Denkbrokken: de redenering van het model lezen
Op deze pagina
Les herschreven op 2 november 2026 op basis van de sectie Handling thinking chunks uit de Mistral-documentatie. De vorige versie las de redenering uit een
text-veld in de denkbrok: dat veld bestaat niet; redenering is een lijst met tekstbrokken.
Twee responsvormen
Met reasoning_effort="high" is het veld message.content van een respons geen string meer, maar een lijst van brokken. Met reasoning_effort="none" is het weer een gewone string, zonder enig spoor van redenering. Robuuste code behandelt altijd beide vormen: dat is de gouden regel van deze les.
Anatomie van een denkbrok
Er verschijnen twee soorten brokken in de lijst:
ThinkChunk(type: "thinking") bevat het redeneerspoor. Het veldthinkingis zelf een lijst vanTextChunk-fragmenten;TextChunk(type: "text") bevat het definitieve antwoord in het veldtext.
Hier is de structuur van een Mistral Small 4-respons, overgenomen uit het officiële voorbeeld (teksten ingekort):
{
"model": "mistral-small-2603",
"usage": {"prompt_tokens": 77, "completion_tokens": 1114, "total_tokens": 1191},
"choices": [{
"finish_reason": "stop",
"message": {
"role": "assistant",
"content": [
{"type": "thinking", "thinking": [
{"type": "text", "text": "Okay, let's try to figure out John's age..."}
]},
{"type": "text", "text": "Let's denote the ages of the sisters as follows..."}
]
}
}]
}
Het objectmodel van de Python SDK volgt deze structuur exact: ThinkChunk.thinking bevat de redeneerbrokken en elke TextChunk stelt zijn inhoud beschikbaar via .text.
De respons parseren in Python
De officiële code onderscheidt brokken met isinstance, nadat het geval van de gewone string is uitgesloten:
from mistralai.client.models import TextChunk, ThinkChunk
content = chat_response.choices[0].message.content
if isinstance(content, str): # reasoning_effort="none"
print(content)
else:
for chunk in content:
if isinstance(chunk, ThinkChunk):
print("--- reasoning ---")
for inner in chunk.thinking:
if isinstance(inner, TextChunk):
print(inner.text)
print("--- end of reasoning ---")
elif isinstance(chunk, TextChunk):
print(chunk.text)
In een applicatie wilt u waarschijnlijk een functie die redenering en antwoord gescheiden retourneert. We noemen deze separate en gebruiken deze later in de cursus opnieuw:
from mistralai.client.models import TextChunk, ThinkChunk
def separate(content):
"""Retourneert (redenering, antwoord) voor content die een string of een lijst brokken is."""
if isinstance(content, str):
return "", content
reasoning, answer = [], []
for chunk in content or []:
if isinstance(chunk, ThinkChunk):
reasoning.extend(i.text for i in chunk.thinking if isinstance(i, TextChunk))
elif isinstance(chunk, TextChunk):
answer.append(chunk.text)
return "".join(reasoning), "".join(answer)
reasoning, answer = separate(chat_response.choices[0].message.content)
Redenering weergeven in een interface
Door de twee delen te scheiden, bepaalt u wat de gebruiker ziet. Drie veelvoorkomende benaderingen:
- Verbergen van de redenering en alleen het antwoord tonen, voor een op consumenten gerichte assistent;
- Samenvouwen van de redenering in een blok dat de gebruiker desgewenst kan openen, voor een experttool;
- Tonen van de volledige redenering, voor een educatieve tutor waarbij het proces even belangrijk is als het resultaat.
def render_html(content, show_reasoning=False):
reasoning, answer = separate(content)
html = f"<div class='answer'>{answer}</div>"
if show_reasoning and reasoning:
html = (
"<details><summary>View model reasoning</summary>"
f"<pre>{reasoning}</pre></details>" + html
)
return html
In een echt project moet u de tekst escaperen voordat u deze in HTML invoegt (bijvoorbeeld met html.escape): zowel redenering als antwoord zijn gegenereerde tekst, geen vertrouwd markup.
Streamen in drie fasen
Bij streamen verandert de vorm van delta.content naarmate de respons zich ontvouwt:
- Redeneerfase:
delta.contentis een lijst die eenThinkChunkbevat; - Overgang: een enkele lijst die zowel de afsluitende
ThinkChunkals de eersteTextChunkbevat; - Antwoordfase:
delta.contentis een gewone string.
De volgende code, aangepast van het officiële voorbeeld, toont beide fasen door een statusvlag bij te houden:
import os
from mistralai.client import Mistral
from mistralai.client.models import TextChunk, ThinkChunk
client = Mistral(api_key=os.environ["MISTRAL_API_KEY"])
in_reasoning = False
for event in client.chat.stream(
model="mistral-large-4-0",
messages=[{"role": "user", "content": "What is 17 × 23?"}],
reasoning_effort="high",
):
delta = event.data.choices[0].delta.content
if not delta:
continue
if isinstance(delta, str): # antwoordfase
if in_reasoning:
print("\n--- end of reasoning ---")
in_reasoning = False
print(delta, end="", flush=True)
continue
for chunk in delta: # redeneerfase en overgang
if isinstance(chunk, ThinkChunk):
if not in_reasoning:
print("--- reasoning ---")
in_reasoning = True
for inner in chunk.thinking:
if isinstance(inner, TextChunk):
print(inner.text, end="", flush=True)
elif isinstance(chunk, TextChunk):
if in_reasoning:
print("\n--- end of reasoning ---")
in_reasoning = False
print(chunk.text, end="", flush=True)
Streamen verandert de ervaring: in plaats van te wachten tot een lang redeneerproces is voltooid terwijl het scherm bevroren lijkt, ziet de gebruiker het model aan het werk, of ten minte een activiteitsindicator als u ervoor kiest de redenering te verbergen.
Belangrijkste punten
contentis een string bijnone, een lijst brokken bijhigh: behandel altijd beideThinkChunk.thinkingis een lijst vanTextChunk; het definitieve antwoord staat in eenTextChunkop het hoogste niveau- Een
separate-functie die (redenering, antwoord) retourneert, vereenvoudigt de rest van uw code - Bij streamen: redeneerlijst, gemengde overgang, daarna antwoordstrings
- Escape zowel redenering als antwoord voordat u ze weergeeft