Думающие модели (reasoning) через AI Gateway

Думающие (reasoning) модели перед ответом строят внутреннюю цепочку рассуждений: разбивают задачу на шаги, проверяют промежуточные выводы и лишь потом дают финальный ответ. Это заметно повышает качество на сложных задачах — математике, логике, многошаговом коде — ценой большей задержки и большего расхода токенов. В AI Gateway такие модели вызываются тем же OpenAI-совместимым API, что и обычные.

Как это работает

Reasoning-модель тратит часть работы на «размышление» до ответа. Эти внутренние рассуждения оплачиваются как отдельные токены рассуждений (reasoning tokens) — они не всегда видны в ответе, но входят в расход. У многих моделей глубину размышления можно регулировать параметром усилия (reasoning_effort): выше усилие — точнее ответ на трудных задачах, но дольше и дороже.

from openai import OpenAI

client = OpenAI(
    base_url="https://ai-gatewey.ru/v1",
    api_key="sk-aigate-ваш_ключ",
)

resp = client.chat.completions.create(
    model="openai/gpt-5.5",
    messages=[{
        "role": "user",
        "content": "В корзине 3 красных и 5 синих шаров. Вынули 2 без возврата. "
                   "Какова вероятность, что оба синих? Распиши решение.",
    }],
    reasoning_effort="high",
)
print(resp.choices[0].message.content)

Сценарии

• Сложная математика и логика — задачи, где важна цепочка шагов, а не эрудиция: расчёты, доказательства, комбинаторика.
• Многошаговый код — проектирование архитектуры, разбор запутанных багов, рефакторинг с учётом множества условий.
• Анализ и планирование — разбор длинных документов, сопоставление противоречивых требований, построение стратегии из многих факторов.
• Проверка и самокритика — когда нужна не первая пришедшая мысль, а перепроверенный ответ.

Частые вопросы