---
title: "max_tokens لنماذج الاستدلال المنطقي: كيف تحدد الميزانية"
description: "لماذا تعيد نماذج الاستدلال المنطقي ردودًا فارغة عند قيمة max_tokens منخفضة، وكيف تحدد الميزانية من مئينات مقيسة ونافذة السياق وإعادة محاولة متصاعدة."
url: https://broadrouter.com/ar/blog/reasoning-model-max-tokens-budget/
lang: ar
updated: 2026-11-15
publisher: BroadRouter (a BroadNet site); API by BroadNet Inference, https://inference.broadnet.ai
---

تُرجمت هذه الصفحة من الإنجليزية بمساعدة الذكاء الاصطناعي. [اقرأ الأصل الإنجليزي](https://broadrouter.com/blog/reasoning-model-max-tokens-budget/) (حُدّث في 2026-11-15).

# ضبط max\_tokens لنماذج الاستدلال المنطقي: طريقة لتحديد الميزانية

بقلم فريق BroadNet Inference · قراءة في 6 دقائق · تاريخ النشر 2026-11-15

في نموذج الاستدلال المنطقي، يحدّ max\_tokens التفكيرَ والإجابة معًا، فقد ينهي الحد الضيق الرد قبل ظهور أي نص. قِس إجمالي رموز (توكن) الإكمال لكل نوع مهمة، واضبط max\_tokens على نحو المئين 95 مضافًا إليه 20%، وأبقِ مجموع الأمر وmax\_tokens داخل نافذة السياق، وأعد محاولة الردود المقطوعة بميزانية مضاعفة حتى سقف صارم.

## أبرز النقاط

-   max\_tokens سقف، لا رسوم. أنت تدفع مقابل الرموز المولَّدة، فالسقف السخي لا يكلّف شيئًا في الردود التي تنتهي مبكرًا.
-   السقف الضيق هو ما يكلّف المال: الرد المقطوع يُحتسب تفكيره، ولا يعيد إجابة، ويجب إرساله من جديد.
-   حدّد الميزانية لكل نوع مهمة من سجلاتك: المئين 95 لرموز الإكمال مع هامش 20% بداية سليمة.
-   يجب أن يتسع مجموع رموز الأمر وmax\_tokens في نافذة السياق: 262,144 رمزًا في Qwen3.8 27B، و1,048,576 في GLM 5.3 وDeepSeek V4.1 Flash.
-   تعامل مع finish\_reason بقيمة "length" كإشارة: أعد المحاولة بميزانية مضاعفة أو بقيمة reasoning\_effort أقل، مع سقف صارم.

**في هذه الصفحة**

1.  لماذا تنفد الميزانية قبل الإجابة؟
2.  هل تكلّف قيمة max\_tokens الأكبر أكثر؟
3.  كيف تقيس ما تحتاجه المهمة؟
4.  كيف تحدّ نافذة السياق الميزانية؟
5.  ماذا تفعل حين يظل الرد مقطوعًا؟
6.  كيف يغيّر البث المتدفق الصورة؟
7.  ما اسم المعامل الذي يجب أن ترسله؟
8.  أين تناسب BroadNet Inference

يفكّر نموذج الاستدلال المنطقي قبل أن يجيب، وفي معظم الواجهات المتوافقة مع OpenAI يخرج الاثنان من ميزانية واحدة: `max_tokens`. اضبطها كما تفعل مع نموذج لا يستدل، بضع مئات من الرموز لإجابة قصيرة، فتعود بعض الردود فارغة مع `finish_reason: "length"`. الحل السريع في [لماذا يعيد نموذج الاستدلال إجابة فارغة](https://broadrouter.com/ar/guides/reasoning-tokens-empty-response/). أما هذا المقال فيشرح الطريقة التي تمنحك ميزانية يمكن الوثوق بها: القياس، والتحديد من المئينات، واحترام نافذة السياق، والتعامل مع الردود التي تظل تُقطع.

ولمعرفة تكلفة الاستدلال وطرق خفضها، راجع [رموز الاستدلال: لماذا تدفع مقابل مخرجات أكثر مما تراه](https://broadrouter.com/ar/blog/reasoning-tokens-cost/).

