Finjustera resonemangsnivå
Som standard resonerar V4-Pro med ansträngningsnivån "high". Om du behöver att modellen ska anstränga sig extra mycket på ett särskilt svårt problem kan du sätta reasoning_effort="max", så tar modellen längre tid på sig att arbeta igenom stegen.
I den här övningen skickar du samma math_problem som i föregående övning — men den här gången med reasoning_effort="max" — och jämför hur svaret är uppbyggt.
Den här övningen är en del av kursen
Arbeta med DeepSeek i Python
Övningsinstruktioner
- Skapa en förfrågan för att skicka
math_problemtill"deepseek-ai/DeepSeek-V4-Pro-0813". - Sätt
reasoning_efforttill"max"för att öka modellens resoneringsintensitet.
Interaktiv övning med praktiskt arbete
Testa den här övningen genom att slutföra den här exempelkoden.
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)