Microsoft Foundry で gpt-5.2, gpt-5-mini, gpt-5-nano を使った場合のreasoning effort の違いを少し調べました。

結論

各モデルごとのreasoning effortでのToken使用量(Output)と処理時間の結果です(呼び出し方は後述)。

モデルによって使えないモードがあります。
gpt-5.2 の最小reasoning effort はnoneですが、gpt-5-nano/mini の最小はminimal です(gpt-5.2はminimal非対応)。
時間はPython側で計測しており、ネットワーク時間も含んでいて概算での値です(秒単位)

以下はAIに結果を分析させた内容です。特に検証はしておらず、誤りを含んでいるかもしれません。

分析結果

概要

reasoning effort は「推論の強さ」ではなく
「モデル内部アルゴリズムを切り替えるスイッチ」である

ということが、数値的に明確に確認できた。

測定結果（要約）

Output Tokens

reasoning effort	gpt-5-nano	gpt-5-mini	gpt-5.2
minimal / none	1,536	1,830	1,220
low	2,335	1,830	1,154
medium	27,907	2,518	985
high	34,717	6,427	1,726
xhigh	使用不可	使用不可	4,054

処理時間（秒）

reasoning effort	gpt-5-nano	gpt-5-mini	gpt-5.2
minimal / none	10.1	15.8	24.3
low	14.9	15.7	22.3
medium	5.7	21.8	19.2
high	84.0	53.3	44.1
xhigh	使用不可	使用不可	91.8

重要な観測ポイント

1. gpt-5-nano / mini では medium 以上で挙動が激変する

gpt-5-nano
- low → medium で Output Tokens が 約12倍
- high では 3万トークン超・80秒超
gpt-5-mini
- medium → high で tokens / 時間が 指数的に増加

👉 reasoning effort を上げた瞬間に、内部モードが切り替わっている

2. gpt-5.2 は唯一「制御された増加」を示す

effort を上げても
- トークン数・時間が 線形に近い増え方
xhigh を 唯一サポート
特に medium で 最小トークン を記録

👉 gpt-5.2 は reasoning 前提で設計されたモデル

3. gpt-5.2 では「reasoning を入れると出力が短くなる」

none：流れで生成 → 冗長
medium：内部で整理 → 無駄な出力が削減

👉 reasoning effort は
「考える量を増やす」スイッチではない

モデル別の内部挙動の解釈

gpt-5-nano

none / low：非推論・高速モード
medium 以上：
→ 軽量モデルが推論を試みて暴走

結論

nano は 推論用途ではない
medium 以上は設計想定外

gpt-5-mini

none / low：安定
medium：標準推論（スイートスポット）
high：推論ステップが過剰に増加

結論

mini は medium が最適
high は「賢くなる」より「遅くなる」

gpt-5.2

effort に対する挙動が最も安定
medium が 品質・コスト・速度の最適点
high / xhigh は高度推論専用

結論

reasoning effort を使うなら gpt-5.2 一択

実務向けベストプラクティス

gpt-5-nano

推奨: reasoning effort = none / low
非推奨: medium 以上
用途: 整形、要約、分類、RAG後段、低レイテンシ

gpt-5-mini

推奨: reasoning effort = medium
次点: low
非推奨: high
用途: 軽い推論、条件分岐、業務ロジック補助

gpt-5.2

推奨: reasoning effort = medium
高度推論: high / xhigh（限定用途）
用途: 複雑な判断、設計、分析、意思決定支援

本分析の本質的な結論

reasoning effort は「知能レベル調整」ではなく
「内部推論アルゴリズム切替スイッチ」である

nano / mini は 推論を前提としていない
gpt-5.2 は 推論を前提に最適化されている
effort を上げれば良くなる、は誤解

まとめ（短く）

gpt-5-nano で medium 以上は地雷
gpt-5-mini は medium が最適解
gpt-5.2 は medium が最小トークンかつ高品質
reasoning effort は 用途別に明示指定すべき

計測したScript

環境

GitHub Codespaces で以下のdevcontainerで動かしています。

.devcontainer/devcontainer.json

// For format details, see https://aka.ms/devcontainer.json. For config options, see the
// README at: https://github.com/devcontainers/templates/tree/main/src/python
{
	"name": "Python 3",
	// Or use a Dockerfile or Docker Compose file. More info: https://containers.dev/guide/dockerfile
	"image": "mcr.microsoft.com/devcontainers/python:3-3.11-bookworm",
	"features": {
		"ghcr.io/devcontainers-extra/features/uv:1": {},
		"ghcr.io/devcontainers/features/git-lfs:1": {}
	},

	// Configure tool-specific properties.
	"customizations": {
		"vscode": {
			"extensions": [
				"ms-python.python",
				"ms-python.vscode-pylance",
				"ms-toolsai.jupyter"
			]
		}
	}

	// Uncomment to connect as root instead. More info: https://aka.ms/dev-containers-non-root.
	// "remoteUser": "root"
}

雑に作ったプログラムです。Responses APIと Chat Completionsで違うかもと思い、どちらでも呼べるようにしています(結果は変わらず)。
ユーザプロンプトは、Reasoningの結果に差が出るようにAIに作ってもらったものをそのまま採用。

import os
import time

from dotenv import load_dotenv
from openai import OpenAI
import pandas as pd

load_dotenv(override=True)

def create_openai_client():
    """
    Create and return an Azure OpenAI client instance.
    
