Vai al contenuto principale
I modelli di reasoning spendono ulteriore computazione su una passata nascosta di “pensiero” prima di produrre la risposta finale. Sono più lenti e più costosi ma risolvono problemi più difficili. OrcaRouter fornisce una sintassi unificata per controllare l’effort di reasoning attraverso ogni provider — scegli la forma che si adatta al tuo client.

​
Due modi per impostare l’effort

​
1. Il campo reasoning_effort (forma OpenAI)

Passalo su una richiesta Chat Completions. Valori: low, medium, high (e minimal / max su alcuni modelli). 
resp = client.chat.completions.create(
    model="anthropic/claude-opus-4.6",
    messages=[{"role": "user", "content": "Hard math problem..."}],
    reasoning_effort="high",
)
OrcaRouter traduce questo campo nella forma nativa dell’upstream:
  • Famiglia OpenAI o-series e gpt-5-pro: inoltrato come reasoning_effort nativo.
  • Anthropic Claude: mappato a thinking: {type: "enabled", budget_tokens: ...} con budget low→1280, medium→2048, high→4096. Per claude-opus-4.6 in particolare, mappato a thinking: {type: "adaptive"} più output_config.effort.
  • Google Gemini: mappato a generationConfig.thinkingConfig con includeThoughts: true e un livello di thinking / budget impostato dall’effort.
  • xAI Grok: inoltrato per la famiglia grok-3-mini (che accetta reasoning_effort nativamente).
  • DeepSeek reasoner: il modello è reasoner-by-design; reasoning_effort è un no-op.

​
2. Il suffisso -{effort} nel nome del modello

Puoi anche incorporare l’effort nel nome del modello. Suffissi riconosciuti: -minimal / -low / -medium / -high / -max. 
# Equivalent to model="anthropic/claude-opus-4.6" + reasoning_effort="high"
resp = client.chat.completions.create(
    model="anthropic/claude-opus-4.6-high",
    messages=[...],
)
Funziona allo stesso modo tra i provider — scegli la riga più leggibile nel tuo codice.

​
Famiglie di modelli di reasoning in questa distribuzione

OpenAI:
  • openai/o1, o1-pro
  • openai/o3, o3-mini, o3-mini-high
  • openai/o4-mini, o4-mini-high
  • famiglia openai/gpt-5-pro e gpt-5.x-pro
Anthropic (extended thinking su Claude 4 / Opus):
  • anthropic/claude-sonnet-4.6, claude-opus-4.6, claude-opus-4.7, ecc. — accoppiali con reasoning_effort o il suffisso -{effort}.
Google Gemini (extended thinking su Gemini 2.5 / 3.x):
  • google/gemini-2.5-pro, gemini-2.5-flash, gemini-3-pro-preview, ecc. — accoppiali con reasoning_effort o il suffisso -{effort}.
DeepSeek:
  • deepseek/deepseek-reasoner — reasoner-by-design.
xAI Grok:
  • grok/grok-4-fast-reasoning, grok-4-1-fast-reasoning
  • grok/grok-3-mini accoppiato con reasoning_effort: low o high
Chiama /v1/models per il catalogo aggiornato.

​
Traccia di reasoning nella risposta

Per la Responses API di OpenAI il reasoning nascosto del modello viene restituito come elementi reasoning nell’output della risposta. Per Anthropic tramite /v1/messages nativo, il thinking arriva come voci content_block di tipo thinking. Il gateway espone anche un campo reasoning_content sulle risposte chat-completion dove l’upstream ne fornisce uno. Puoi visualizzare la traccia per trasparenza o ignorarla in produzione.

​
Fatturazione

I token di reasoning sono tracciati separatamente su completion_tokens_details .reasoning_tokens nell’oggetto usage della risposta — vedi Operazioni / Fatturazione e utilizzo.