## لماذا تنفد الميزانية قبل الإجابة؟

يولّد النموذج بالترتيب: الاستدلال أولًا، ثم الإجابة الظاهرة. وكل رمز من الاثنين يُحتسب ضمن `max_tokens`. تقول وثائق BroadNet ذلك عن DeepSeek V4.1 Flash وGLM 5.3 وQwen3.8 27B: “the reasoning counts toward max\_tokens” (الترجمة: يُحتسب الاستدلال ضمن max\_tokens)، ومع حد صغير “the answer comes back empty” (الترجمة: تعود الإجابة فارغة). ويعرّف مرجع OpenAI Chat Completions المعامل `max_completion_tokens` بالطريقة نفسها، كحد أعلى “including visible output tokens and reasoning tokens” (الترجمة: يشمل رموز المخرجات الظاهرة ورموز الاستدلال).

فالسؤال الصحيح ليس “كم طول إجابتي؟”، بل “كم طول الاستدلال والإجابة معًا، في هذه المهمة، بهذا المستوى من الجهد؟”. وهذا يتفاوت أكثر مما يتوقعه الناس. يقول دليل OpenAI إن نماذجها قد تولّد “anywhere from a few hundred to tens of thousands of reasoning tokens” (الترجمة: ما بين بضع مئات وعشرات الآلاف من رموز الاستدلال)، بحسب المسألة.

## هل تكلّف قيمة max\_tokens الأكبر أكثر؟

لا. وهذا أكثر سبب شيوعًا لضبط الميزانيات بقيم ضيقة جدًا. فـ [`max_tokens`](https://broadrouter.com/ar/glossary/max-tokens/) سقف. وتُحتسب عليك الرموز المولَّدة فعلًا. والرد الذي يحتاج إلى 1,800 رمز يكلّف المبلغ نفسه سواء كان السقف 4,000 أو 40,000.

أما ما يكلّفه السقف الضيق فهو:

| السقف مقابل الحاجة | ما تدفعه | ما تحصل عليه |
| --- | --- | --- |
| السقف أعلى من الحاجة | الرموز المولَّدة | الإجابة |
| السقف أقل من الحاجة | السقف كاملًا، وكله استدلال | لا شيء قابل للاستخدام، إضافة إلى إعادة محاولة |

خذ مثالًا توضيحيًا. افترض أن ربع استدعاءاتك يحتاج إلى أكثر من 1,000 رمز. مع `max_tokens=1000`، يُحتسب على كل استدعاء من هذه 1,000 رمز إخراج من التفكير، ولا يعيد شيئًا، ثم تُعاد محاولته. وهذا يضيف في المتوسط 250 رمز إخراج مهدرًا لكل استدعاء عبر جميع الاستدعاءات، قبل احتساب إعادات المحاولة نفسها، إضافة إلى زمن انتظار طلب ثانٍ. ومع سقف 4,000 لا يُهدر شيء. وفي [Qwen3.8 27B](https://broadrouter.com/ar/models/qwen3.8-27b/) يكلّف الإخراج $2.17 لكل مليون رمز، فيتراكم الهدر مع الحجم.

الخطر الحقيقي للسقف المرتفع هو الرد الجامح: نموذج يدخل في حلقة أو يُفرط في التفكير فيولّد أكثر بكثير مما يلزم. والسقف الصارم يحدّ ذلك. اختر السقف من البيانات، كما يلي.

## كيف تقيس ما تحتاجه المهمة؟

شغّل أوامر حقيقية لنوع مهمة واحد بسقف سخي، وسجّل رموز الإكمال وحصة الاستدلال منها. وحين يُبلغ النموذج عنها، يعطيك `usage.completion_tokens_details.reasoning_tokens` جزء الاستدلال؛ ووثائق BroadNet تذكر هذا الحقل.

```python
import os
from openai import OpenAI

client = OpenAI(base_url="https://inference.broadnet.ai/v1", api_key=os.environ["BROADNET_API_KEY"])
MODEL = "broadnet/qwen3.8-27b"

def measure(prompts, ceiling=16_000, **kw):
    """Run real prompts with a generous ceiling and return per-call token counts."""
    rows = []
    for p in prompts:
        r = client.chat.completions.create(model=MODEL, max_tokens=ceiling,
                                           messages=[{"role": "user", "content": p}], **kw)
        u, d = r.usage, r.usage.completion_tokens_details
        reasoning = (d.reasoning_tokens or 0) if d else 0
        rows.append({"reasoning": reasoning, "answer": u.completion_tokens - reasoning,
                     "finish": r.choices[0].finish_reason})
    return rows

def pct(values, q):
    values = sorted(values)
    return values[min(len(values) - 1, int(q * len(values)))]

def recommend(rows, margin=1.2):
    total = [r["reasoning"] + r["answer"] for r in rows]
    return {"p50": pct(total, 0.5), "p95": pct(total, 0.95), "max": max(total),
            "max_tokens": int(pct(total, 0.95) * margin),
            "cut_off": sum(r["finish"] == "length" for r in rows)}

# print(recommend(measure(my_prompts)))                       # default effort
# print(recommend(measure(my_prompts, reasoning_effort="low")))
```

