ChatGPT Free号果汁值8升至64：透传thinking_effort参数

背景

在开源社区及 AI 技术爱好者圈层中，利用第三方代理工具（如 chatgpt2api）接入 ChatGPT 服务是一种常见做法。部分用户通过此类工具注册获得带有 Web 权限的免费账号（Free Account）。然而，这类免费账号在实际使用中往往存在明显的性能瓶颈，最显著的特征是模型在对话时缺乏深度思考能力，回答质量与付费账号存在差距。

近期，社区用户发现 ChatGPT 账号体系中存在一个名为“果汁值”（Juice）的指标，该指标与账号的推理能力上限相关。普通免费账号的果汁值通常被限制在较低水平（如 8），而通过特定手段或付费升级，该值可提升至更高水平（如 64）。这一发现引发了社区对于如何最大化利用免费资源、突破性能限制的讨论。

核心内容

本文分享的核心在于通过修改开源项目 chatgpt2api（版本 1.5.0）的源代码，实现将 ChatGPT Web 后端特有的“思考强度”（Thinking Effort / Reasoning Effort）参数透传到 API 接口，从而在免费账号上激活更高级别的推理能力，试图将果汁值从默认的 8 提升至 64。

具体技术实现路径如下：

1. 需求分析：

   • 目标是在 /v1/chat/completions 和 /v1/responses 接口中支持客户端传入 reasoning_effort 或 thinking_effort 参数。
   • 这些参数需要映射到 ChatGPT Web 后端 Payload 中的 thinking_effort 字段。
   • 仅针对普通文本对话链路进行修改，严禁改动图片生成、图生图、PPT/PSD 文件处理等非对话逻辑。

2. 代码修改细节：

   • 数据模型层 (services/protocol/conversation.py)：
     • 在 ConversationRequest 数据类中增加 thinking_effort: str = "" 字段。
     • 修改 conversation_events() 函数，使其接收并透传 thinking_effort 参数至 backend.stream_conversation()。
   • 后端 API 适配层 (services/openai_backend_api.py)：
     • 在 stream_conversation() 和 _conversation_payload() 函数中增加 thinking_effort 参数。
     • 在构造后端 Payload 时，若 thinking_effort 为合法值，则将其写入 payload["thinking_effort"]。
   • OpenAI 协议解析层 (services/protocol/openai_v1_chat_complete.py)：
     • 新增解析逻辑，优先读取 body["thinking_effort"]，其次读取 body["reasoning_effort"]，并兼容 body["reasoning"]["effort"] 结构。
     • 实现值映射逻辑：low/medium/high 保持不变；xhigh 和 extended 均映射为 extended；非法或空值映射为空字符串。
     • 确保流式（stream_text_chat_completion）和非流式（collect_text）接口在生成 ConversationRequest 时均携带该参数。
     • 优化缓存键（cache_key），确保不同 effort 设置不会复用错误的缓存结果。
   • Responses 协议支持 (services/protocol/openai_v1_response.py)：
     • 同步实现上述解析逻辑，确保 /v1/responses 接口的文本链路也能生效。

3. 值映射规则：

   • none 或空值 → 不传输（保持默认行为）
   • low → low
   • medium → medium
   • high → high
   • xhigh / extended → extended
   • 非法值 → 直接忽略，不报错

4. 验证方法：

   • 通过 curl 命令直接调用 API 接口，传入 reasoning_effort: "xhigh" 等参数进行测试。
   • 检查后端日志或 Payload，确认 thinking_effort 字段是否正确透传。
   • 观察模型回答的质量变化，验证是否从“不思考”状态转变为具备深度推理能力的状态。

关键要点

• 技术原理：ChatGPT Web 端与 API 端在底层实现上存在差异，Web 端拥有更细粒度的控制参数（如 thinking_effort）。通过逆向工程或源码修改，可以将 Web 端的特有参数“嫁接”到开源 API 代理工具中。
• 性能提升预期：用户反馈免费账号默认果汁值为 8，表现为模型缺乏深度思考。通过透传 extended 级别的思考强度，有望将果汁值提升至 64，从而显著改善回答的逻辑性和深度。
• 代码侵入性：修改涉及多个核心服务文件，包括协议解析、后端适配和数据模型定义。修改范围严格限定在文本对话链路，确保不影响其他功能模块。
• 兼容性处理：代码实现了向后兼容，默认情况下不传输该参数，保持原有行为；仅在客户端显式请求时才启用高级思考模式。
• 社区驱动：该方案由社区用户发现并分享，体现了开源社区在挖掘产品潜力、优化免费资源使用体验方面的积极作用。

意义与影响

1. 资源利用最大化：对于无法承担高昂 API 费用的个人开发者或爱好者而言，此方法提供了一种低成本提升 AI 模型表现的手段。通过软件层面的优化，挖掘免费账号的潜在性能，实现了“白嫖”体验的最优化。
2. 开源生态的活力：chatgpt2api 等开源项目因其灵活性和可定制性，成为用户探索 AI 边界的重要工具。此类技术分享促进了社区内的知识流动和技术迭代，推动了代理工具功能的完善。
3. 对厂商策略的挑战与启示：厂商通过“果汁值”等隐性指标限制免费用户的体验，以引导付费转化。然而，开源社区通过技术手段绕过这些限制，表明单纯的技术壁垒难以完全阻挡用户对高性能免费服务的需求。这可能促使厂商重新评估其免费策略，或加强反自动化、反逆向工程的措施。
4. 技术普及与教育：此类深度技术分享不仅提供了具体的解决方案，还向广大开发者展示了如何深入理解 API 协议、分析后端逻辑并进行定制化开发，具有较高的技术教育价值。