Aan de slagBegin gratis

Reasoning-effort afstemmen

Standaard redeneert V4-Pro op "high" effort. Als je het model harder wilt laten nadenken over een lastige opgave, zet dan reasoning_effort="max"; het model neemt dan meer tijd om de stappen uit te werken.

In deze oefening stuur je dezelfde math_problem als in de vorige oefening — nu met reasoning_effort="max" — en vergelijk je hoe de reactie is opgebouwd.

Deze oefening maakt deel uit van de cursus

Werken met DeepSeek in Python

Bekijk cursus

Oefeninstructies

  • Maak een request om math_problem te sturen naar "deepseek-ai/DeepSeek-V4.1-Flash".
  • Zet reasoning_effort op "max" om de denkinspanningen op te voeren.

Interactieve oefening met praktijkervaring

Probeer deze oefening door deze voorbeeldcode aan te vullen.

client = OpenAI(api_key="", base_url="https://api.together.xyz/v1")

# Crank up the reasoning effort
response = client.chat.completions.create(
    model="deepseek-ai/____",
    reasoning_effort=____,
    max_tokens=600,
    messages=[
        {"role": "user",
         "content": math_problem}]
)

print(response.choices[0].message.content)
Code bewerken en uitvoeren