Dostrajanie intensywności wnioskowania
Domyślnie V4-Pro wnioskuje z intensywnością "high". Jeśli chcesz, żeby model bardziej się przyłożył do wyjątkowo trudnego problemu, ustaw reasoning_effort="max" — wtedy model poświęci więcej czasu na przejście przez kolejne kroki.
W tym ćwiczeniu wyślesz ten sam math_problem co w poprzednim ćwiczeniu — tym razem z reasoning_effort="max" — i porównasz, jak wygląda struktura odpowiedzi.
To ćwiczenie jest częścią kursu
Praca z DeepSeek w Pythonie
Instrukcje do ćwiczenia
- Utwórz żądanie wysyłające
math_problemdo modelu"deepseek-ai/DeepSeek-V4.1-Flash". - Ustaw
reasoning_effortna"max", aby zwiększyć intensywność wnioskowania.
Interaktywne ćwiczenie praktyczne
Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.
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)