قواعد للحصول على رقم يمكن الوثوق به:

1.  **نوع مهمة واحد في كل تشغيل.** للتصنيف والاستخراج ومراجعة الشيفرة والتخطيط توزيعات مختلفة جدًا. وقيمة `max_tokens` عامة واحدة إما تهدر المال في إعادات المحاولة أو تسمح بمرور الردود الجامحة.
2.  **50 أمرًا حقيقيًا أو أكثر.** فالمئين 95 لعشر عينات ليس إلا أكبرها.
3.  **شغّل القياس عند كل مستوى جهد تستخدمه.** تغيّر `reasoning_effort="low"` التوزيع. توثّق BroadNet القيمة `low`؛ واختبر القيم الأخرى قبل الاعتماد عليها.
4.  **إذا لم تكن قيمة `cut_off` صفرًا، فارفع السقف وأعد التشغيل.** فالعينة المقطوعة تخفي طولها الحقيقي.
5.  **أعد القياس حين يتغير النموذج أو الأمر.** فقد يفكّر إصدار جديد من النموذج أكثر أو أقل.

ثم اضبط `max_tokens` لكل مهمة من نتيجة `recommend()`. فالمئين 95 مع 20% يُبقي معظم الاستدعاءات أدنى من السقف بكثير، ولا يرسل إلى مسار إعادة المحاولة أدناه إلا الرد الطويل النادر. وتُجري [أداة ميزانية رموز الاستدلال](https://broadrouter.com/tools/reasoning-token-budget/) المجانية هذا الحساب في متصفحك حين تتوفر لديك أرقامك.

## كيف تحدّ نافذة السياق الميزانية؟

تضم نافذة السياق الأمر والإجابة معًا. ويعرّف موجز أسعار BroadNet الحقل `context_length` بأنه “the most tokens one request can hold, prompt and answer together” (الترجمة: أكبر عدد من الرموز يمكن أن يضمه طلب واحد، الأمر والإجابة معًا). إذن:

**max\_tokens ≤ طول السياق − رموز الأمر**

| النموذج | السياق | المساحة المتاحة لـ max\_tokens مع أمر من 200,000 رمز |
| --- | --- | --- |
| [GLM 5.3](https://broadrouter.com/ar/models/glm-5.3/) | 1,048,576 | 848,576 |
| [DeepSeek V4.1 Flash](https://broadrouter.com/ar/models/deepseek-v4.1-flash/) | 1,048,576 | 848,576 |
| Qwen3.8 27B | 262,144 | 62,144 |

وهذا مهم في العمل بسياق طويل. فالوكيل الذي نما سجلّه إلى 250,000 رمز على Qwen3.8 27B لم يبقَ له إلا نحو 12,000 رمز للتفكير والإجابة. كما تميل مهام السياق الطويل إلى الحاجة إلى استدلال أكثر، فتحقّق من المساحة المتبقية لحظة الاستدعاء، لا مرة واحدة عند البدء. ويغطي [نافذة السياق](https://broadrouter.com/ar/glossary/context-window/) و[حاسبة نافذة السياق](https://broadrouter.com/tools/context-window-calculator/) مسألة الملاءمة.

## ماذا تفعل حين يظل الرد مقطوعًا؟

افحص `finish_reason` في كل استدعاء. فإذا كانت قيمته `length`، فالإجابة مفقودة أو غير مكتملة، حتى لو كان في `content` بعض النص. لا تحلّله كأنه مكتمل؛ فكائن JSON مبتور مصدر شائع للأخطاء في المراحل اللاحقة ([المخرجات المهيكلة](https://broadrouter.com/ar/blog/structured-output-json-schema/)).

