BroadRouter

Tokens de razonamiento: por qué paga más salida de la que ve

Por el equipo de BroadNet Inference · 4 min de lectura · Publicado · Actualizado

Un modelo de razonamiento escribe un pensamiento oculto antes de responder, y esos tokens de razonamiento se facturan al precio de salida. Una respuesta de 200 tokens puede llevar 1,000 o más tokens de pensamiento. En BroadNet Inference razonan DeepSeek V4.1 Flash, GLM 5.3 y Qwen3.8 27B. Reduzca el costo con reasoning_effort en low, un max_tokens razonable y un modelo sin razonamiento para los pasos simples.

Usted envía una pregunta corta, recibe una respuesta de dos líneas y la factura muestra 1,400 tokens de salida. No hay ningún error. El modelo pensó antes de responder, y ese pensamiento se facturó. Este artículo explica cómo se cuentan los tokens de razonamiento, cuánto cuestan en cada modelo y los cuatro ajustes que los controlan.

¿Qué son los tokens de razonamiento?

Un modelo de razonamiento escribe una cadena de pensamiento interna y después la respuesta visible. Ambas salen de la misma generación. El pensamiento está hecho de tokens de razonamiento. En la respuesta estándar de chat completions, la respuesta está en message.content, y el pensamiento se cuenta, pero no se muestra.

La guía de razonamiento de OpenAI lo dice sin rodeos: los tokens de razonamiento “still occupy space in the model’s context window and are billed as” (Traducción: «siguen ocupando espacio en la ventana de contexto del modelo y se facturan como») tokens de salida. Los demás proveedores siguen la misma regla.

¿Cómo se facturan los tokens de razonamiento?

Forman parte de completion_tokens, así que pagan el precio de salida. La salida es el medidor caro:

Modelo Razona primero Salida por 1M Entrada por 1M
DeepSeek V4.1 Flash Sí $0.52 $0.175
GLM 5.3 Sí $3.46 $0.78
Qwen3.8 27B Sí $2.17 $0.175
Gemma 4 VL 26B No indicado $0.22 $0.10

Los precios son los de BroadNet Inference, sincronizados el 2026-11-14. Lo que cobran otros proveedores por los mismos modelos está en la tabla de precios de API de LLM, por ejemplo GLM 5.3 en distintos proveedores.

¿Cuánto puede sumar el razonamiento a una factura?

Tome un clasificador que devuelve una etiqueta de una palabra, unos 10 tokens visibles. Si el modelo piensa antes durante 1,000 tokens, el 99 % de la factura de salida es pensamiento.

A escala: 1,000 respuestas con 1,000 tokens de razonamiento cada una suman 1M de tokens de salida. Eso cuesta $0.52 en DeepSeek V4.1 Flash, $2.17 en Qwen3.8 27B y $3.46 en GLM 5.3, además de las respuestas visibles.

La cantidad varía según la tarea. Las matemáticas difíciles o el razonamiento sobre código en varios archivos pueden llegar a miles de tokens. Un saludo puede no necesitar casi ninguno. Por eso conviene medir.

¿Cómo se miden los tokens de razonamiento?

El bloque usage los reporta cuando el modelo proporciona el recuento:

r = client.chat.completions.create(
    model="broadnet/deepseek-v4.1-flash",
    messages=[{"role": "user", "content": "Is 'refund my order' a billing or shipping intent?"}],
    max_tokens=1000,
)
u = r.usage
reasoning = (u.completion_tokens_details.reasoning_tokens or 0) if u.completion_tokens_details else 0
print("output:", u.completion_tokens, "reasoning:", reasoning,
      "share:", round(reasoning / max(u.completion_tokens, 1), 2))

Registre esto por tipo de tarea durante una semana. Normalmente verá que unas pocas tareas concentran la mayor parte del pensamiento. Si usa streaming, añada stream_options: {"include_usage": true}; los recuentos llegan en el último fragmento (guía de streaming).

Cuatro formas de controlar el costo del razonamiento

1. Baje reasoning_effort en las tareas simples

reasoning_effort le pide al modelo que piense menos. Las guías de BroadNet usan low para clasificación, extracción y formateo:

client.chat.completions.create(model="broadnet/deepseek-v4.1-flash", reasoning_effort="low",
                               max_tokens=1000, messages=msgs)

OpenAI documenta un rango más amplio de valores en sus propios modelos, desde none y minimal, pasando por low, medium y high, hasta xhigh y max, y advierte que “some models support only a subset” (Traducción: «algunos modelos solo admiten un subconjunto»). Compruebe qué valores acepta su modelo y compare los tokens de salida antes y después con las mismas muestras.

