---
title: "رد فارغ من LLM؟ رموز الاستدلال وmax_tokens | BroadRouter"
description: "تفكّر نماذج DeepSeek V4.1 Flash وGLM 5.3 وQwen3.8 27B قبل أن تجيب، ويُحتسب هذا الاستدلال ضمن max_tokens. إليك كيف تتجنب الردود الفارغة."
url: https://broadrouter.com/ar/guides/reasoning-tokens-empty-response/
lang: ar
updated: 2026-11-16
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/guides/reasoning-tokens-empty-response/) (حُدّث في 2026-11-16).

# لماذا يعيد نموذج الاستدلال إجابة فارغة؟

آخر تحديث 2026-11-16

أنفق النموذج ميزانية max\_tokens كاملة على الاستدلال قبل أن يبدأ الإجابة المرئية. ففي BroadNet Inference، تستدل نماذج DeepSeek V4.1 Flash وGLM 5.3 وQwen3.8 27B أولًا، ويُحتسب الاستدلال ضمن max\_tokens. اسمح بـ 1,000 رمز أو أكثر، أو اضبط reasoning\_effort على low.

ترسل موجّهًا قصيرًا مع `max_tokens: 100`، فينجح الطلب، لكن `choices[0].message.content` يعود فارغًا. لا شيء معطّل: الإجابة لم تبدأ أصلًا.

## ما الذي يحدث

تكتب نماذج الاستدلال سلسلة تفكير مخفية قبل الإجابة المرئية، ويتقاسم الاثنان ميزانية `max_tokens` واحدة. ومع حدٍّ صغير يستهلك الاستدلال الميزانية كلها، وتكون قيمة `finish_reason` حينها `length` في الصيغة القياسية لـ chat completions.

## ثلاثة حلول

**1\. اترك مساحة كافية.** اضبط `max_tokens` على 1,000 أو أكثر، كما ينصح توثيق BroadNet. وتحسب لك [حاسبة max\_tokens لنماذج الاستدلال](https://broadrouter.com/tools/reasoning-token-budget/) الحدَّ المناسب لطول إجابتك وتعرض التكلفة.

**2\. قلّل الاستدلال.** اضبط `reasoning_effort` على `low` في المهام البسيطة:

```python
import os
from openai import OpenAI

client = OpenAI(base_url="https://inference.broadnet.ai/v1", api_key=os.environ["BROADNET_API_KEY"])

response = client.chat.completions.create(
    model="broadnet/deepseek-v4.1-flash",
    reasoning_effort="low",
    max_tokens=1000,
    messages=[{"role": "user", "content": "Classify: 'refund my order' -> intent?"}],
)
```

**3\. راقب الاستهلاك.** حين يُبلغ النموذج عنه، يبيّن `usage.completion_tokens_details.reasoning_tokens` مقدار ما ذهب إلى الاستدلال:

```python
print(response.choices[0].finish_reason)                       # "length" means the budget ran out
details = response.usage.completion_tokens_details             # None if the model doesn't report it
print(details.reasoning_tokens if details else "not reported")
```

في البث المتدفق (streaming)، أضف `stream_options={"include_usage": True}` فيصلك الاستهلاك نفسه في الجزء الأخير. راجع [البث المتدفق لـ chat completions](https://broadrouter.com/ar/guides/streaming-chat-completions/).

## أي النماذج تستدل

| النموذج | يستدل أولًا |
| --- | --- |
| DeepSeek V4.1 Flash (`broadnet/deepseek-v4.1-flash`) | نعم |
| GLM 5.3 (`broadnet/glm-5.3`) | نعم |
| Qwen3.8 27B (`broadnet/qwen3.8-27b`) | نعم |
| BroadNet Gemma 4 VL 26B (`broadnet/gemma-4-26b-a4b`) | غير مُدرج |

## حل المشكلات

-   **`content` فارغ وقيمة `finish_reason` هي `length`.** ارفع `max_tokens` أو اضبط `reasoning_effort` على `low`.
-   **`content` فارغ وقيمة `finish_reason` هي `stop`.** الحد ليس السبب. راجع الموجّه واطبع الاستجابة كاملة لترى ما عاد.
-   **`AttributeError` عند `completion_tokens_details`.** لم يُبلغ النموذج عن التفصيل في ذلك الطلب؛ تحقّق من `None` كما في المثال أعلاه.
-   **تأخر الرمز الأول في البث المتدفق.** النموذج يستدل قبل أن يكتب الإجابة. وقد يقصّر خفضُ `reasoning_effort` مدة الانتظار.

