1. 参数对照

2. DeepSeek-V4-Flash-Vision

2.1 关闭思考

通过 chat_template_kwargs.thinking=false：

{
  "chat_template_kwargs": {
    "thinking": false
  }
}

完整请求示例：

curl http://127.0.0.1:8030/v1/chat/completions \
  -H "Content-Type: application/json" \
  -d '{
    "model": "DeepSeek-V4-Flash-Vision",
    "messages": [
      {
        "role": "user",
        "content": "介绍一下 vLLM"
      }
    ],
    "chat_template_kwargs": {
      "thinking": false
    }
  }'

2.2 开启思考

{
  "chat_template_kwargs": {
    "thinking": true
  }
}

2.3 控制思考强度

DeepSeek-V4-Flash-Vision支持通过 reasoning_effort 控制思考强度。

当不指定思考强度时，默认为 low

Low

{
  "chat_template_kwargs": {
    "thinking": true,
    "reasoning_effort": "low"
  }
}

High

{
  "chat_template_kwargs": {
    "thinking": true,
    "reasoning_effort": "high"
  }
}

Max

{
  "chat_template_kwargs": {
    "thinking": true,
    "reasoning_effort": "max"
  }
}

完整示例：

curl http://127.0.0.1:8030/v1/chat/completions \
  -H "Content-Type: application/json" \
  -d '{
    "model": "DeepSeek-V4-Flash-Vision",
    "messages": [
      {
        "role": "user",
        "content": "分析 Transformer 和 Mamba 的主要区别"
      }
    ],
    "temperature": 1.0,
    "top_p": 0.95,
    "chat_template_kwargs": {
      "thinking": true,
      "reasoning_effort": "high"
    }
  }'

3. Qwen3.8-Flash-Next

3.1 关闭思考

Qwen 使用 enable_thinking：

{
  "chat_template_kwargs": {
    "enable_thinking": false
  }
}

完整示例：

curl http://127.0.0.1:8040/v1/chat/completions \
  -H "Content-Type: application/json" \
  -d '{
    "model": "Qwen3.8-Flash-Next",
    "messages": [
      {
        "role": "user",
        "content": "介绍一下 vLLM"
      }
    ],
    "temperature": 0.7,
    "top_p": 0.8,
    "presence_penalty": 1.5,
    "top_k": 20,
    "chat_template_kwargs": {
      "enable_thinking": false
    },
    "max_tokens": 1024
  }'

3.2 开启思考

{
  "chat_template_kwargs": {
    "enable_thinking": true
  }
}

3.3 控制思考强度

Qwen3.8-Flash-Next 支持三个强度档位：

• low
• medium
• xhigh

注意：

• 没有 high
• 没有 max
• 最高档是 xhigh
• 不指定时默认 xhigh

Low

{
  "reasoning_effort": "low",
  "chat_template_kwargs": {
    "enable_thinking": true
  }
}

Medium

{
  "reasoning_effort": "medium",
  "chat_template_kwargs": {
    "enable_thinking": true
  }
}

XHigh

{
  "reasoning_effort": "xhigh",
  "chat_template_kwargs": {
    "enable_thinking": true
  }
}

完整示例：

curl http://127.0.0.1:8040/v1/chat/completions \
  -H "Content-Type: application/json" \
  -d '{
    "model": "Qwen3.8-Flash-Next",
    "messages": [
      {
        "role": "user",
        "content": "设计一个高可用的 AI Gateway 架构"
      }
    ],
    "reasoning_effort": "medium",
    "temperature": 1.0,
    "top_p": 0.95,
    "top_k": 20,
    "presence_penalty": 0.0,
    "chat_template_kwargs": {
      "enable_thinking": true
    }
  }'

4. 总结

最核心的区别可以记成：

DeepSeek V4
├── thinking
└── reasoning_effort
    ├── low
    ├── high
    └── max

Qwen3.8 Flash Next
├── enable_thinking
└── reasoning_effort
    ├── low
    ├── medium
    └── xhigh