claude-code/sonnet:high
└────┬───┘ └──┬─┘ └┬─┘
  бэкенд   модель  уровень размышлений

Без суффикса модель не думает — отвечает сразу. Суффиксы: :low, :medium, :high, :xhigh, :max, а :none — то же, что без суффикса. Какие уровни поддерживает конкретная модель, видно на вкладке «Модели».

Уровень стоит в имени модели не случайно: так он попадает в журнал и в статистику. По записи «claude-code/sonnet:low» видно, как ход выполнялся на самом деле, — поля в теле запроса такой отметки не оставляют.

Проще всего — суффиксом в имени модели. Но есть и поля в теле, для клиентов, которые имя модели не трогают: reasoning_effort как у OpenAI и объект reasoning как у OpenRouter.

{
  "model": "claude-code/sonnet",
  "messages": [{"role": "user", "content": "Задача посложнее"}],
  "reasoning": {
    "effort": "high",
    "max_tokens": 6000,
    "enabled": true,
    "exclude": false
  }
}

Старшинство: суффикс в имени модели → reasoning → reasoning_effort. Исключения два: enabled: false и max_tokens сильнее суффикса — они задают не глубину, а сам режим.

{
  "choices": [{
    "message": {
      "role": "assistant",
      "content": "Ответ, который видит пользователь",
      "reasoning": "Ход мысли модели — показывать отдельно"
    }
  }],
  "usage": {
    "completion_tokens_details": {"reasoning_tokens": 881}
  }
}

Ход мысли едет полем reasoning, а не внутри content: иначе клиент не отличил бы рассуждения от ответа и показал бы всё вперемешку. В потоке для них свои кадры — delta.reasoning.

Точный потолок задать нельзя. Нынешние модели думают adaptive и фиксированный бюджет игнорируют: запрос с max_tokens: 6000 давал ноль токенов на размышления, тогда как :max — 755. Поэтому число переводится в уровень усилия: до 2000 — low, до 8000 — medium, до 16000 — high, дальше max.

Модель сама решает, думать ли: на лёгком вопросе она честно ответит нулём токенов даже при :max. Уровень задаёт потолок глубины, а не обязанность.

У Codex размышления полностью не выключаются: низший работающий уровень — low, и без суффикса используется он, а текст рассуждений просто не возвращается.

У Antigravity так же: уровни — какие есть у модели в agy models (у Gemini — low, medium и high), без суффикса — низший. Текст рассуждений шлюз читает из файла разговора agy: у Gemini это их пересказ, и приходит он целым куском после каждого вызова модели, а не по мере набора.

stream = client.chat.completions.create(
    model="claude-code/sonnet:high",
    messages=[{"role": "user", "content": "Привет"}],
    stream=True,
)

for chunk in stream:
    delta = chunk.choices[0].delta
    if getattr(delta, "reasoning", None):
        print("[думает]", delta.reasoning, end="")
    if delta.content:
        print(delta.content, end="")

Формат обычный: кадры chat.completion.chunk и data: [DONE] в конце. У claude-code текст идёт по мере появления — и в цикле инструментов тоже: придерживается только сам вызов, текст перед ним уходит сразу. У codex так же, когда он запущен постоянным app-server (по умолчанию); в запасном режиме codex exec — одним кадром. У antigravity — по частям.

Расход едет в закрывающем кадре; отдельным кадром он приедет по stream_options.include_usage.

Пока ход молчит дольше 10 секунд, поток будится комментарием : ping раз в 15 секунд — иначе прокси с простоем в минуту рвут соединение. Клиенты SSE такие строки пропускают. Ошибка, случившаяся после этого, приходит кадром с кодом и [DONE], а не HTTP-статусом.

Формат OpenAI целиком: объявляешь функции, получаешь tool_calls, возвращаешь результаты сообщениями с ролью tool. Работает у всех бэкендов.

{
  "model": "claude-code/sonnet",
  "messages": [{"role": "user", "content": "Какая погода в Томске?"}],
  "tools": [{
    "type": "function",
    "function": {
      "name": "get_weather",
      "description": "Возвращает погоду в городе",
      "parameters": {
        "type": "object",
        "properties": {"city": {"type": "string"}},
        "required": ["city"]
      }
    }
  }]
}

Ответ придёт с finish_reason: "tool_calls". Дальше присылаешь тот же диалог плюс сообщение с результатом — {"role": "tool", "tool_call_id": "…", "content": "…"} — и получаешь финальный ответ.

