GLM-5.2 思考模式配置：默认思考 / 交错思考 / 保留思考 / 回合级思考（官方）

一句话结论

官方说明 GLM-5.2 思考默认开启（与 GLM-5.1/5/4.7 一致），提供四种思考形态——默认思考、交错思考（工具调用之间思考）、保留思考（跨轮保留推理内容，clear_thinking: false）、回合级思考（每回合独立开关），并给出"必须把历史 reasoning_content 原样回传"的 Agent 集成关键约束。

适用场景

• 适合的任务：构建工具调用型 Agent（需要在每次工具结果后继续推理）；追求长会话一致性与缓存命中率的编码/Agent 产品（保留思考）；需要按回合精细控制成本与延迟的多轮应用（回合级思考）。

• 不适合的任务：无法或不愿回传完整 reasoning_content 的会话系统（会破坏保留思考并降低性能与缓存命中）；对思考内容有隐私/合规顾虑的转发层（思考默认开启且不可在不改变行为的前提下全局关闭）。

• 适用的模型版本：GLM-5.2、GLM-5.1、GLM-5、GLM-4.7（思考默认开启）；GLM-4.6 为混合思考默认，行为不同。

• 适用的客户端、Agent 或 API：Z.ai Chat Completions API；GLM Coding Plan 端点（保留思考默认开启）；标准 API 端点（保留思考默认关闭，需显式 "clear_thinking": false 开启）。

• 推荐的推理档位和参数：思考默认开启；thinking.type 支持 enabled / disabled；Agent 场景建议 "clear_thinking": false（保留思考）并回传完整未修改的 reasoning_content；轻量回合可用 thinking.type: disabled 换取更快响应。

可直接使用的内容

关闭思考（官方写法）

"thinking": {
    "type": "disabled"
}

保留思考（Preserved Thinking）配置要点

• 在编码/Agent 场景下推荐开启；Coding Plan 端点默认开启，标准 API 端点默认关闭。

• 开启方式（API 端点）："clear_thinking": false。

• 必须把完整的、未经修改的 reasoning_content 回传给 API；所有连续的 reasoning 块必须与模型最初生成时的顺序完全一致，不能重排或编辑，否则性能下降、缓存命中率受影响。

• 作用：保留上一轮 assistant 的推理内容到上下文中，维持推理连续性、提升性能、提高缓存命中率从而节省 token。

交错思考（Interleaved Thinking）+ 工具调用完整示例（官方）

"""Interleaved Thinking + Tool Calling Example"""

import json
from openai import OpenAI

client = OpenAI(
    api_key="YOUR_API_KEY",
    base_url="https://api.z.ai/api/paas/v4/",
)

tools = [{"type": "function", "function": {
    "name": "get_weather",
    "description": "Get weather information",
    "parameters": {"type": "object", "properties": {"city": {"type": "string"}}, "required": ["city"]},
}}]

messages = [
    {"role": "system", "content": "You are an assistant"},
    {"role": "user", "content": "What's the weather like in Beijing?"},
]

# Round 1: the model reasons and then calls a tool
response = client.chat.completions.create(model="glm-5.2", messages=messages, tools=tools, stream=True, extra_body={
        "thinking":{
        "type":"enabled",
        "clear_thinking": False  # False for Preserved Thinking
    }})
reasoning, content, tool_calls = "", "", []
for chunk in response:
    delta = chunk.choices[0].delta
    if hasattr(delta, "reasoning_content") and delta.reasoning_content:
        reasoning += delta.reasoning_content
    if hasattr(delta, "content") and delta.content:
        content += delta.content
    if hasattr(delta, "tool_calls") and delta.tool_calls:
        for tc in delta.tool_calls:
            if tc.index >= len(tool_calls):
                tool_calls.append({"id": tc.id, "function": {"name": "", "arguments": ""}})
            if tc.function.name:
                tool_calls[tc.index]["function"]["name"] = tc.function.name
            if tc.function.arguments:
                tool_calls[tc.index]["function"]["arguments"] += tc.function.arguments

print(f"Reasoning: {reasoning}\nTool calls: {tool_calls}")

# Key: return reasoning_content to keep the reasoning coherent
messages.append({"role": "assistant", "content": content, "reasoning_content": reasoning,
                 "tool_calls": [{"id": tc["id"], "type": "function", "function": tc["function"]} for tc in tool_calls]})
messages.append({"role": "tool", "tool_call_id": tool_calls[0]["id"],
                 "content": json.dumps({"weather": "Sunny", "temp": "25°C"})})

# Round 2: the model continues reasoning based on the tool result and responds
response = client.chat.completions.create(model="glm-5.2", messages=messages, tools=tools, stream=True, extra_body={
        "thinking":{
        "type":"enabled",
        "clear_thinking": False # False for Preserved Thinking
    }})
reasoning, content = "", ""
for chunk in response:
    delta = chunk.choices[0].delta
    if hasattr(delta, "reasoning_content") and delta.reasoning_content:
        reasoning += delta.reasoning_content
    if hasattr(delta, "content") and delta.content:
        content += delta.content

print(f"Reasoning: {reasoning}\nReply: {content}")

回合级思考（Turn-level Thinking）要点

• 同一会话内每次请求可独立选择开启/关闭思考。

• 轻量回合（查事实、改措辞）关思考换取更快响应；重任务（复杂规划、多约束推理、代码调试）开思考提升准确性与稳定性。

• Agent/工具场景：需要快速执行工具的回合降低推理开销，需要基于工具结果决策的回合加深思考。

• 多轮中模型保持连贯与一致的输出风格。

注意与边界

• 官方文档示例代码中的 model="glm-4.7" 为文档通用示例写法，同一页明确说明思考默认开启行为适用于 GLM-5.2 系列；接入 GLM-5.2 时应改为 model="glm-5.2"。

• 保留思考的"必须原样回传 reasoning_content"约束对转发层/中间缓存是硬性要求，若不满足会直接损害效果。