思考模型避坑指南：为什么你的 API 返回了空内容，以及如何修复

本文首发于个人技术博客，转载请保留出处。适用平台：盈算智服（OpenAI 兼容 LLM 网关）。

一、你遇到的现象

请求返回了 HTTP 200，没有报错，但 choices[0].message.content 是空的：

{
"choices": [
{
"message": { "role": "assistant", "content": "" },
"finish_reason": "stop"
}
],
"usage": { "completion_tokens": 100, "reasoning_tokens": 95 }
}

一眼看过去像是 API 坏了。其实不是——是思考模型把你的输出额度吃光了。

二、根因：默认开「深度思考」，max_tokens 被推理过程吃掉

新一代模型（DeepSeek V4 系列、智谱 GLM-5.2）默认开启深度思考（reasoning）。一次回复由两部分组成：

• 推理 token（reasoning_tokens）：模型在「内心思考」时消耗的 token
• 内容 token（content）：真正返回给你的文字

如果你在请求里传了较小的 max_tokens（比如 100、200），而思考过程本身就用了 95 个 token，留给真正内容的就只剩 5 个甚至 0 个 → 于是你拿到空 content。

我们在真实调用中复现过：max_tokens:100 时 reasoning_tokens:95，content 为空；调到 1024 后正常返回内容。

三、哪些模型有这个坑

四、修复方法（三选一）

方案 A：给 max_tokens 一个安全值（最简单，推荐）

把 max_tokens 调大到 1024 以上即可。下面以 deepseek-v4-flash 为例：

curl 版：

curl https://yingsuan.top/v1/chat/completions \\
-H "Authorization: Bearer 你的KEY" \\
-H "Content-Type: application/json" \\
-d '{
"model": "deepseek-v4-flash",
"messages": [{"role": "user", "content": "用一句话解释量子纠缠"}],
"max_tokens": 2000
}'

Python（OpenAI SDK）版：

from openai import OpenAI
# 把下行的 base_url 换成你的网关地址（即盈算智服分配给你的接口地址）
client = OpenAI(api_key="你的KEY", base_url="你的网关地址/v1")
resp = client.chat.completions.create(
model="deepseek-v4-flash",
messages=[{"role": "user", "content": "用一句话解释量子纠缠"}],
max_tokens=2000
)
print(resp.choices[0].message.content)

Node.js 版：

import OpenAI from "openai";
// 把下行的 baseURL 换成你的网关地址（即盈算智服分配给你的接口地址）
const client = new OpenAI({ apiKey: "你的KEY", baseURL: "你的网关地址/v1" });
const resp = await client.chat.completions.create({
model: "deepseek-v4-flash",
messages: [{ role: "user", content: "用一句话解释量子纠缠" }],
max_tokens: 2000,
});
console.log(resp.choices[0].message.content);

方案 B：直接关掉思考（要速度 / 省钱时用）

如果你做的是简单分类、抽取、翻译，不需要推理，关掉思考既快又省：

DeepSeek V4 系列：

{ "model": "deepseek-v4-flash", "messages": […], "reasoning_effort": "none" }

或（Anthropic 风格字段）：

{ "model": "deepseek-v4-flash", "messages": […], "thinking": { "type": "disabled" } }

智谱 GLM-5.2：

{ "model": "glm-5.2", "messages": […], "thinking": { "type": "disabled" } }

注意：传 “thinking”: false 会报 400，正确值是 “type”: “disabled”。

方案 C：Kimi K3 专用

K3 不吃小 max_tokens，必须 ≥ 16000，否则直接空：

{ "model": "kimi-k3", "messages": […], "max_tokens": 16000 }

五、网关层已经帮你做的防护

为防止你踩坑，盈算智服在网关层加了自动护栏：

• 对思考模型（deepseek-v4-flash / v4-pro / glm-5.2），如果你传的 max_tokens 小于 1024，网关会自动提到 1024（只上调、绝不下调你的显式大值）。
• 对其他模型，如果你没传 max_tokens，网关默认给 2048。

但你如果显式传了很小的 max_tokens（比如抄了别人的 100），网关尊重你的选择、不会覆盖——所以请按上面的方案 A 调大。

六、开始免费试用

• 免费套餐：100 次请求，含 DeepSeek V4-Flash（1M 上下文）、GLM-4-Flash、Qwen2.5-7B
• 限时推广：V4-Flash 额外 20 次免费（Promo）
• 获取 Key 与文档入口见盈算智服官网（Wise 银行转账，无需信用卡）

遇到任何返回异常，把请求体和报错发给官方邮箱，24 小时内回复。