AI Development2026年8月2日

DeepSeek V4-Flash-0731：thinking 關閉不生效怎麼查？

ProxyMac Engineering Team2026年8月2日~8 分鐘閱讀

截至 2026 年 8 月 2 日，官方 Chat Completions 參考頁仍將 thinking 的預設值列為 enabled。因此，獲勝方案是核對最終出站 JSON，而不是相信設定檔或呼叫函式裡的開關；使用 OpenAI SDK 時，thinking 必須放在 extra_body。若官方端點直連已經顯示 disabled，但生產環境仍出現推理內容，就要繼續追查 SDK 序列化、共享閘道覆寫，以及 AI Agent 的隱藏子請求。
（最後更新於 2026 年 8 月 2 日；資料核實自官方更新紀錄、Thinking Mode 指南、Chat Completions API 參考與官方定價頁。）

這篇適合三類讀者：

使用 OpenAI SDK 或相容框架呼叫 DeepSeek V4-Flash-0731，卻仍收到 reasoning_content 的應用開發者。
維護模型閘道、代理層或統一 SDK，需要找出 thinking 參數在哪一層被覆蓋的平台工程師。
執行多步驟 AI Agent，主請求已關閉 thinking，但總用量、延遲或回應欄位仍然異常的團隊。

先分清楚：服務端仍在推理，還是舊資料造成錯覺

最常見的錯誤判斷是：設定檔中已寫入 disabled，前端仍看到 reasoning_content，於是直接認定新模型沒有遵守設定。這個結論不夠可靠。

DeepSeek 官方文件明確列出，OpenAI 格式的 thinking 控制物件為：

{
  "thinking": {
    "type": "disabled"
  }
}

如果請求沒有明確傳入這個物件，不能把「程式碼內部的布林值」視為服務端已關閉。API 參考頁同時列出 enabled 與 disabled，並將預設值標示為 enabled。(api-docs.deepseek.com)

先對同一筆呼叫比對四個欄位：

請求 ID 或追蹤 ID。
最終出站請求中的 model。
回應中的 model、reasoning_content 與 content。
該次呼叫的開始時間、結束時間與 usage。

只有這四組資料能對上，才算是在分析同一筆請求。前端畫面殘留的推理文字、資料庫保存的歷史 assistant 欄位，以及串流解析器尚未清空的緩衝區，都不能直接證明目前這次請求仍處於 thinking 模式。

截至官方遷移資訊，舊有 deepseek-chat 與 deepseek-reasoner 已在 2026 年 7 月 24 日 15:59 UTC 後退役；目前 API 應使用 deepseek-v4-flash 或 deepseek-v4-pro 這類 model ID。主題中的 DeepSeek V4-Flash-0731 可作為版本識別，但不能把版本顯示名稱誤當成必然可接受的請求 model ID。(api-docs.deepseek.com)

為什麼已關閉 thinking 後仍有 reasoning_content？
先不要從 UI 或歷史紀錄推測。把當前請求的 request ID、出站 JSON 與原始回應放在同一筆 trace 中，再判斷該欄位是現行回應產生，還是應用層重新拼接出來。

OpenAI SDK：設定位置正確，才算真的傳出

OpenAI SDK 的主要陷阱，不是 disabled 拼字，而是參數層級。官方 Thinking Mode 指南要求在 Chat Completions 中，將 thinking 放進 extra_body；只把它放在應用自訂設定、環境變數，或 SDK 不支援的頂層欄位，並不會自動進入 HTTP body。(api-docs.deepseek.com)

最小化檢查樣本可以保留到這個程度：

response = client.chat.completions.create(
    model="deepseek-v4-flash",
    messages=[{"role": "user", "content": "health check"}],
    extra_body={"thinking": {"type": "disabled"}},
)

這段不是完整接入教學，而是用來確認參數是否位於正確位置。真正要記錄的是脫敏後的最終出站 JSON，例如：

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

不要只截取呼叫函式的輸入參數。很多問題發生在 HTTP client、序列化器或相容層之後；程式碼畫面顯示有 extra_body，不等於線上封包也有同樣內容。

直連、SDK 封裝與生產閘道的差異

排障時應把同一個固定輸入分成三條路徑，不要一次修改所有元件：

檢查路徑	應確認的內容	能排除的問題	仍需追查的風險
官方端點直連	`model`、`thinking.type`、原始回應欄位	API 端點與基本參數格式	SDK 或閘道問題
現有 OpenAI SDK	SDK 輸入與序列化後 JSON	`extra_body` 是否被保留	二次封裝、代理層
生產閘道	入站 JSON、改寫後 JSON、實際路由 model	租戶、別名、環境變數覆寫	Agent 子請求與重試

封裝層丟欄位：介面有開關，封包沒有內容

許多團隊會在共用 SDK 中建立白名單，例如只保留 model、messages、temperature、stream。當 extra_body 不在白名單內，整個物件可能在序列化前被移除；另一種情況是 extra_body 被保留，但內層的 thinking 被過濾。

應在三個位置各留一份短紀錄：

應用程式傳入的參數。
二次封裝或適配器輸出的參數。
網路層實際送出的 JSON。

三者中，第一次缺少 thinking 的位置，就是優先修復點。框架介面顯示「關閉」只能作為操作線索，不能作為證據。

共享閘道覆寫：不要靠改 model 名稱碰運氣

統一閘道可能依照模型別名、租戶、任務標籤或流量策略注入預設值。例如應用送出 disabled，閘道卻在路由階段重新補上：

{
  "thinking": {
    "type": "enabled"
  }
}

也有閘道沒有改寫 thinking，但將請求導向另一個模型別名，導致團隊只看名稱，沒有確認實際路由結果。

OpenAI SDK 呼叫 DeepSeek V4 時，thinking 參數應該放在哪裡？
放在 extra_body 內的 thinking 物件。驗收時同時確認 model 與 thinking.type，不能只看 SDK 呼叫端的設定檔。官方文件也指出，Chat Completions 的 model ID 應為 deepseek-v4-flash 或 deepseek-v4-pro。(api-docs.deepseek.com)

