思考模式 - 千问AI平台

Thinking（推理）模型在回答前先进行推理，输出 reasoning_content（Chat Completions / DashScope）或 reasoning_text 事件（Responses API）。模型支持两种推理模式：

混合模式：通过 enable_thinking 逐请求开关推理。
纯推理模式：始终进行推理，无法关闭。

支持的模型

展开查看完整模型列表

Qwen3.8

Max 系列（混合模式，默认开启）：qwen3.8-max
开源系列（混合思考模式，默认开启思考模式）：qwen3.8-2.4t-a95b

Qwen3.7

Max 系列（混合模式，默认开启）：qwen3.7-max、qwen3.7-max-2026-06-08、qwen3.7-max-2026-05-20
Max 系列（仅支持思考模式）：qwen3.7-max-preview、qwen3.7-max-2026-05-17
Plus 系列（混合模式，默认开启）：qwen3.7-plus、qwen3.7-plus-2026-05-26
Flash 系列（混合模式，默认开启，thinking_budget 上限 256K）：qwen3.7-flash、qwen3.7-flash-2026-07-15

Qwen3.6

Max 系列（混合模式，默认开启）：qwen3.6-max-preview
Plus 系列（混合模式，默认开启）：qwen3.6-plus、qwen3.6-plus-2026-04-02
Flash 系列（混合模式，默认开启，thinking_budget 上限 128K）：qwen3.6-flash、qwen3.6-flash-2026-04-16
开源版：qwen3.6-35b-a3b

Qwen3.5

商业版

Plus 系列（混合模式，默认开启）：qwen3.5-plus、qwen3.5-plus-2026-02-15
Flash 系列（混合模式，默认开启）：qwen3.5-flash、qwen3.5-flash-2026-02-23

开源版

混合模式，默认开启：qwen3.5-397b-a17b、qwen3.5-122b-a10b、qwen3.5-27b、qwen3.5-35b-a3b

Qwen3

商业版

Max 系列（混合模式，默认关闭）：qwen3-max、qwen3-max-2026-01-23、qwen3-max-preview
Plus 系列（混合模式，默认关闭）：qwen-plus、qwen-plus-latest、qwen-plus-2025-04-28 及之后的快照版模型
Flash 系列（混合模式，默认关闭）：qwen-flash、qwen-flash-2025-07-28 及之后的快照版模型
Turbo 系列（混合模式，默认关闭）：qwen-turbo 及之后的快照版模型

开源版

混合模式，默认开启：qwen3-235b-a22b、qwen3-32b、qwen3-30b-a3b、qwen3-14b、qwen3-8b
纯推理模式：qwen3-next-80b-a3b-thinking、qwen3-235b-a22b-thinking-2507、qwen3-30b-a3b-thinking-2507

QwQ（基于 Qwen2.5）

纯推理模式：qwq-plus

DeepSeek

千问AI平台部署

混合模式，默认开启：deepseek-v4-pro-0813、deepseek-v4-pro、deepseek-v4-flash、deepseek-v4-flash-0731
混合模式，默认关闭：deepseek-v3.2、deepseek-v3.2-exp、deepseek-v3.1
纯推理模式：deepseek-r1、deepseek-r1-0528、DeepSeek-R1 蒸馏模型

硅基流动部署

混合模式，默认关闭：siliconflow/deepseek-v3.2、siliconflow/deepseek-v3.1-terminus
纯推理模式：siliconflow/deepseek-r1-0528

快手万擎部署

混合模式，默认关闭：vanchin/deepseek-v3.2-think、vanchin/deepseek-v3.1-terminus
纯推理模式：vanchin/deepseek-r1

GLM

混合模式，默认开启：glm-5.2、glm-5.2-fast-preview、glm-5.1、glm-5、glm-4.7、glm-4.6、glm-4.5、glm-4.5-air

Kimi

千问AI平台部署

仅思考模式：kimi-k2.7-code
混合模式，默认关闭：kimi-k2.6、kimi-k2.5
纯推理模式：kimi-k2-thinking

月之暗面部署

仅思考模式：kimi/kimi-k3、kimi/kimi-k2.7-code-highspeed、kimi/kimi-k2.7-code
混合模式，默认开启：kimi/kimi-k2.6、kimi/kimi-k2.5

MiniMax

千问AI平台部署

纯推理模式：MiniMax-M2.5、MiniMax-M2.1

MiniMax 部署

混合思考模式：MiniMax/MiniMax-M3

MiniMax/MiniMax-M3 通过 thinking 参数控制思考模式，取值为 adaptive（自适应，默认）或 disabled（关闭）。详细用法请参见 MiniMax-稀宇科技。

