Modelos de razonamiento

​

Descripción general

​

Casos de uso típicos

• Resolución de problemas complejos: Adecuados para tareas que requieren lógica paso a paso, como razonamiento matemático o científico.
• Sistemas de apoyo a la toma de decisiones: Ayudan a explicar la lógica detrás de las conclusiones proporcionando procesos de razonamiento detallados.
• Educación y formación: Ayudan a los estudiantes a comprender conceptos complejos presentando claramente los procesos de derivación.

​

Instalación y configuración

pip install -U openai

​

Uso de la API

​

Parámetros de la solicitud

• max_tokens: Establece el número máximo de tokens que el modelo puede devolver.
• temperature: Se recomienda entre 0.5 y 0.7 (sugerido: 0.6) para equilibrar creatividad y lógica.
• top_p: El valor recomendado es 0.95.

​

Código de ejemplo

​

Respuesta en streaming

from openai import OpenAI

client = OpenAI(api_key="YOUR_API_KEY", base_url="https://api.novita.ai/openai")
messages = [
    {"role": "user", "content": "Explain Newton's Second Law."}
]

response = client.chat.completions.create(
    model="deepseek/deepseek-r1",
    messages=messages,
    stream=True,
    max_tokens=4096
)

content = ""
reasoning_content = ""
for chunk in response:
    if chunk.choices[0].delta.content:
        content += chunk.choices[0].delta.content
    if chunk.choices[0].delta.reasoning_content:
        reasoning_content += chunk.choices[0].delta.reasoning_content

print("Final Answer:", content)
print("Reasoning Steps:", reasoning_content)

​

Respuesta sin streaming

response = client.chat.completions.create(
    model="deepseek/deepseek-r1",
    messages=[
        {"role": "user", "content": "What is the greenhouse effect? How can it be mitigated?"}
    ],
    stream=False,
    max_tokens=4096
)

content = response.choices[0].message.content
reasoning_content = response.choices[0].message.reasoning_content

print("Final Answer:", content)
print("Reasoning Steps:", reasoning_content)

​

Gestión del contexto

messages.append({"role": "assistant", "content": content})
messages.append({"role": "user", "content": "Please continue explaining the solution."})

​

Modelos compatibles

​

Facturación

• La facturación se basa en el número de tokens tanto de entrada como de salida.
• Consulta la página de precios de cada modelo para conocer las reglas específicas de facturación y los detalles de conversión de tokens.

​

Notas y prácticas recomendadas

• Evita colocar instrucciones de razonamiento en el mensaje system. En su lugar, haz explícita la intención en el mensaje user.
• Para tareas matemáticas, instruye claramente al modelo, por ejemplo: “Please reason step by step and provide a final answer.”
• Para evitar que el modelo omita pasos de razonamiento, considera pedir una nueva línea antes de la respuesta final.