أعد المحاولة بميزانية مضاعفة، ضمن المساحة التي يسمح بها السياق، حتى سقف صارم:

```python
import json, urllib.request

FEED = json.load(urllib.request.urlopen("https://inference.broadnet.ai/pricing.json"))
CONTEXT = {m["id"]: m.get("context_length") for m in FEED["models"]}

def ask(model, messages, budget=4_000, hard_cap=32_000, **kw):
    """Retry a cut-off reply with a doubled budget, never past the cap or the context window."""
    while True:
        r = client.chat.completions.create(model=model, messages=messages,
                                           max_tokens=budget, **kw)
        if r.choices[0].finish_reason != "length":
            return r
        room = CONTEXT[model] - r.usage.prompt_tokens        # context holds prompt + answer
        nxt = min(budget * 2, hard_cap, room)
        if nxt <= budget:
            raise RuntimeError(f"still cut off at max_tokens={budget}")
        print(f"cut off at {budget}, retrying with {nxt}")
        budget = nxt
```

بديلان عن المضاعفة، بحسب المهمة:

-   **أعد المحاولة بقيمة `reasoning_effort="low"`** مع الميزانية نفسها. ففي المهام البسيطة كثيرًا ما يُفرط النموذج في التفكير، والجهد الأقل يحل المشكلة دون سقف أكبر.
-   **قسّم المهمة.** إذا ظل الرد يصطدم بسقف مرتفع، فالطلب عادةً يطلب أكثر مما ينبغي دفعة واحدة.

سجّل كل قطع مع نوع المهمة. فارتفاع المعدل يعني أن الأمر أو النموذج أو بيانات الإدخال تغيّرت، وأن الميزانية تحتاج إلى قياس جديد. وإعادات المحاولة استدلالات جديدة تُحتسب من جديد، فأبقِ عدد المحاولات محدودًا، كما في [الوكلاء طويلو التشغيل: المهلات وإعادة المحاولة](https://broadrouter.com/ar/blog/long-running-agents-timeouts-retries/).

## كيف يغيّر البث المتدفق الصورة؟

مع `stream=True` يحدث الاستدلال قبل أول رمز ظاهر، فقد يبدو نموذج الاستدلال متوقفًا في البداية. في واجهة المحادثة، اعرض حالة “يفكّر” حتى يصل المحتوى، واضبط مهلات العميل على زمن التفكير، لا على الإجابة وحدها.

وبعض الخوادم تبث نص الاستدلال نفسه أيضًا، في حقل منفصل. والاسم ليس موحدًا: تستخدم واجهة DeepSeek نفسها `reasoning_content`، وأعادت vLLM تسمية حقلها من `reasoning_content` إلى `reasoning`، محذّرة من أن شيفرة العميل القديمة “could silently read an empty” (الترجمة: قد تقرأ بصمت حقلًا فارغًا). ولا توثّق BroadNet حقلًا لنص الاستدلال، فلا تبنِ ميزات عليه دون فحص الاستجابة الخام لنموذجك. وإذا قرأته، فاقرأه بحذر:

```python
for chunk in stream:
    if chunk.choices:
        delta = chunk.choices[0].delta
        thinking = getattr(delta, "reasoning", None) or getattr(delta, "reasoning_content", None)
        # log or display `thinking` only if your provider actually sends it
        if delta.content:
            print(delta.content, end="")
    elif chunk.usage:                                  # last chunk, with include_usage
        print("\nreasoning tokens:", getattr(chunk.usage.completion_tokens_details, "reasoning_tokens", None))
```

يحتاج حقل usage في الجزء الأخير إلى `stream_options={"include_usage": True}`، وهو ما توثّقه BroadNet. والمزيد عن البث في [دليل البث المتدفق](https://broadrouter.com/ar/guides/streaming-chat-completions/) و[شرح SSE](https://broadrouter.com/ar/blog/llm-streaming-sse-explained/).

## ما اسم المعامل الذي يجب أن ترسله؟

| الواجهة | المعامل | يشمل الاستدلال |
| --- | --- | --- |
| OpenAI Chat Completions | `max_completion_tokens` (`max_tokens` مُهمَل) | نعم |
| OpenAI Responses | `max_output_tokens` | نعم |
| BroadNet Inference (Chat Completions) | `max_tokens`، كما هو موثّق | نعم |
| خوادم vLLM | `max_tokens`، مع `thinking_token_budget` اختياريًا | نعم |

عند نقل الشيفرة بين المزوّدين، أرسل الاسم الذي يوثّقه المزوّد، وتأكّد باستدعاء اختباري واحد أن الحد يسري فعلًا. فالحد الذي يُتجاهل بصمت يبدو سليمًا حتى يصل رد جامح. وتغطي [قائمة تحقق الانتقال](https://broadrouter.com/ar/blog/openai-compatible-api-migration-checklist/) المعاملات الأخرى التي تتغير.