主請求關閉，不代表 Agent 子請求也關閉

AI Agent 通常不只發出一次模型請求。至少要拆開觀察：

使用者可見的主請求。
任務規劃請求。
工具呼叫前後的推理回合。
工具失敗後的重試。
背景摘要、記憶整理或網路搜尋摘要請求。

官方工具呼叫範例顯示，thinking 模式下，工具回合可能產生多次子請求，並需要在後續請求傳回 reasoning_content。因此，入口函式加上 disabled，不會自動保證 Agent 框架建立的每一個隱藏請求都繼承相同設定。(api-docs.deepseek.com)

如何確認 AI Agent 的隱藏子請求也關閉了 thinking？
為每一層請求加上 trace 標籤，至少記錄 parent_id、請求類型、model、thinking.type、是否出現 reasoning_content、usage 與回應時間。最後用呼叫樹找出仍然產生推理內容或額外用量的節點，而不是把整筆 Agent 用量歸因到主請求。

以下清單適合放進回歸測試或上線前驗收：

[ ] 固定一組已脫敏輸入，為每次回放建立唯一 request ID。
[ ] 直接連線官方端點，確認 model 為 deepseek-v4-flash。
[ ] 在最終出站 JSON 中確認 thinking.type 明確為 disabled。
[ ] 分別保存 SDK 輸入、適配器輸出與網路層封包。
[ ] 比對測試閘道與生產閘道，找出欄位首次出現差異的位置。
[ ] 將主請求、規劃、工具呼叫與重試請求分開統計。
[ ] 檢查當前回應，而非歷史訊息或前端快取，是否仍有 reasoning_content。
[ ] 以同一輸入完成直連、SDK 與生產回放後，再決定修復是否生效。

提醒： 不要用「延遲變短」或「帳單看起來下降」單獨判定 thinking 已關閉。延遲會受排隊、重試、頻寬與閘道路由影響；必須先確認最終請求體與當前回應欄位，再分析 usage 和費用。

用隔離回放確認成本問題，而不是預設降幅

「關閉 thinking 後成本仍然很高」通常有三種可能：

disabled 根本沒有送到服務端。
主請求已關閉，但 Agent 子請求仍使用預設模式。
thinking 已關閉，異常其實來自重試、長輸入、工具回合或歷史訊息拼接。

官方文件把 thinking 預設值列為 enabled，並說明推理內容會以 reasoning_content 欄位回傳；費用則應依官方定價頁與實際 token usage 核對，不能先假設關閉後一定會下降固定比例。(api-docs.deepseek.com)

建議使用同一份脫敏輸入做三次回放：

官方端點直連。
現有 SDK 與應用封裝。
生產閘道及完整 Agent 鏈路。

每次都保存：

最終 model。
thinking.type。
是否出現當前回應的 reasoning_content。
請求數量、重試數量與 usage。
每個子請求的 trace 關聯。

如果直連與 SDK 都是 disabled，只有生產閘道變成 enabled，修復方向就是閘道規則或環境設定；如果三條路徑都顯示 disabled，但總用量仍高，應轉向檢查 Agent 是否重複呼叫、工具失敗重試或輸入資料膨脹。這樣才能把「thinking 關閉不生效」與一般成本歸因問題分開。

目前環境與雲端 Mac 回放環境的取捨

在本機或共用 CI 環境中排查，常見缺點是 SDK 版本、閘道設定與 Agent 執行環境不容易固定；同一份程式在開發機、測試機與生產伺服器上，可能經過不同的環境變數與代理規則。若直接在共用環境修改，還會把修復前後的封包混在一起，難以還原問題。

較穩妥的做法，是先建立獨立測試環境，再把直連、SDK 封裝和生產閘道逐層回放。若需要固定 macOS 軟體版本、隔離測試資料與保存多組回放紀錄，可先閱讀 ProxyMac 使用說明，再按測試週期查看 ProxyMac 方案與租賃選項。

這類環境不適合長期承載穩定的大量生產負載，也不適合必須直接接觸實體裝置的測試。它的價值在於短期隔離：讓 SDK、閘道、Agent 版本與出站請求可以被固定，方便確認是哪一層重新開啟 thinking。

若目前方案是共用本機或一般 CI，版本漂移、背景程序干擾與環境變數殘留會讓問題反覆出現；若改用 ProxyMac 的租賃 Mac 作為獨立回放節點，則更適合需要臨時算力、短期相容性驗證或多版本並行測試的情境。對於已經確認要長期穩定運行的重負載服務，自購 Mac 或固定的生產基礎設施通常更容易控制；對於只想驗證 disabled 是否一路傳到最終子請求，先租用隔離環境往往比改動現有生產鏈路更安全。

用專屬遠端 Mac，穩定驗證 API 工作流程

ProxyMac 提供獨享 Apple Silicon M4 實體機，方便您重現 SDK、封裝層與 Agent 請求問題。
透過 SSH、瀏覽器 VNC 及獨立公網 IPv4，快速建立可重複回放的測試環境。

查看定價技術支援