Dostrajanie poziomu wnioskowania
Domyślnie V4-Pro wnioskuje z poziomem wysiłku "high". Jeśli zależy ci na tym, żeby model mocniej się skupił na wyjątkowo trudnym problemie, ustaw reasoning_effort="max" — wtedy poświęci więcej czasu na przejście przez kolejne kroki rozumowania.
W tym ćwiczeniu wyślesz ten sam math_problem co w poprzednim ćwiczeniu — tym razem z reasoning_effort="max" — i porównasz, jak zmienia się struktura odpowiedzi.
To ćwiczenie jest częścią kursu
Praca z DeepSeek w Pythonie
Instrukcje do ćwiczenia
- Utwórz zapytanie wysyłające
math_problemdo modelu"deepseek-ai/DeepSeek-V4-Pro-0813". - Ustaw
reasoning_effortna"max", żeby 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)