混元 Hy3 的快慢思考融合机制是如何设计的？

1. 单一模型内的双思考模式

与早期将快速响应与深度推理拆分为不同模型的做法不同，Hy3 采用快慢思考融合的设计：在同一个模型权重内同时承载"直接作答"与"长链条推理"两种行为模式。模型不再以模型代号区分思考档位，而是通过统一的推理深度参数在调用侧切换行为，开发者可以在同一 API、同一模型名下按任务复杂度选择是否展开思维链。

2. 推理深度的三档控制

在 OpenAI 兼容接口上，Hy3 通过 reasoning_effort 参数暴露三档推理深度：no_think 表示不展开思考直接作答，low 表示较低程度的推理，high 表示展开深度思维链，适用于数学、编程与复杂推理任务。模型卡给出的推荐采样参数为 temperature=0.9、top_p=1.0。

官方模型卡明确标注 no_think 为默认取值，low 为较低程度推理，high 为展开深度思维链、适用于数学、编程与复杂推理任务；模型卡给出的推荐采样参数为 temperature=0.9、top_p=1.0。腾讯云《混元调用指南》的深度思考示例在请求体中显式写入 reasoning_effort: "high"，该文档未针对 hy3 单独声明默认档位。因此在私有化部署与公有云 API 两种形态下，均建议显式指定 reasoning_effort 参数以保证思考行为一致。

3. 工具调用场景的自适应思考

从正式版起，Hy3 在 tool call 场景中具备自适应思考（adaptive thinking）能力，可依据任务复杂度自主决定推理深度，无需调用方逐次指定档位。这一能力使模型在多轮工具调用中能够根据中间结果调整思考长度，同时避免简单任务上的过度推理开销，是其控制 token 消耗的关键机制之一。

开启思考后，模型会在 choices[0].message.reasoning_content 中返回思考过程，在 choices[0].message.content 中返回最终答案；使用量可通过 usage 字段中的 prompt_tokens、completion_tokens、total_tokens 获取，其中 completion_tokens_details.reasoning_tokens 单独统计推理部分的 token 消耗。