## أين تناسب BroadNet Inference

تُبلغ نماذج الاستدلال المنطقي الثلاثة في BroadNet عن رموز الاستدلال في `usage` حين يوفّرها النموذج، فتعمل طريقة القياس أعلاه كما هي. ويمنح DeepSeek V4.1 Flash وGLM 5.3 أكبر مساحة، بسياق قدره 1,048,576 رمزًا. أما Qwen3.8 27B فسياقه 262,144. وإذا لم تكن تحتاج إلى الاستدلال في مهمة ما، فإن [Gemma 4 VL 26B](https://broadrouter.com/ar/models/gemma-4-vl-26b/) غير مدرج كنموذج استدلال، ويجنّبك مسألة الميزانية كليًا. وفي [خطة DeepSeek V4.1 Flash](https://broadrouter.com/ar/guides/unlimited-llm-api-sessions/) بسعر ثابت، لا تُحتسب رموز التفكير بسعر لكل رمز، لكن الردود المقطوعة تظل تكلّف وقتًا، فتنطبق طريقة تحديد الميزانية نفسها. ولا توثّق BroadNet حدًا منفصلًا للاستدلال؛ فإن احتجت إليه، فاستخدم مزوّدًا أو خادمًا مستضافًا ذاتيًا يوفّره.

أدوات مجانية لهذا الموضوع (بالإنجليزية)

-   [OpenAI to BroadNet migration helper](https://broadrouter.com/tools/openai-to-broadnet-migration/) Paste OpenAI SDK code; get base URL, key and model edits, a diff and the checks that remain.
-   [max\_tokens calculator for reasoning models](https://broadrouter.com/tools/reasoning-token-budget/) Answer length + reasoning budget + margin = a max\_tokens that does not cut the answer off.
-   [JSON schema generator for LLM structured output](https://broadrouter.com/tools/json-schema-generator/) Sample JSON to strict schema, Pydantic, Zod and a ready request.
-   [LLM JSON output validator](https://broadrouter.com/tools/llm-json-output-validator/) Parse errors by line and column, safe repairs, cut-off detection and JSON Schema checks for model output.

[أدوات مجانية (بالإنجليزية)](https://broadrouter.com/tools/)

## مصطلحات في هذا المقال

[الرمز (التوكن، Token)](https://broadrouter.com/ar/glossary/token/)

الرمز (التوكن) هو وحدة النص التي يقرؤها نموذج اللغة ويكتبها: كلمة، أو جزء من كلمة، أو علامة ترقيم، أو تسلسل بايتات ينتجه مجزّئ النموذج (tokenizer). وتَعُدّ واجهات LLM API الاستهلاك بالرموز، وتضع حدودها بها، وتحتسب تكلفتها بها عادةً.

[نافذة السياق (Context window)](https://broadrouter.com/ar/glossary/context-window/)

نافذة السياق هي الحد الأقصى لعدد الرموز (التوكنات) التي يستطيع نموذج اللغة التعامل معها في طلب واحد. وتشمل الأمر (prompt) وسجل المحادثة وتعريفات الأدوات والصور والمخرجات المولَّدة، بما فيها رموز الاستدلال المنطقي. وكل ما لا يتسع لها يجب قصّه أو تلخيصه أو توزيعه على عدة طلبات.

[رموز الاستدلال المنطقي (Reasoning tokens)](https://broadrouter.com/ar/glossary/reasoning-tokens/)

رموز الاستدلال المنطقي هي رموز (توكنات) يولّدها نموذج الاستدلال ليحلّ المسألة قبل أن يكتب إجابته الظاهرة. تُحتسب عادةً رموز إخراج، وتدخل ضمن حد الإخراج ونافذة السياق، وقد تخفيها الواجهة أو تلخّصها.