Несколько вызовов сразу поддерживаются: если модель зовёт инструменты параллельно, они приедут одним массивом tool_calls, и результаты можно вернуть все вместе — по сообщению с ролью tool на каждый tool_call_id, в одном запросе.

Результат может нести картинку — например, снимок экрана после действия: content массивом из text и image_url с data:-строкой, как у сообщения пользователя. Модель увидит её картинкой внутри результата, а ход продолжится в той же сессии. Отдельная реплика со снимком после результата так не умеет: её некуда положить, и разговор собирается заново. Системные сообщения за результатами допускаются — модель получит их ролью system сразу после результата, с приставкой «PostToolUse:… hook additional context:». У Codex на app-server картинка в результате тоже доходит картинкой, а указания после результата пока собирают разговор заново; в режиме codex exec картинка становится пометкой. У Antigravity картинку больше ~4 КБ agy выносит в файл, и модель открывает её сама встроенным read_file — это лишний вызов модели на снимок. Указания после результата дописываются в конец самого результата: системным сообщением agy их в этот момент не передаёт.

Числа кругов шлюз не ограничивает. «Ожидание результата инструмента» — сколько сессия ждёт тебя на КАЖДОМ круге, удерживая процесс в памяти; общую длину работы это не ограничивает.

Два разных способа, и путать их не стоит.

{
  "model": "claude-code/sonnet",
  "messages": [{"role": "user", "content": "Перечисли три пункта"}],
  "stop": ["
4.", "КОНЕЦ"]
}

Для голосового помощника нужен второй способ: перебили — закрыл соединение, и агент перестаёт говорить. Раньше он договаривал в никуда и тратил окно подписки; теперь обрыв гасит ход.

Оговорка про stop: провайдер умеет обрывать сам, но Agent SDK такую опцию не пробрасывает, поэтому обрезаем у себя. Ответ приходит правильный, а вот токены за отброшенный хвост списываются — модель договаривает до конца.

{
  "model": "claude-code/sonnet",
  "messages": [
    {"role": "developer", "content": "Отвечай коротко."},
    {"role": "user", "name": "Иван", "content": "Когда отгрузка?"},
    {"role": "assistant", "content": "В четверг."},
    {"role": "user", "name": "Пётр", "content": "А оплата?"},
    {"role": "system", "content": "Контекст на этот ход: счёт оплачен."},
    {"role": "user", "name": "Иван", "content": "Подтверди Петру."}
  ]
}

Роли раскладываются по-настоящему, а не склеиваются в один текст: прошлый ответ модель видит как свой ход. Системные сообщения действуют с любого места переписки — этим удобно подкладывать свежий контекст под каждый вопрос.

Поле name у формата Claude своего места не имеет, поэтому имя переносится в начало текста реплики. Без него разные люди под ролью user слились бы в одного собеседника.

У Antigravity роли раскладываются так же, но agy оборачивает их по-своему: системный промпт — в <System Prompt>, реплику — в <USER_REQUEST> с текущим временем, системное сообщение — в <SYSTEM_MESSAGE> с пометкой, что это не слова пользователя. Ход без реплики пользователя запускается репликой (no content) — как у Claude.

X-Conversation-Id: conv-8f2a

Необязательный заголовок: один и тот же номер на все запросы одного разговора, включая круги инструментов. С ним шлюз не угадывает разговор по последним репликам, а продолжает сессию, только если всё начало присланной истории совпало с ней точно. Изменилось прежнее сообщение — например, история сжата в выжимку — и сессия собирается заново из присланного.

Заголовком, а не полем тела: незнакомое поле часть провайдеров отклоняет, а заголовок — никто. До 128 символов: латиница, цифры и ._:-. Работает, когда в настройках включено продолжение разговоров.

Ошибки приходят в формате OpenAI: {"error": {"code": "…", "message": "…", "type": "…"}}. Тип следует из статуса: authentication_error, permission_error, not_found_error, rate_limit_error, для 5xx — api_error. Тело каждого вызова, включая упавшие, лежит в журнале на вкладке «Обзор» — вместе с текстом ошибки.