纯推理模式：MiniMax/MiniMax-M2.7、MiniMax/MiniMax-M2.5、MiniMax/MiniMax-M2.1

Stepfun

混合思考模式：stepfun/step-3.7-flash

开启推理

OpenAI Chat Completions
OpenAI Responses API
DashScope

import os
from openai import OpenAI
client = OpenAI(api_key=os.getenv("DASHSCOPE_API_KEY"), base_url="https://dashscope.aliyuncs.com/compatible-mode/v1")

completion = client.chat.completions.create(
  model="qwen3.8-max",
  messages=[{"role": "user", "content": "If 3x + 7 = 22, what is x?"}],
  extra_body={"enable_thinking": True},              # ← 开启推理
  stream=True,
)
for chunk in completion:
  if not chunk.choices:
    continue
  delta = chunk.choices[0].delta
  if hasattr(delta, "reasoning_content") and delta.reasoning_content:
    print(delta.reasoning_content, end="", flush=True)  # ← 阶段 1：推理过程
  if hasattr(delta, "content") and delta.content:
    print(delta.content, end="", flush=True)             # ← 阶段 2：最终回答

推理内容通过 response.reasoning_text.delta 事件返回，随后通过 response.output_text.delta 返回最终回答。

import os
from openai import OpenAI
client = OpenAI(api_key=os.getenv("DASHSCOPE_API_KEY"), base_url="https://dashscope.aliyuncs.com/compatible-mode/v1")

stream = client.responses.create(
  model="qwen3.8-max",
  input="If 3x + 7 = 22, what is x?",
  extra_body={"enable_thinking": True},              # ← 开启推理
  stream=True,
)
for chunk in stream:
  if chunk.type == "response.reasoning_text.delta":
    print(chunk.delta, end="", flush=True)         # ← 阶段 1：推理过程
  elif chunk.type == "response.output_text.delta":
    print(chunk.delta, end="", flush=True)         # ← 阶段 2：最终回答

import dashscope
dashscope.base_http_api_url = 'https://dashscope.aliyuncs.com/api/v1'
from dashscope import MultiModalConversation

responses = MultiModalConversation.call(
  model="qwen3.8-max",
  messages=[{"role": "user", "content": [{"text": "If 3x + 7 = 22, what is x?"}]}],
  enable_thinking=True,                              # ← 开启推理
  stream=True,
  incremental_output=True,                           # ← 推荐：仅返回新增 token
)
for chunk in responses:
  msg = chunk.output.choices[0].message
  if msg.reasoning_content:
    print(msg.reasoning_content, end="", flush=True)   # ← 阶段 1：推理过程
  if msg.content and msg.content[0].get("text"):
    print(msg.content[0]["text"], end="", flush=True)   # ← 阶段 2：最终回答

思考模式（enable_thinking 为 true）下，max_tokens 参数的有效取值范围为 [1, 32768]，超出该范围时接口返回 400 错误（InvalidParameter: Range of max_tokens should be [1, 32768]）。非思考模式下无此限制。建议使用 max_completion_tokens 参数替代 max_tokens：max_completion_tokens 限制模型的完整输出长度（包含思维链和最终回复），不受 32768 上限约束；max_tokens 仅限制最终回复部分的长度，且即将废弃，新接入的业务请使用 max_completion_tokens。

# 思考模式下推荐使用 max_completion_tokens 限制输出长度
completion = client.chat.completions.create(
  model="qwen3.8-max",
  messages=[{"role": "user", "content": "你是谁"}],
  extra_body={"enable_thinking": True},
  # max_completion_tokens 限制思维链与回复的总输出长度，无 32768 上限约束
  max_completion_tokens=65536,
)

控制推理深度

Token 预算

使用 thinking_budget 限制推理 token 的最大数量。达到上限后，模型会停止推理并立即生成回答。适用于 Qwen3.8、Qwen3.7、Qwen3.6、Qwen3.5、Qwen3-VL、Qwen3、GLM（千问AI平台直供）、Kimi（千问AI平台直供）系列模型。仅适用于 Chat Completions 和 DashScope，Responses API 暂不支持。

OpenAI Chat Completions
DashScope

extra_body={"enable_thinking": True, "thinking_budget": 500}

reasoning_effort

通过 reasoning_effort 参数以档位方式控制推理力度，无需手动指定 token 数。不同模型支持的可选值和默认值不同。以 qwen3.8-max 为例（可选值：low、medium、xhigh，默认 xhigh）：