[max\_tokens (الحد الأقصى لرموز المخرجات)](https://broadrouter.com/ar/glossary/max-tokens/)

max\_tokens معامل في واجهات LLM API يحدد أقصى عدد من الرموز يمكن أن يولّده النموذج في استجابة واحدة. وحين يبلغ التوليد هذا الحد يتوقف، وتُعلَّم الاستجابة بأنها مقطوعة، مثلًا بضبط finish\_reason على "length".

[Chat Completions API (واجهة إكمال المحادثة)](https://broadrouter.com/ar/glossary/chat-completions-api/)

Chat Completions API هي نقطة نهاية HTTP لدى OpenAI، أي POST /v1/chat/completions، تستقبل اسم نموذج وقائمة رسائل موسومة بأدوارها وتُرجع الرسالة التالية من النموذج. وصارت بنية طلبها واستجابتها الصيغة المشتركة التي يعيد استخدامها المزوّدون المتوافقون مع OpenAI وحزم SDK.

[استدعاء الأدوات (Tool calling)](https://broadrouter.com/ar/glossary/tool-calling/)

استدعاء الأدوات، ويُسمّى أيضًا استدعاء الدوال (function calling)، ميزة في واجهات LLM API يُرجع فيها النموذج طلبًا منظَّمًا لتشغيل دالة عرّفها المطوّر، مع معاملات بصيغة JSON. ويشغّل التطبيق الدالة ويعيد النتيجة؛ فالنموذج لا يشغّل الشيفرة بنفسه أبدًا.

[البث المتدفق (Streaming)](https://broadrouter.com/ar/glossary/streaming/)

البث المتدفق (streaming) طريقة لإرجاع استجابة النموذج اللغوي على أجزاء صغيرة أثناء توليدها، بدل إرجاعها ردًا واحدًا في النهاية. وتبث الواجهات المتوافقة مع OpenAI عبر أحداث يرسلها الخادم (server-sent events) حين يضبط الطلب stream على true.

[vLLM](https://broadrouter.com/ar/glossary/vllm/)

vLLM مكتبة مفتوحة المصدر للاستدلال بالنماذج اللغوية الكبيرة وتقديمها، طُوّرت أولًا في مختبر Sky Computing بجامعة UC Berkeley. تدير ذاكرة KV المؤقتة (KV cache) بتقنية PagedAttention، وتجمّع الطلبات الواردة باستمرار، وتدعم صيغ تكميم كثيرة، وتوفّر خادم HTTP متوافقًا مع OpenAI.

## أسئلة شائعة

### لماذا يعيد نموذج الاستدلال المنطقي ردًا فارغًا؟

استهلك النموذج ميزانية max\_tokens كلها في الاستدلال المخفي قبل أن يكتب الإجابة. وتكون قيمة finish\_reason حينها "length". ارفع max\_tokens، أو اخفض reasoning\_effort، أو الاثنين معًا. وفي هذا المقال رابط إلى دليل قصير بالحل السريع.

### ما قيمة max\_tokens المناسبة لنموذج استدلال منطقي؟

قِس أولًا. شغّل 50 أمرًا حقيقيًا أو أكثر بسقف سخي، وخذ المئين 95 لقيمة completion\_tokens لتلك المهمة، وأضف نحو 20%. تذكر وثائق BroadNet أن الحد الأدنى 1,000 رمز أو أكثر؛ وتقترح OpenAI حجز 25,000 رمز حين تبدأ مع نماذجها.

### هل تكلّف قيمة max\_tokens الأعلى أكثر؟

ليس بحد ذاتها. تُحتسب عليك الرموز التي يولّدها النموذج، لا السقف. ولا يكلّف السقف الأعلى أكثر إلا حين كان الرد سيُقطع لولاه، وحينها كان الرد المقطوع سيكلّفك إعادة محاولة على أي حال.

### هل max\_completion\_tokens هو نفسه max\_tokens؟

في OpenAI، يحل max\_completion\_tokens محل max\_tokens المُهمَل، ويشمل رموز الاستدلال صراحةً. ويوثّق كثير من المزوّدين المتوافقين مع OpenAI المعامل max\_tokens بدلًا منه. وتستخدم وثائق BroadNet المعامل max\_tokens وتقول إن الاستدلال يُحتسب ضمنه.

### هل يمكنني وضع حد للاستدلال منفصل عن الإجابة؟

فقط حيث يدعم الخادم ذلك. لدى vLLM معامل thinking\_token\_budget، ولدى بعض المزوّدين معاملاتهم الخاصة. أما BroadNet فتوثّق reasoning\_effort بقيمة low، لا حدًا منفصلًا للاستدلال، فحدّد ميزانية الاثنين معًا.