إن كنت تشغّل وكلاء طوال اليوم، فإن رموز الاستدلال (التوكنات) تتراكم في الدفع حسب الاستخدام. وتبيّن لك [حاسبة أسعار BroadNet](https://broadrouter.com/ar/pricing/) متى تصبح [الخطة غير المحدودة](https://broadrouter.com/ar/guides/unlimited-llm-api-sessions/) بسعرها الثابت أقل تكلفة.

## مصطلحات في هذا الدليل

[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.

[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.

[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.

[الدفع حسب الاستخدام (Pay-as-you-go)](https://broadrouter.com/ar/glossary/pay-as-you-go/)

الدفع حسب الاستخدام هو نموذج تسعير تدفع فيه مقابل ما تستخدمه فقط، مقيسًا بوحدات مثل الرموز (التوكنات) أو الطلبات أو دقائق الصوت، دون اشتراك أو حد أدنى للالتزام. وتحتسب معظم واجهات LLM API تكلفتها بهذه الطريقة، من رصيد مدفوع مسبقًا أو بفاتورة دورية.

[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".

## أسئلة شائعة

### هل يكلّف الاستدلال مالًا؟

في الدفع حسب الاستخدام، يُحتسب الاستدلال داخل رموز الإكمال (completion tokens)، وهذه تُفوتر بسعر المخرجات. أما في الخطة غير المحدودة لنموذج DeepSeek V4.1 Flash فلا يوجد عدّاد للرموز، فلا تكلّف شيئًا إضافيًا.

### هل يستدل نموذج BroadNet Gemma 4 VL 26B؟

يُدرج توثيق BroadNet الاستدلال لنماذج DeepSeek V4.1 Flash وGLM 5.3 وQwen3.8 27B، لا لنموذج Gemma 4 VL 26B.

### لماذا يكون محتوى الرسالة فارغًا حين تكون قيمة finish\_reason هي length؟

نفدت ميزانية الرموز قبل أن تبدأ الإجابة المرئية. فنموذج الاستدلال يكتب استدلاله أولًا، وتُحتسب تلك الرموز ضمن max\_tokens. ارفع max\_tokens إلى 1,000 أو أكثر، أو خفّض reasoning\_effort.

### ماذا يفعل ضبط reasoning\_effort على low؟

يطلب من النموذج أن يستدل أقل قبل أن يجيب. ويقترحه توثيق BroadNet بديلًا عن رفع max\_tokens حين يترك حدٌّ قصير الإجابةَ فارغة. استخدمه في المهام البسيطة مثل التصنيف أو الاستخراج.

### كيف أعرف عدد الرموز التي ذهبت إلى الاستدلال؟

اقرأ usage.completion\_tokens\_details.reasoning\_tokens في الاستجابة، حين يُبلغ النموذج عنها. وفي البث المتدفق، أرسل stream\_options مع include\_usage بقيمة true واقرأها من الجزء الأخير.

## أدلة ذات صلة

-   [استخدام OpenAI Python SDK مع BroadNet Inference](https://broadrouter.com/ar/guides/openai-python-sdk/)
-   [البث المتدفق لإكمال المحادثات والتعامل مع انقطاع الاتصال](https://broadrouter.com/ar/guides/streaming-chat-completions/)
-   [رموز أخطاء BroadNet Inference ومتى تعيد المحاولة](https://broadrouter.com/ar/guides/errors-and-retries/)

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-guides-reasoning-tokens-empty-response&utm_content=page-cta) ·

**المصادر**

-   [المرجع التقني لـ BroadNet Inference API، رموز الاستدلال والرموز المخزّنة مؤقتًا (رُوجع في 2026-11-16) (بالإنجليزية)](https://inference.broadnet.ai/docs?utm_source=broadrouter&utm_medium=referral&utm_campaign=ar-guides-reasoning-tokens-empty-response&utm_content=sources#models)
