Documentation Index
Fetch the complete documentation index at: https://ppio.com/docs/llms.txt
Use this file to discover all available pages before exploring further.
功能介绍
推理模型是针对复杂问题解决和推理任务优化的高级语言模型，通过输出详细的推理步骤（思维链）提升问题求解的准确性。
典型应用场景
- 复杂问题解决：适用于需要逐步推导、明确逻辑步骤的场景，例如数学、科学推理。
- 决策支持系统：提供详细推理过程支持决策分析，帮助理解决策背后的逻辑。
- 教育和培训：帮助用户学习和理解复杂知识，提供详细的推导过程。
安装与准备
在使用推理模型前，请确保已安装最新版本的 OpenAI SDK：
API 调用方法
通过调用 /chat/completions 接口使用推理模型。
请求参数说明
max_tokens：设置模型输出的最大 token 数。temperature：建议设置为 0.5 至 0.7（推荐 0.6）以平衡输出的创造性与逻辑性。top_p：建议设置为 0.95。
示例请求代码
流式输出请求
from openai import OpenAI
client = OpenAI(api_key="YOUR_API_KEY", base_url="https://api.ppio.com/openai")
messages = [
{"role": "user", "content": "解释一下牛顿第二定律。"}
]
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("最终回答：", content)
print("推理过程：", reasoning_content)
非流式输出请求
response = client.chat.completions.create(
model="deepseek/deepseek-r1",
messages=[
{"role": "user", "content": "什么是温室效应？如何减缓？"}
],
stream=False,
max_tokens=4096
)
content = response.choices[0].message.content
reasoning_content = response.choices[0].message.reasoning_content
print("最终回答：", content)
print("推理过程：", reasoning_content)
上下文管理
模型返回的推理内容不会自动拼接到下一轮对话中，用户需手动管理对话历史：
messages.append({"role": "assistant", "content": content})
messages.append({"role": "user", "content": "继续解释一下解决方案。"})
支持模型列表
PPIO 平台当前支持以下推理模型：
计费方式
- 根据输入和输出的 token 数进行计费。
- 具体计费标准及转换规则，请在模型详情页查询。
注意事项与最佳实践
- 不要在
system 消息中添加推理指令，应在 user 消息中直接明确指令。
- 在数学问题中明确指出要求，例如：“请逐步推理并明确最终答案。”
- 为避免模型跳过推理环节，建议强制模型在输出前添加换行符。
