Jais 3'te reasoning_effort: low ile high arasındaki fark

Kısa yanıt: high varsayılan, low düşünmeyi kapatır

LLMTR, farklı sağlayıcıların dil modellerine tek bir OpenAI uyumlu API ile erişim veren bir gateway'dir. Jais 3'ü ifm/jais-3-mova-36b-a4b kimliğiyle https://llmtr.com/v1 adresindeki /v1/chat/completions uç noktasından çağırırsınız. Bu satır reasoning_effort için iki değer kabul eder: high ve low. Alanı göndermezseniz high uygulanır ve model yanıttan önce düşünür; low gönderdiğinizde düşünme kapanır ve model doğrudan yanıt verir.

IFM'in model kartı düşünme düzeyi için her zaman high önerir ve düşünmesiz çalışmayı, yani low'u, düşünme düzeyleri üzerine araştırma dışında önermez. Kartın bu önerisi, low'un yalnızca kısa ve kontrol edilebilir işlerde kullanılmasını mantıklı kılar.

• IFM, Jais-3-MoVA-36B-A4B model kartı · 2026-10-17

Jais 3'te reasoning_effort low mu, high mı seçilmeli?

Aşağıdaki Python örneği aynı Arapça soruyu iki düzeyde sorar ve her biri için cevabı, completion_tokens değerini ve düşünme metninin uzunluğunu yazdırır. high ile düşünme metni yanıtın reasoning_content alanında ayrı gelir, cevap content alanında kalır. low ile reasoning_content boş gelir.

Çok adımlı hesap, karşılaştırma ya da kural uygulama gerektiren sorularda high kullanın. low, sınıflandırma, kısa yeniden yazma ya da bilinen bir biçimde tek satırlık cevap gibi işlerde token harcamasını azaltır. low ile çok adımlı bir soruda model çözüm adımlarını doğrudan cevabın içine yazabilir ya da hatalı bir sonuç verebilir; böyle işlerde sonucu kendi kontrolünüzle doğrulayın ya da high kullanın.

İki düzeyde de düşünme token'ları ve cevap completion_tokens içinde sayılır ve max_tokens sınırına dahildir. high ile kısa bir max_tokens, cevap yazılmadan düşünmeyi keser; finish_reason length gelirse sınırı yükseltin.

Aynı Arapça soruyu ifm/jais-3-mova-36b-a4b'ye reasoning_effort high ve low ile gönderen, cevabı, completion_tokens değerini ve düşünme metninin uzunluğunu yazdıran OpenAI Python SDK örneği.

import os

from openai import OpenAI

client = OpenAI(base_url="https://llmtr.com/v1", api_key=os.environ["LLMTR_API_KEY"])
QUESTION = "كم عدداً صحيحاً موجباً أقل من 200 يقبل القسمة على 6 ولا يقبل القسمة على 4؟ أعط الرقم فقط."

for effort in ["high", "low"]:
    response = client.chat.completions.create(
        model="ifm/jais-3-mova-36b-a4b",
        messages=[{"role": "user", "content": QUESTION}],
        reasoning_effort=effort,
        max_tokens=4096,
    )
    message = response.choices[0].message
    reasoning = getattr(message, "reasoning_content", None) or ""
    print(effort, "| answer:", (message.content or "").strip()[:80])
    print("   completion_tokens:", response.usage.completion_tokens, "| reasoning chars:", len(reasoning))

Kabul edilen ve reddedilen değerler

Satır yalnızca iki düzey taşır. Diğer değerler istek modele gitmeden 400 invalid_request ile döner ve hata mesajı kabul edilen düzeyleri sayar. reasoning alanında enabled false göndermek low ile aynıdır.

Düzey seçimini akışa bağlamak

Bir uygulamada iki düzeyi birlikte kullanabilirsiniz. Önce low ile hızlı bir sınıflandırma yapın, sonra yalnızca karmaşık bulunan mesajları high ile yeniden işleyin. Böylece günlük hakkı düşünme gerektiren işlere ayırırsınız.

