样例代码： 在 Turn 1 的每个子请求中，都携带了该 Turn 下产生的 reasoning_content 给 API，从而让模型继续之前的思考。 response.choices[0].message 携带了 assistant 消息的所有必要字段，包括 content 、 reasoning_content 、 tool_calls 。简单起见，可以直接用如下代码将消息 append 到 messages 结尾： 且在 Turn 2 的请求中，我们仍然携带着 Turn1 所产生的 reasoning_content 给 API。