Raciocínio

Use modelos -think para raciocínio explícito com cadeia de pensamento (chain-of-thought).

Visão Geral

Os modelos Urso possuem variantes Think que exibem raciocínio explícito antes de responder. Ao usar um modelo -think, o modelo mostra seu processo de pensamento passo a passo, permitindo maior transparência, precisão em tarefas complexas e facilidade de depuração.

Modelos Think Disponíveis

Modelo	Parâmetros	Melhor Para
`urso-lite-think`	3B	Raciocínio rápido, tarefas simples
`urso-base-think`	30B MoE	Raciocínio geral, uso cotidiano
`urso-pro-think`	70B MoE	Raciocínio avançado, problemas complexos
`urso-ultra-think`	200B+ MoE	Raciocínio frontier, máxima qualidade

Como Funciona

Quando você usa um modelo -think, a resposta contém duas partes:

Thinking — o processo de raciocínio interno do modelo (cadeia de pensamento)
Response — a resposta final após o raciocínio

O modelo analisa o problema, considera diferentes abordagens, verifica sua lógica e só então fornece a resposta final.

Parâmetro reasoning_effort

Controle a profundidade do raciocínio com o parâmetro reasoning_effort:

Valor	Descrição
`low`	Raciocínio rápido, menos tokens de pensamento
`medium`	Equilíbrio entre velocidade e profundidade
`high`	Raciocínio profundo, mais tokens de pensamento (padrão)

Exemplos

Python

from openai import OpenAI

client = OpenAI(
    base_url="https://api.polar-ai.com/v1",
    api_key="pk-your-key-here"
)

# Raciocínio básico
response = client.chat.completions.create(
    model="urso-base-think",
    messages=[
        {
            "role": "user",
            "content": "Uma empresa tem 3 filiais. A filial A fatura R$500mil/mês, a B fatura 40% a mais que A, e a C fatura a média das outras duas. Qual o faturamento total trimestral?"
        }
    ],
    max_tokens=2048
)

print(response.choices[0].message.content)

# Com controle de reasoning_effort
response = client.chat.completions.create(
    model="urso-pro-think",
    messages=[
        {
            "role": "system",
            "content": "Você é um advogado especialista em direito tributário brasileiro."
        },
        {
            "role": "user",
            "content": "Analise se uma empresa de software pode se enquadrar no Simples Nacional considerando que ela exporta 60% dos serviços e fatura R$3.8 milhões por ano."
        }
    ],
    max_tokens=4096,
    extra_body={"reasoning_effort": "high"}
)

print(response.choices[0].message.content)

TypeScript

import OpenAI from "openai";

const client = new OpenAI({
  baseURL: "https://api.polar-ai.com/v1",
  apiKey: "pk-your-key-here",
});

const response = await client.chat.completions.create({
  model: "urso-base-think",
  messages: [
    {
      role: "user",
      content:
        "Uma empresa tem 3 filiais. A filial A fatura R$500mil/mês, a B fatura 40% a mais que A, e a C fatura a média das outras duas. Qual o faturamento total trimestral?",
    },
  ],
  max_tokens: 2048,
});

console.log(response.choices[0].message.content);

curl

curl -X POST https://api.polar-ai.com/v1/chat/completions \
  -H "Content-Type: application/json" \
  -H "Authorization: Bearer pk-your-key-here" \
  -d '{
    "model": "urso-pro-think",
    "messages": [
      {
        "role": "user",
        "content": "Analise se uma empresa de software pode se enquadrar no Simples Nacional considerando que ela exporta 60% dos serviços e fatura R$3.8 milhões por ano."
      }
    ],
    "max_tokens": 4096,
    "reasoning_effort": "high"
  }'

Formato da Resposta

A resposta inclui o pensamento e a resposta final:

{
  "id": "chatcmpl-abc123",
  "object": "chat.completion",
  "model": "urso-base-think",
  "choices": [
    {
      "index": 0,
      "message": {
        "role": "assistant",
        "content": "<think>\nVamos resolver passo a passo:\n\n1. Filial A: R$500.000/mês\n2. Filial B: 40% a mais que A = R$500.000 * 1.4 = R$700.000/mês\n3. Filial C: média de A e B = (R$500.000 + R$700.000) / 2 = R$600.000/mês\n\nFaturamento mensal total: R$500.000 + R$700.000 + R$600.000 = R$1.800.000\nFaturamento trimestral: R$1.800.000 * 3 = R$5.400.000\n</think>\n\nO faturamento total trimestral da empresa é de **R$5.400.000** (cinco milhões e quatrocentos mil reais).\n\nDetalhamento mensal:\n- Filial A: R$500.000\n- Filial B: R$700.000 (40% acima de A)\n- Filial C: R$600.000 (média de A e B)\n- Total mensal: R$1.800.000\n- Total trimestral: R$1.800.000 x 3 = R$5.400.000"
      },
      "finish_reason": "stop"
    }
  ],
  "usage": {
    "prompt_tokens": 45,
    "completion_tokens": 280,
    "total_tokens": 325,
    "completion_tokens_details": {
      "reasoning_tokens": 120
    }
  }
}

Tokens de Pensamento

Os tokens de pensamento (dentro de <think>...</think>) são contabilizados no uso de tokens, mas podem ser identificados separadamente no campo usage.completion_tokens_details.reasoning_tokens.

Quando Usar Think vs Regular

Cenário	Modelo Recomendado
Perguntas simples, chat geral	`urso-base` (regular)
Cálculos matemáticos	`urso-base-think`
Análise jurídica complexa	`urso-pro-think`
Resolução de problemas lógicos	`urso-base-think` ou `urso-pro-think`
Código com lógica complexa	`urso-pro-think`
Tarefas que exigem explicação passo a passo	Qualquer modelo `-think`
Respostas rápidas e curtas	`urso-lite` (regular)
Pesquisa e análise profunda	`urso-ultra-think`

Dicas de Uso

Use modelos -think quando precisar de transparência no raciocínio
O parâmetro reasoning_effort permite equilibrar velocidade e profundidade
Tokens de pensamento consomem contexto, considere max_tokens adequado
Para streaming, os tokens de pensamento são enviados primeiro, seguidos da resposta

Próximos Passos

Chat Completions — referência completa da API
Streaming — veja o raciocínio em tempo real
Structured Output — combine raciocínio com saída estruturada

On this page