## تابع القراءة

-   [رموز الاستدلال المنطقي: لماذا تدفع مقابل مخرجات أكثر مما تراه؟](https://broadrouter.com/ar/blog/reasoning-tokens-cost/)
-   [شرح البث في LLM: مقاطع SSE والفروقات (delta) والاستخدام والإلغاء](https://broadrouter.com/ar/blog/llm-streaming-sse-explained/)
-   [وضع JSON أم json\_schema: مخرجات منظَّمة يمكن الاعتماد عليها](https://broadrouter.com/ar/blog/structured-output-json-schema/)
-   [الوكلاء طويلو التشغيل: مهلات وإعادة محاولات ونقاط حفظ تصمد](https://broadrouter.com/ar/blog/long-running-agents-timeouts-retries/)
-   [الانتقال إلى واجهة API متوافقة مع OpenAI: قائمة تحقق للترحيل](https://broadrouter.com/ar/blog/openai-compatible-api-migration-checklist/)
-   [عتاد GPU لدى BroadNet وطريقة تقديم النماذج، كما تصفها BroadNet](https://broadrouter.com/ar/blog/broadnet-gpu-fleet-and-serving/)
-   [تخزين استجابات LLM API مؤقتًا لخفض التكلفة: تطابق تام بـ Python](https://broadrouter.com/ar/blog/cache-llm-responses-cut-cost/)
-   [دليل: لماذا يعيد نموذج الاستدلال إجابة فارغة؟](https://broadrouter.com/ar/guides/reasoning-tokens-empty-response/)
-   [دليل: البث المتدفق لإكمال المحادثات والتعامل مع انقطاع الاتصال](https://broadrouter.com/ar/guides/streaming-chat-completions/)
-   [دليل: استخدام OpenAI Python SDK مع BroadNet Inference](https://broadrouter.com/ar/guides/openai-python-sdk/)

جرّبه على مهامك الفعلية. تبدأ الحسابات الجديدة برصيد قدره $5 لاستخدام Gemma والتفريغ الصوتي. أما DeepSeek وGLM وQwen3.8 فتتطلب شحن الرصيد.

[ابدأ الآن](https://inference.broadnet.ai/account/?utm_source=broadrouter&utm_medium=referral&utm_campaign=ar-blog-reasoning-model-max-tokens-budget&utm_content=page-cta) ·

**المصادر**

-   [المرجع التقني لواجهة BroadNet Inference: يُحتسب الاستدلال ضمن max\_tokens، و1,000 رمز أو أكثر، وreasoning\_effort بقيمة low، وحقول usage (تاريخ الاطلاع 2026-11-15) (بالإنجليزية)](https://inference.broadnet.ai/docs?utm_source=broadrouter&utm_medium=referral&utm_campaign=ar-blog-reasoning-model-max-tokens-budget&utm_content=sources)
-   [مرجع حقول pricing.json في BroadNet: يضم context\_length الأمر والإجابة معًا (تاريخ الاطلاع 2026-11-15) (بالإنجليزية)](https://inference.broadnet.ai/docs?utm_source=broadrouter&utm_medium=referral&utm_campaign=ar-blog-reasoning-model-max-tokens-budget&utm_content=sources#pricing-json)
-   [دليل OpenAI للاستدلال المنطقي: الاستجابات غير المكتملة، واحجز 25,000 رمز على الأقل في البداية (تاريخ الاطلاع 2026-11-15)](https://developers.openai.com/api/docs/guides/reasoning)
-   [مرجع OpenAI Chat Completions: يشمل max\_completion\_tokens رموز الاستدلال؛ وmax\_tokens مُهمَل (تاريخ الاطلاع 2026-11-15)](https://developers.openai.com/api/reference/resources/chat/subresources/completions/methods/create)
-   [وثائق DeepSeek API، وضع التفكير: الحقل reasoning\_content، ومستويات الجهد (تاريخ الاطلاع 2026-11-15)](https://api-docs.deepseek.com/guides/thinking_mode)
-   [وثائق vLLM، مخرجات الاستدلال: الحقل reasoning (سابقًا reasoning\_content)، وthinking\_token\_budget (تاريخ الاطلاع 2026-11-15)](https://docs.vllm.ai/en/latest/features/reasoning_outputs.html)