Düzeyi slug son ekiyle de seçebilirsiniz: model olarak ifm/jais-3-mova-36b-a4b:low göndermek reasoning_effort low ile aynıdır. Bu, istek gövdesine alan ekleyemediğiniz istemcilerde işe yarar: yalnızca model adını değiştirirsiniz.

Düşünme metnini göstermek ya da saklamak

high düzeyde gelen reasoning_content, modelin cevaba nasıl vardığını gösterir. Bir sorunun neden yanlış cevaplandığını incelerken işe yarar, ama son kullanıcıya gösterilecek metin değildir: uzundur, cevapla aynı dilde olmayabilir ve cevabın kendisi değildir. Kullanıcı arayüzünde yalnızca content alanını gösterin.

Düşünme metnini kayıt altına alacaksanız cevapla aynı veri kurallarına tabi tutun; kullanıcının istemindeki bilgiyi taşıyabilir. Çok turlu konuşmada sonraki isteklere geri göndermeniz gerekmez, yani saklamak zorunda da değilsiniz.

stream true ile istek gönderdiğinizde düşünme parçaları reasoning_content alanında, cevap parçaları content alanında ayrı gelir. Arayüzünüzde yalnızca content parçalarını ekrana yazarak kullanıcıya cevabın kendisini akış halinde gösterebilirsiniz.

Ücretsiz dönem, günlük hak ve veri notu

Satır 5 Kasım 2026 23:59'a (TSİ) kadar ücretsizdir ve her hesabın bu model için günde 200.000 token hakkı vardır, yeni açılan hesaplar ilk gün daha düşük bir hakla başlar; girdi ve çıktı birlikte sayılır. Düşünme token'ları çıktıya dahil olduğu için high düzeyde aynı soru low'a göre daha fazla hak harcar. Hak dolduğunda API 429 döner, Retry-After başlığı ne zaman yeniden deneyebileceğinizi söyler ve hak 00:00'da (TSİ) yenilenir. 6 Kasım 2026 00:00'dan itibaren model 410 model_retired döner.

LLMTR'deki model sayfasının veri notuna göre istemler ve tamamlamalar sağlayıcı tarafından günlüğe kaydedilebilir ve modeli geliştirmek için kullanılabilir; hassas, kişisel veya müşteri verisi göndermeyin.

Jais 3'te düşünme düzeyi seçme

Aynı soruyu high ve low ile gönderin, completion_tokens değerlerini karşılaştırın ve işinize uyan düzeyi seçin.

1. Soru seçme. Uygulamanızdan tipik bir soru seçin; çok adımlı bir soru ve kısa bir sınıflandırma sorusu ayrı ayrı denenebilir.
2. İki düzeyde istek. Soruyu ifm/jais-3-mova-36b-a4b'ye reasoning_effort high ve low ile gönderin, cevapları ve completion_tokens değerlerini kaydedin.
3. Karar. Cevabın doğruluğu low ile yetiyorsa low kullanın; yetmiyorsa high'da kalın ve max_tokens sınırını düşünmeye yer bırakacak şekilde ayarlayın.

Sık sorulan sorular

Jais 3'te düşünmeyi nasıl kapatırım?

reasoning_effort low gönderin ya da reasoning alanında enabled false yazın. none değeri bu modelde 400 döner.

Jais 3 medium düzeyini kabul ediyor mu?

Hayır. Satır yalnızca high ve low taşır; medium, none ve minimal 400 invalid_request ile döner ve hata mesajı kabul edilen düzeyleri sayar.

Düşünme token'ları günlük hakka sayılır mı?

Evet. Düşünme token'ları çıktıya dahildir; günlük hak (yeni hesaplarda ilk gün daha düşük olmak üzere 200.000 token) girdi ve çıktının toplamıyla sayılır. high düzeyde aynı soru daha fazla hak harcar.

İlgili yazılar

• Arapça dil modeli API'si: Jais 3 ile ilk istek
• Arapça metinden JSON çıktı: Jais 3 ve json_schema
• K2 Horizon'da reasoning_effort ve max_tokens ayarı
• LLMTR'de Arapça modeller: Jais 3, Jais ASR ve K2 Horizon

• Jais 3 MoVA 36B A4B model sayfası
• IFM Jais dokümantasyonu
• Hata kodları