推理预算，就是模型在给出答案前、内部思考能用的 token 上限。它不决定答案写多长，只决定模型能想多久。预算设得再大，答案也不会自动变长；预算设得太小，复杂问题可能没想明白就作答。
三家叫法不一样，别混着用
OpenAI 用 reasoning.effort，档位是 none、minimal、low、medium、high，档位不等于 token 数。Claude 旧式用 thinking 里的 budget_tokens，直接填数字，最小 1024，且必须小于 max_tokens；新式改成 output_config.effort，档位是 low、medium、high、xhigh、max，旧写法在较新模型上已被废弃。Gemini 2.5 用 thinkingBudget 填数字，设为 0 关闭思考，-1 为动态思考；Gemini 3 改用 thinking_level 档位，minimal、low、medium、high。普通用户在聊天应用里一般只能选模型、开关思考或挑档位，精确填数字是调 API 的开发者的事。
调大调小，各付什么代价
思考 token 按输出 token 计费，也占用上下文和输出上限。预算设得太大，留给答案的空间不足，模型可能还没写完答案就被截断；预算设得太小，复杂题容易跳步骤、算错。调大通常在数学、多步规划、复杂调试上更有用，但更贵、更慢；对查资料、摘要、分类、格式化这类简单任务，提升很小。调小适合实时对话、语音、批量处理，便宜又快。
三个常见误区
第一，预算是上限，不是精确用量。设 8000 不等于每次花满 8000，简单问题模型会提前停下。第二，调大不等于更准，收益会递减，过度思考反而可能绕路、自我否定。第三，完整思考过程默认看不到，只能看到摘要或可展开的思考面板。先按任务从最小档位试起，逐步上调，找到够用又不浪费的那一档，才是推理预算的正确用法。
