关键特性
- 先思考再响应 — 推理模型在给出答案之前逐步思考问题
- 数学和量化能力 — 擅长数值挑战、逻辑难题和复杂分析任务
- 推理轨迹 — 使用指标暴露
reasoning_tokens，部分模型可返回加密推理内容
加密推理内容
推理内容由 xAI 加密，如果你传递 include: ["reasoning.encrypted_content"] 到 Responses API， 可以返回加密推理内容。你可以将加密内容发送回来，为之前的对话提供更多上下文。
使用 Vercel AI SDK 时，只要未指定 store: false，加密推理内容会自动包含在底层。
reasoning_effort 参数
grok-4.5 支持 reasoning_effort 参数，控制模型在响应前花多少精力思考。 如果未指定，默认为 "high"。推理无法禁用。
注意：presencePenalty、frequencyPenalty 和 stop不能与推理模型一起使用。包含它们的请求会返回错误。
推理级别
| 设置 | 描述 | 适用场景 |
|---|---|---|
"low" | 使用一些推理 tokens，但仍然快速 | 延迟敏感的智能体使用和简单工具调用 |
"medium" | 更多思考，适用于不太延迟敏感的应用 | 复杂数据分析和长上下文推理 |
"high"（默认） | 使用更多推理 tokens 进行更深入思考 | 极具挑战性的问题、复杂数学、多步逻辑、竞赛级任务 |
设置推理级别
以下示例将 reasoning_effort 设置为 "high" 来解决一个数学证明问题：
Python
import os
from xai_sdk import Client
from xai_sdk.chat import system, user
client = Client(api_key=os.getenv("XAI_API_KEY"), timeout=3600)
chat = client.chat.create(
model="grok-4.5",
reasoning_effort="high",
messages=[system("You are a highly intelligent AI assistant.")],
)
chat.append(user("Find all prime numbers p such that p^2 + 2 is also prime. Prove your answer."))
response = chat.sample()
print("Final Response:")
print(response.content)多智能体模型
对于 grok-4.20-multi-agent，reasoning.effort 参数控制的是多少个智能体协作处理请求，而不是推理深度。
汇总表
| 模型 | reasoning 参数 | 行为 |
|---|---|---|
grok-4.5 | reasoning.effort: "low" / "medium" / "high"（默认） | 控制推理深度（无法禁用） |
grok-4.20-multi-agent | reasoning.effort: "low" / "medium" / "high" / "xhigh" | 控制智能体数量（4 或 16） |
推理摘要内容
对于 grok-4.5，我们公开了模型内部推理的摘要。你可以流式传输推理摘要增量 以及最终响应。