2. Use max_tokens como techo, no como apretón

max_tokens limita el razonamiento y la respuesta juntos. Frena una respuesta desbocada, pero si lo fija demasiado bajo, el modelo puede gastar todo el presupuesto pensando y devolver una respuesta vacía con finish_reason: "length". Usted paga ese pensamiento y aun así tiene que reintentar. BroadNet sugiere 1,000 tokens o más para los modelos de razonamiento. Por qué un modelo de razonamiento devuelve una respuesta vacía.

3. Envíe los pasos fáciles a un modelo que no razone

No todos los pasos necesitan pensar. Formatear JSON, renombrar campos o responder consultas de preguntas frecuentes puede ir a Gemma 4 VL 26B, a $0.22 por 1M de tokens de salida, para el que BroadNet no indica razonamiento. Reserve los modelos de razonamiento para planificar, depurar y dar respuestas de varios pasos. Pruebe la calidad con sus propias muestras antes de enrutar.

4. Quite «piensa paso a paso» de los prompts

Los modelos de razonamiento ya piensan. Pedirles además un razonamiento paso a paso visible hace que lo escriban dos veces: una oculta y otra en la respuesta. Pida la respuesta final en el formato que necesita.

¿Qué ajuste usar para cada tarea?

Tarea Esfuerzo de razonamiento max_tokens Modelo sugerido
Clasificación, enrutamiento low 1,000 Gemma 4 VL 26B o DeepSeek V4.1 Flash
Extracción a JSON low 1,000 a 2,000 DeepSeek V4.1 Flash; GLM 5.3 para salida estructurada
Redacción de respuestas a clientes low o predeterminado 2,000 DeepSeek V4.1 Flash
Depuración, planificación, revisión de código predeterminado o superior 8,000 o sin fijar DeepSeek V4.1 Flash o GLM 5.3

Son puntos de partida. Mida los tokens de salida y la calidad con sus propios datos y ajuste después.

¿Cuándo deja el razonamiento de costar más?

Con un plan de tarifa plana. El plan Luna Llena (Full Moon) de BroadNet cuesta $60 al mes por sesión e incluye DeepSeek V4.1 Flash ilimitado sin medidor de tokens, así que los tokens de razonamiento no tienen costo por token. Aun así consumen tiempo: a una velocidad típica de unos 100 tokens por segundo, cada token de razonamiento se genera antes de que empiece la respuesta, así que un razonamiento largo retrasa la respuesta. Cuándo un plan de tarifa plana le gana al pago por token, y diez formas más de reducir la factura de un agente de programación.

Dónde encaja BroadNet Inference

BroadNet ofrece tres modelos de razonamiento y uno sin razonamiento indicado con una sola clave compatible con OpenAI en https://inference.broadnet.ai/v1, y reporta el uso en cada respuesta. Eso facilita enrutar por tarea y medir la diferencia. Si necesita un modelo cerrado con un resumen visible del razonamiento, use la API de ese proveedor; el catálogo de chat de BroadNet no tiene modelos cerrados. Vea los planes.

Preguntas frecuentes

¿Los tokens de razonamiento se cobran como entrada o como salida?

Como salida. Los genera el modelo, se reportan dentro de completion_tokens y se facturan al precio de salida por 1M de tokens.

¿Puedo desactivar el razonamiento por completo?

Depende del modelo. OpenAI documenta valores de esfuerzo que, en algunos modelos, incluyen none o minimal. En BroadNet, ponga reasoning_effort en low o use Gemma 4 VL 26B, para el que BroadNet no indica razonamiento.

¿Un max_tokens bajo ahorra dinero en los modelos de razonamiento?

Solo en parte. Pone un tope a la factura, pero si el razonamiento consume todo el presupuesto, usted paga el pensamiento y recibe una respuesta vacía. Mejor baje el esfuerzo y mantenga max_tokens en 1,000 o más.

¿Puedo ver el texto del razonamiento?

Normalmente no en el campo content. El bloque usage indica cuántos tokens de razonamiento se usaron, cuando el modelo lo reporta, en completion_tokens_details.reasoning_tokens.

Leer en MarkdownPreguntar a ChatGPTPreguntar a ClaudePreguntar a Perplexity