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.

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, у codex и у цикла инструментов — одним кадром: там ответ становится известен только целиком.

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

Формат OpenAI целиком: объявляешь функции, получаешь tool_calls, возвращаешь результаты сообщениями с ролью tool. Только бэкенд claude-code.

{
  "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.

Важная особенность: пока ты считаешь результат, сессия агента висит в памяти и ждёт. Не вернёшь ничего — она отпустится по таймауту из настроек (по умолчанию 150 секунд).

Ошибки приходят в формате OpenAI: {"error": {"code": "…", "message": "…", "type": "…"}}. Тело каждого вызова, включая упавшие, лежит в журнале на вкладке «Обзор» — вместе с текстом ошибки.