Efort de raționament: Scăzut, Mediu și Ridicat
Pe această pagină
Actualizat la 3 noiembrie 2026 pe baza referinței API xAI:
max_completion_tokenslimitează doar răspunsul vizibil; token-urile de raționament nu se iau în calcul pentru această limită, iar efortul controlează cantitatea lor. Sursă: Chat Completions. Addendum din 3 noiembrie: Lecția lega anterior efortul de API (Chat Completions sau Responses) și îl aplica modeluluigrok-4.20-0309-reasoning, care nu îl suportă; conform paginii Reasoning de la xAI, acesta depinde de model (grok-4.7,grok-4.6,grok-4.5,grok-4.20-multi-agent). Exemplul folosea de asemeneausage.completion_tokens, care lipsește din răspunsurile API Responses (output_tokens,output_tokens_details.reasoning_tokens). Sursă: Reasoning.
Controlul profunzimii raționamentului
Efortul de raționament vă permite să calibrați cât de mult „gândește“ modelul înainte de a răspunde. Este o pârghie directă pentru echilibrarea calității, vitezei și consumului de token-uri.
Modelul determină disponibilitatea, nu API-ul. Conform documentației xAI:
| Model | Efort | Valori |
|---|---|---|
grok-4.7, grok-4.6 | Profunzimea raționamentului | low, medium, high (implicit), xhigh |
grok-4.5 | Profunzimea raționamentului | low, medium, high (implicit); xhigh este tratat ca high |
grok-4.20-multi-agent | Numărul de agenți mobilizați (4 sau 16), nu profunzimea | low, medium, high, xhigh |
grok-4.20-0309-reasoning | Neconfigurabil: modelul raționează întotdeauna | — |
Raționamentul nu poate fi dezactivat la aceste modele: fără configurare, efortul este implicit high. Doar numele parametrului se schimbă în funcție de API: reasoning_effort la nivel superior în Chat Completions, reasoning.effort în interiorul unui obiect reasoning cu API-ul Responses.
{
"model": "grok-4.7",
"input": "Solve the system of equations: 3x + 2y = 12, x - y = 1",
"reasoning": {
"effort": "medium"
}
}
Niveluri de efort
Documentația descrie fiecare nivel și utilizarea sa adecvată:
low: Utilizează un anumit raționament, rămânând rapid. Pentru utilizări agentice sensibile la latență și apeluri simple de instrumente.medium: Mai multă reflecție, pentru aplicații mai puțin sensibile la latență. Pentru analiza complexă a datelor și raționament pe contexte lungi.high(implicit): Mult mai multe token-uri de raționament. Pentru probleme foarte dificile, matematică complexă, logică în mai mulți pași.xhigh: Profunzime maximă, cu latența corespunzătoare. Pentru cele mai grele probleme, când calitatea contează mai mult decât timpul de răspuns.
Cele mai bune practici xAI adaugă o regulă simplă: setați efortul explicit la fiecare cerere și înregistrați-l (log) împreună cu fiecare rezultat, astfel încât măsurătorile dumneavoastră să rămână comparabile.
Modelele de raționament resping, de asemenea, trei parametri: presence_penalty, frequency_penalty și stop vor face ca cererea să eșueze.
Impactul asupra token-urilor
Nivelul de efort are un impact direct asupra consumului de token-uri de raționament:
low: Puține token-uri de raționament, răspuns rapid, cost redusmedium: Consum moderat, compromis bunhighșixhigh: Multe token-uri de raționament, răspuns mai lent, cost ridicat
Aceste token-uri de raționament sunt facturate ca token-uri de ieșire (a se vedea Lecția 8). Limita de ieșire (max_completion_tokens în Chat Completions, max_output_tokens în API-ul Responses) limitează doar răspunsul vizibil: raționamentul nu se ia în calcul, astfel încât efortul controlează cantitatea lor.
Alegerea nivelului potrivit
| Sarcină | Efort recomandat |
|---|---|
| Clasificarea textului | low |
| Rezumat cu analiză | medium |
| Extragerea structurată a entităților | low |
| Rezolvarea ecuațiilor | high |
| Analiza erorilor de cod | high |
| Reformularea textului | low |
| Compararea opțiunilor cu avantaje/dezavantaje | medium |
| Demonstrație matematică | high |
Exemplu practic: Aceeași întrebare, trei eforturi
for effort in ["low", "medium", "high"]:
response = client.responses.create(
model="grok-4.7",
input="Explain why 0.1 + 0.2 != 0.3 in computing.",
reasoning={"effort": effort},
)
usage = response.usage
print(f"Effort {effort}: {usage.output_tokens} output tokens, "
f"including {usage.output_tokens_details.reasoning_tokens} reasoning tokens")
Decalajul dintre niveluri depinde de întrebare: măsurați-l pe propriile cazuri, în loc să vă bazați pe un raport general, și înregistrați efortul împreună cu fiecare rezultat.
Puncte cheie
- Efortul depinde de model:
low,medium,high(implicit) șixhighpegrok-4.7șigrok-4.6, fărăxhighpegrok-4.5;grok-4.20-0309-reasoningnu îl suportă reasoning_effortîn Chat Completions,reasoning.effortîn API-ul Responses; raționamentul nu poate fi dezactivat- Nivelul de efort impactează direct numărul de token-uri de raționament și, prin urmare, costul
- Fără configurare, efortul este implicit
high: setați-l explicit la fiecare cerere, așa cum recomandă xAI - Adaptați efortul la complexitatea reală a sarcinii pentru a optimiza costurile