OpenAI Chat Completions
DashScope

extra_body={"enable_thinking": True, "reasoning_effort": "medium"}

qwen3.8-max 不支持 reasoning_effort 与 thinking_budget 同时设置，同时传入会报错。两者均未设置时使用模型默认值。

该参数非 OpenAI 标准参数，通过 Python SDK 调用时请放入 extra_body。各模型支持的档位、默认值及与 thinking_budget 的映射关系详见 API 参考文档。

控制台体验深度思考

登录千问AI平台控制台。
在左侧导航栏选择体验 > 文本模型，进入模型体验中心。
页面默认展示 Qwen3.7-Max 模型，也可单击模型名称，在下拉列表中选择其他 Qwen3 系列模型。
在输入框底部单击深度思考，开启推理模式，查看模型的思考过程。
切换到模型调试标签页，在配置面板中设置 thinking_budget 参数，控制思维链输出的最大 Token 数量，取值范围 1~32768，默认值 4000。如需体验更多模型，可前往模型广场。

Prompt 级控制

开启 enable_thinking: true 后，可在消息中添加 /no_think 跳过当次推理，用 /think 恢复。多条指令以最后一条为准。支持开源 Qwen3 混合模型和 qwen-plus-2025-04-28。

多轮对话中传递思考过程

多轮对话中，模型默认不会读取历史消息中 messages 数组里的 reasoning_content。将 preserve_thinking 设为 true 后，assistant 消息中的 reasoning_content 将被拼接到下一轮输入，让模型参考之前的推理过程。

preserve_thinking 参数仅支持 qwen3.8-max（默认开启）、qwen3.7-max、qwen3.7-max-2026-06-08、qwen3.7-max-2026-05-20、qwen3.7-max-preview、qwen3.7-max-2026-05-17、qwen3.7-plus、qwen3.7-plus-2026-05-26、qwen3.6-max-preview、qwen3.6-plus、qwen3.6-plus-2026-04-02、qwen3.7-flash、qwen3.7-flash-2026-07-15、kimi-k2.7-code、kimi-k2.6（千问AI平台部署）、kimi/kimi-k3、kimi/kimi-k2.7-code-highspeed、kimi/kimi-k2.7-code、kimi/kimi-k2.6（月之暗面部署）。

OpenAI Chat Completions
DashScope

extra_body={"preserve_thinking": True}

preserve_thinking 非 OpenAI 标准参数，使用 Python SDK 需通过 extra_body 传入。
Java SDK 暂不支持 preserve_thinking 参数。通过 HTTP 调用时，请将 preserve_thinking 放入 parameters 对象中。
启用后，历史对话中的 reasoning_content 会计入输入 Token 数量并计费。

推理模式下的 function calling

开启推理后进行 function calling，模型会先推理应调用哪些工具、如何使用返回结果，再生成回答。响应中每次工具调用前都会包含 reasoning_content。要点：

在 tools 数组的同时传入 enable_thinking: true 即可，无需额外配置。
在多轮工具调用流程中，将助手的 reasoning_content 一并回传。省略该字段会降低准确性。
流式输出先返回推理 token，再返回工具调用的增量数据。解析方式参见流式输出中的工具调用。
thinking_budget 的用法与普通推理模式一致。

推理模式在复杂工具编排场景中价值最大——多步推理选择工具、确定参数、解读结果。对于简单的单工具调用，额外开销可能不值得。

计费说明

思考内容按输出 token 计费。部分混合思考模型在思考与非思考模式下价格不同。模型在思考模式下若未输出思考过程，按非思考模式价格计费。具体模型的思考模式定价请参见模型市场。

常见问题

如何以非流式（同步）方式调用深度思考模型？

本文示例默认采用流式输出（推荐，可实时查看思考过程、避免长时间等待）。商业版深度思考模型（如 qwen-plus、qwen3-max、qwen-flash 等）也支持非流式（同步）输出，一次性返回完整的思考过程与回复。

将流式示例改为非流式时，请同步修改结果解析代码：非流式调用返回的是完整的响应对象（completion），不能再像流式示例那样通过 for chunk in completion 迭代（否则会报错 'tuple' object has no attribute 'choices'），而应直接读取 completion.choices[0].message.reasoning_content（思考过程）与 completion.choices[0].message.content（回复内容）。此外，stream=False 时不能设置 stream_options 参数。

