> ## Documentation Index
> Fetch the complete documentation index at: https://novita.ai/docs/llms.txt
> Use this file to discover all available pages before exploring further.

# Modelos de Raciocínio

export const ReasoningModels = () => {
  if (typeof document === "undefined") {
    return null;
  } else {
    let attempts = 0;
    const maxAttempts = 50;
    const INIT_DISPLAY_COUNT = 3;
    const interval = setInterval(() => {
      const clientComponent = document.getElementById("reasoning-models");
      if (clientComponent && window.novitaRemoteData.llmModels.status === 'loaded') {
        const modelList = window.novitaRemoteData.llmModels.data.filter(model => {
          return (model.features || []).includes('reasoning');
        });
        let displayModels = modelList.slice(0, INIT_DISPLAY_COUNT).map(model => {
          return `<li><span class="model-id-item">${model.id}</span></li>`;
        }).join('');
        let showMoreButton = '';
        if (modelList.length > INIT_DISPLAY_COUNT) {
          showMoreButton = `<button id="show-more-reasoning-model-btn" style="margin-left: 32px; color: rgb(40 116 255)">View More</button>`;
        }
        clientComponent.innerHTML = `
          <ul>${displayModels}</ul>
          ${showMoreButton}
        `;
        document.getElementById('show-more-reasoning-model-btn')?.addEventListener('click', () => {
          clientComponent.innerHTML = `
            <ul>${modelList.map(model => {
            return `<li><span class="model-id-item">${model.id}</span></li>`;
          }).join('')}</ul>
          `;
        });
        clearInterval(interval);
      }
      attempts++;
      if (attempts >= maxAttempts) {
        clearInterval(interval);
      }
    }, 200);
    return <div id="reasoning-models"></div>;
  }
};

## Visão geral

Modelos de raciocínio são modelos de linguagem avançados otimizados para tarefas complexas de resolução de problemas. Ao gerar etapas detalhadas de raciocínio (cadeia de pensamento), eles melhoram a precisão das respostas em cenários analíticos.

### Casos de uso típicos

* **Resolução de problemas complexos**: Adequado para tarefas que exigem lógica passo a passo, como raciocínio matemático ou científico.
* **Sistemas de suporte à decisão**: Ajuda a explicar a lógica por trás das conclusões ao fornecer processos de raciocínio detalhados.
* **Educação e treinamento**: Auxilia os alunos a entender conceitos complexos ao apresentar processos de derivação de forma clara.

***

## Instalação e configuração

Antes de usar modelos de raciocínio, certifique-se de que o SDK mais recente da OpenAI esteja instalado:

```bash theme={"system"}
pip install -U openai
```

***

## Uso da API

Use o endpoint `/chat/completions` para invocar modelos de raciocínio.

### Parâmetros da solicitação

* `max_tokens`: Define o número máximo de tokens que o modelo pode retornar.
* `temperature`: Recomendado entre 0.5 e 0.7 (sugestão: 0.6) para equilibrar criatividade e lógica.
* `top_p`: O valor recomendado é 0.95.

***

### Código de exemplo

#### Resposta em streaming

```python theme={"system"}
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)
```

#### Resposta sem streaming

```python theme={"system"}
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)
```

***

## Gerenciamento de contexto

As saídas de raciocínio não são automaticamente transferidas para a próxima rodada de diálogo. Você deve manter manualmente o histórico de mensagens:

```python theme={"system"}
messages.append({"role": "assistant", "content": content})
messages.append({"role": "user", "content": "Please continue explaining the solution."})
```

***

## Modelos compatíveis

Os seguintes modelos de raciocínio são atualmente compatíveis com a plataforma Novita:

<ReasoningModels />

***

## Cobrança

* A cobrança é baseada no número de tokens tanto para entrada quanto para saída.
* Consulte a página de preços de cada modelo para regras específicas de cobrança e detalhes de conversão de tokens.

***

## Observações e boas práticas

* Evite colocar instruções de raciocínio na mensagem `system`. Em vez disso, deixe a intenção explícita na mensagem `user`.
* Para tarefas matemáticas, instrua claramente o modelo, por exemplo: “Please reason step by step and provide a final answer.”
* Para evitar que o modelo pule etapas de raciocínio, considere solicitar uma quebra de linha antes da resposta final.