    Returns:
        OpenAI: Configured OpenAI client
    """
    client = OpenAI(
        base_url=os.getenv("AZURE_OPENAI_ENDPOINT"),
        api_key=os.getenv("AZURE_OPENAI_API_KEY"),
    )
    return client

client = create_openai_client()

def call_llm(
    client: OpenAI,
    messages: list,
    api_kind: str,
    deployment_name: str,
    reasoning_effort: str ):

    api_params = {
        "model": deployment_name,
    }
    if deployment_name == "gpt-5.2" and reasoning_effort == "none":
        api_params["temperature"] = 0.0

    start_time = time.time()
    
    if api_kind == "chat_completions":
        api_params["messages"] = messages
        api_params["reasoning_effort"] = reasoning_effort
        response = client.chat.completions.create(**api_params)
        result = {
            "deployment": deployment_name,
            "reasoning_effort": reasoning_effort,
            "process_time_ms": (time.time() - start_time) * 1000,
            "output_tokens": response.usage.completion_tokens,
            "response": response.choices[0].message.content,
        }
    else:
        api_params["input"] = messages
        api_params["reasoning"] = {"effort": reasoning_effort}        
        response = client.responses.parse(**api_params)
        result = {
            "deployment": deployment_name,
            "reasoning_effort": reasoning_effort,
            "process_time_ms": (time.time() - start_time) * 1000,
            "output_tokens": response.usage.output_tokens,
            "response": response.output_text,
        }

    return result

user_prompt = """
あなたはSaaSのプロダクトマネージャーです。
以下の制約をすべて満たす料金プランを設計してください。

- ユーザーは3種類（個人 / SMB / エンタープライズ）
- 月額売上を最大化したいが、解約率も抑えたい
- 個人ユーザーは価格に敏感
- エンタープライズはサポート品質を重視
- プランは最大3つまで
- 各プランの価格と理由を説明すること
"""
# responses APIでも、共通化させるためにあえてこの形式
messages = [
    {"role": "system", "content": "あなたは親切なアシスタントです。"},
    {"role": "user", "content": user_prompt}
]

result = call_llm(client, messages, "chat-completions", "gpt-5.2", "minimal")
print(result)

results = []
#"minimal", 
for reasoning in ["none", "low", "medium", "high", "xhigh"]:
    result = call_llm(client, messages, "responses", "gpt-5.2", reasoning)
    results.append(result)
    print(result)

for deployment in ["gpt-5-mini", "gpt-5-nano"]:
    for reasoning in ["minimal", "low", "medium", "high"]:
        result = call_llm(client, messages, "responses", deployment, reasoning)
        results.append(result)
        print(result)    

df = pd.DataFrame(results)

エラー

reasoning effort エラー

使えないreasoning effort選ぶと以下のようなエラー

BadRequestError: Error code: 400 - {'error': 
  {'message': "Unsupported value: 'minimal' is not supported with the 'gpt-5.2-2025-12-11' model. Supported values are: 'none', 'low', 'medium', 'high', and 'xhigh'.", 'type': 'invalid_request_error', 'param': 'reasoning.effort', 'code': 'unsupported_value'}}

BadRequestError: Error code: 400 - {'error': 
  {'message': "Unsupported value: 'none' is not supported with the 'gpt-5-nano-2025-08-07' model. Supported values are: 'minimal', 'low', 'medium', and 'high'.", 'type': 'invalid_request_error', 'param': 'reasoning.effort', 'code': 'unsupported_value'}}

temperature エラー

あと、gpt-5-nano、gpt-5-mini は temperatureを1以外にするとエラー。reasoning effortがnoneにできないので、0に設定できないのはわかりますが、0.1とかにはしたいです。
gpt-5.2でもreasoning effort をnone以外に設定するとtemperatureは1以外に設定できないです。

Error calling Chat Completion API: Error code: 400 - {'error': 
  {'message': "Unsupported value: 'temperature' does not support 0.7 with this model. Only the default (1) value is supported.", 'type': 'invalid_request_error', 'param': 'temperature', 'code': 'unsupported_value'}}

参考

reasoning

OpenAI公式ページ

使用可能なreasoning effort

使用可能なreasoning effort に関する記述

reasoning.py

class Reasoning(TypedDict, total=False):
    """**gpt-5 and o-series models only**

    Configuration options for
    [reasoning models](https://platform.openai.com/docs/guides/reasoning).
    """

    effort: Optional[ReasoningEffort]
    """
    Constrains effort on reasoning for
    [reasoning models](https://platform.openai.com/docs/guides/reasoning). Currently
    supported values are `none`, `minimal`, `low`, `medium`, `high`, and `xhigh`.
    Reducing reasoning effort can result in faster responses and fewer tokens used
    on reasoning in a response.

    - `gpt-5.1` defaults to `none`, which does not perform reasoning. The supported
      reasoning values for `gpt-5.1` are `none`, `low`, `medium`, and `high`. Tool
      calls are supported for all reasoning values in gpt-5.1.
    - All models before `gpt-5.1` default to `medium` reasoning effort, and do not
      support `none`.
    - The `gpt-5-pro` model defaults to (and only supports) `high` reasoning effort.
    - `xhigh` is supported for all models after `gpt-5.1-codex-max`.
    """