以下以 OpenAI 兼容接口、非流式调用 qwen3.8-max 开启思考模式为例：

from openai import OpenAI
import os
client = OpenAI(
  api_key=os.getenv("DASHSCOPE_API_KEY"),
  base_url="https://dashscope.aliyuncs.com/compatible-mode/v1",
)
completion = client.chat.completions.create(
  model="qwen3.8-max",
  messages=[{"role": "user", "content": "你是谁"}],
  extra_body={"enable_thinking": True},
  stream=False,
)
message = completion.choices[0].message
print("=" * 20 + "思考过程" + "=" * 20 + "\n")
print(getattr(message, "reasoning_content", "") or "")
print("\n" + "=" * 20 + "完整回复" + "=" * 20 + "\n")
print(message.content)

部分模型（如 qwen3-235b-a22b、qwen3-32b 等开源版）仅支持流式输出，非流式调用会报错 parameter.enable_thinking only support stream call，此类模型请使用流式调用。

qwen3.7-plus 调用响应慢如何排查？

qwen3.7-plus 属于混合思考模式模型，且默认开启思考模式。思考过程会生成大量推理 Token（实测占总输出 Token 的 60% 以上），因此单次调用的总耗时明显长于非思考模式。此时 Token 生成速度本身并无异常（实测约 52～54 Tokens/s），总耗时的差异主要来自思考过程产生的 Token 数量，而非模型或网络异常。排查与优化建议：

确认是否开启了思考模式。qwen3.7-plus 默认开启，可根据响应中是否返回 reasoning_content 字段判断。
查看响应用量中的 completion_tokens 与 reasoning_tokens。若 reasoning_tokens 占比较高，则总耗时长属于思考模式的预期表现。
若无需思考过程，在请求中将 enable_thinking 设为 false 关闭思考模式。关闭后输出 Token 大幅减少，实测总耗时可降低 60%～75%。
若需保留思考能力，可改用流式输出，以更快获得首个 Token 并实时查看思考过程，避免长时间等待完整响应。

用量统计中展示的是单次调用的整体耗时（含思考 Token 的生成时间），并非单个 Token 的生成延迟。

使用第三方客户端调用深度思考模型时，输出思考标签后客户端断连怎么办？

该问题属于客户端侧问题，并非模型限制思考过程输出。千问AI平台通过enable_thinking参数控制思考模式开关，模型返回结果中的reasoning_content字段包含完整思考过程内容，模型侧会正常返回思考内容。断连通常由客户端网络波动或客户端版本兼容问题引起。排查步骤：

检查客户端网络连接的稳定性。
将客户端升级至最新版本。
查看客户端日志，确认断连时间点与思考标签输出的关联。

您也可以通过 DashScope API 直接调用模型，验证思考功能是否正常工作。

长提示词生成失败或超时怎么办？

使用长提示词调用模型时出现生成失败或响应超时，通常是因为开启了思考模式（enable_thinking 为 true）。思考模式会增加处理时间，长提示词场景下可能导致响应被截断或请求超时。

关闭思考模式：将 enable_thinking 设为 false，处理时间可从约 50 秒降至约 30 秒。
开启流式输出：将 stream 设为 true，避免非流式调用的超时限制。
调大超时时间：如需保留思考模式，请将客户端超时时间设为 180 秒以上。

使用视觉模型（如 qwen-vl-plus）进行图片安全判断时，模型结论与内容描述矛盾怎么办？

视觉模型输出的安全判断是模型生成文本的一部分，并非独立的内容审核裁决。该结论可能随模型版本和所在区域不同而变化，也可能与同一次响应中的内容描述不一致，因此不建议将其作为内容合规的唯一依据。如果您需要稳定、统一的安全判断标准，请接入 AI 安全护栏，对模型的输入与输出进行独立的内容审核。

注意事项

部分模型必须使用流式输出：Qwen3.6 Plus、Qwen3.5 Plus/Flash、Qwen3 Max、Qwen Plus/Flash/Turbo（商业版）以及 Qwen3.5 开源模型支持非流式输出。Qwen3 开源模型必须使用流式输出。始终建议使用流式输出以避免超时风险。
推理模式下不支持语音输出（Qwen3-Omni）：文本和图片输入正常，但开启推理后无法输出语音。

​支持的模型

Qwen3.8

Qwen3.7

Qwen3.6

Qwen3.5

Qwen3

QwQ（基于 Qwen2.5）

DeepSeek

GLM

Kimi

MiniMax

Stepfun

​开启推理

​控制推理深度

​Token 预算

​reasoning_effort

​控制台体验深度思考

​Prompt 级控制

​多轮对话中传递思考过程

​推理模式下的 function calling

​计费说明

​常见问题

​注意事项

支持的模型

开启推理

控制推理深度

Token 预算

reasoning_effort

控制台体验深度思考

Prompt 级控制

多轮对话中传递思考过程

推理模式下的 function calling

计费说明

常见问题

注意事项