Diferencia operativa
Direct
Respuestas rápidas y económicas para asistentes, RAG, clasificación, extracción y flujos interactivos.
Thinking
Más tokens internos y más latencia para planificación, análisis complejo o tareas multi-paso.
Coste de latencia
En benchmarks internos, thinking fue aproximadamente 10x más lento y generó muchos más tokens que direct. Por eso Tessera lo deja fuera del SLA de TTFT. No tiene cuota: es ilimitado en todos los tiers.
| Modo | Uso recomendado | SLA TTFT | Cuota |
|---|---|---|---|
| Direct | Producción interactiva | Cubierto por tier | Incluido |
| Thinking | Razonamiento puntual | No cubierto | Ilimitado |
Cómo elegir el modo
Cambia el campo model. Direct: Qwen/Qwen3.6-35B-A3B o Qwen/Qwen3.8-27B. Thinking: Qwen/Qwen3.6-35B-A3B-thinking o Qwen/Qwen3.8-27B-thinking. El gateway fija el modo de razonamiento de forma explícita en cada alias, así que no hace falta extra_body y funciona igual con cualquier cliente compatible con OpenAI. No uses chat_template_kwargs.enable_thinking ni reasoning_effort para cambiar de modo: el contrato soportado es el alias.
client.chat.completions.create(
model="Qwen/Qwen3.6-35B-A3B-thinking",
messages=[{"role": "user", "content": "Evalúa este plan"}],
)