摘要：在使用硅基流动（SiliconFlow）调用 DeepSeek-R1、QwQ 等具备“思维链（CoT）”能力的模型时，默认开启的思考模式会导致首字延迟高、生成速度慢，甚至在某些高频场景下引发超时或冗余输出。本文介绍如何通过 OpenAI SDK 的 extra_body 参数优雅地禁用 enable_thinking，实现秒级响应。

---

一、背景与痛点

随着 DeepSeek-R1、Qwen-QwQ 等推理型大模型的普及，它们在复杂逻辑推理和数学解题上表现卓越。然而，这类模型通常默认开启 “思考模式”（Thinking Mode）。

在实际工程落地中，我们常遇到以下问题：

1. 响应极慢：模型会先输出一大段 <think>...</think> 的内部推理过程，导致用户看到第一个有效字符的时间（TTFT）显著增加。
2. Token 浪费：思考过程往往占据大量 Token，增加了成本且无助于最终展示。
3. 解析困难：前端需要额外编写正则表达式来过滤掉思考标签，增加了开发复杂度。
4. 非必要场景：在简单的问答、翻译或闲聊场景中，我们并不需要模型进行深度推理，只需要快速给出结果。

因此，在非强推理场景下，禁用思考模式是提升用户体验和系统吞吐量的关键优化手段。

---

二、核心解决方案：使用 extra_body

硅基流动（SiliconFlow）兼容 OpenAI API 格式。对于像 enable_thinking 这样尚未被 OpenAI Python SDK 原生标准化支持的参数，我们需要使用 extra_body 字段将其透传给底层 API。

❌ 错误写法

直接作为参数传递会报错，因为 OpenAI SDK 会校验参数合法性：

# 报错：TypeError: Unexpected keyword argument 'enable_thinking'
response = client.chat.completions.create(
    model="Pro/zai-org/GLM-4.7",
    messages=[...],
    enable_thinking=False 
)

在openai-python的源码中，我们也可以看到没有提供此类参数：

✅ 正确写法

将非标准参数放入 extra_body 字典中，将"enable_thinking"参数设置为False：

response = client.chat.completions.create(
    model="deepseek-ai/DeepSeek-R1",
    messages=[...],
    extra_body={"enable_thinking": False} # 禁用思考模式
)

📊 效果对比

特性	开启思考 (enable_thinking: true)	关闭思考 (enable_thinking: false)
首字延迟 (TTFT)	高 (需先生成思维链)	低 (直接生成答案)
输出内容	包含 <think>...</think> 标签	仅包含最终答案
Token 消耗	较高	较低
适用场景	复杂数学、代码调试、逻辑推理	日常问答、翻译、摘要、客服
解析难度	需后端/前端清洗数据	无需处理，直接使用

---

三、注意事项与常见问题

1. 并非所有模型都支持该参数

目前主要支持该参数的模型包括 DeepSeek-R1 系列。其他模型（如 Qwen2.5-Coder 等非推理专用模型）本身不包含思考机制，设置此参数可能被忽略或报错。建议在调用前查阅硅基流动官方文档确认模型支持情况。截止2026年5月2日，参照官方文档支持思考的模型有：

2.其他禁用思考模式方法

如果你不想安装庞大的 openai SDK，或者需要在非 Python 环境（如 Java, Go, Curl）中实现相同逻辑，使用 requests 库时，我们只需构造标准的 JSON的body，并将 enable_thinking: false 直接放入根层级即可。例如：

curl -X POST "https://api.siliconflow.cn/v1/chat/completions" \
  -H "Authorization: Bearer YOUR_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "Pro/zai-org/GLM-4.7",
    "messages": [
      {"role": "user", "content": "1+1等于几？"}
    ],
    "enable_thinking": false
  }'

---

四、总结

在高性能要求的生产环境中，合理控制大模型的“思考”行为至关重要。通过 OpenAI SDK 的 extra_body 参数，我们可以轻松地在硅基流动平台上禁用 DeepSeek-R1 等模型的思考模式，从而获得更快的响应速度和更干净的输出结果。

希望这篇教程能帮助你优化 AI 应用的性能！如有问题，欢迎在评论区交流。

---

参考链接：

• 硅基流动官方文档
• OpenAI Python SDK GitHub