OpenAI 推理模型官方指南：何时用、怎么调

为什么推理模型改变了玩法

OpenAI 的 o1/o3 系列在回答前进行内部推理（reasoning tokens）。官方指南明确了一个反直觉的点：你不再需要提示模型「逐步思考」——它自己会。真正的工程变量变成了「推理预算」（reasoning effort）与「何时该用推理模型」。

核心概念

1. Reasoning Effort（推理预算）

三档：low（快速，适合简单任务）、medium、high（深度推理，适合数学/代码难题）。

工程上建议按任务动态设置：分类、改写用 low；复杂代码与数学用 high。全局统一设置会浪费成本或牺牲质量。

2. 结构化输出与工具

推理模型配合 JSON 结构化输出与函数调用，能处理「先规划后执行」的任务。注意：推理 token 也计入费用，长推理=高成本。

3. 何时不用推理模型

简单问答、翻译、格式化——普通模型更快更便宜。推理模型的价值在「需要多步判断」的任务。

实践清单

• 按任务类型设 reasoning effort，别全局一刀切。
• 复杂任务给足预算后先小样本验证准确率拐点。
• 把推理结果与结构化输出结合，让下游系统能消费。

官方原文：OpenAI Reasoning Models 指南。模型列表与参数以官方文档为准。