---
title: "Biaya token penalaran: kenapa tagihan output tinggi | BroadRouter"
description: "Model penalaran menagih proses berpikir tersembunyi sebagai output. Cara mengukurnya, biaya per model, dan cara memangkasnya: reasoning_effort, max_tokens, routing."
url: https://broadrouter.com/id/blog/reasoning-tokens-cost/
lang: id
updated: 2026-11-14
publisher: BroadRouter (a BroadNet site); API by BroadNet Inference, https://inference.broadnet.ai
---

Diterjemahkan dari bahasa Inggris dengan bantuan AI. [Baca versi asli bahasa Inggris](https://broadrouter.com/blog/reasoning-tokens-cost/) (diperbarui 2026-11-16).

# Token penalaran: mengapa Anda membayar output lebih dari yang terlihat

Oleh tim BroadNet Inference · 4 menit baca · Dipublikasikan 2026-11-14 · Diperbarui 2026-11-16

Model penalaran menulis proses berpikir tersembunyi sebelum jawabannya, dan token penalaran itu ditagih dengan harga output. Balasan 200 token bisa membawa 1.000 token atau lebih proses berpikir. Di BroadNet Inference, DeepSeek V4.1 Flash, GLM 5.3, dan Qwen3.8 27B melakukan penalaran. Turunkan biayanya dengan reasoning\_effort low, max\_tokens yang wajar, dan model non-penalaran untuk langkah sederhana.

## Poin penting

-   Token penalaran dihitung dalam completion\_tokens dan ditagih dengan harga output, meski Anda tidak pernah melihatnya.
-   1.000 balasan dengan masing-masing 1.000 token penalaran menambah 1 juta token output: $0.52 di DeepSeek V4.1 Flash, $3.46 di GLM 5.3.
-   Baca usage.completion\_tokens\_details.reasoning\_tokens untuk mengukur porsi tagihan yang habis untuk berpikir.
-   Setel reasoning\_effort ke low untuk tugas sederhana, jaga max\_tokens cukup tinggi agar jawaban selesai, dan rutekan langkah mudah ke model yang tidak bernalar.
-   Di paket unlimited DeepSeek V4.1 Flash, penalaran tidak punya biaya token.

**Di halaman ini**

1.  Apa itu token penalaran?
2.  Bagaimana token penalaran ditagih?
3.  Seberapa besar penalaran bisa menambah tagihan?
4.  Bagaimana mengukur token penalaran?
5.  Empat cara mengendalikan biaya penalaran
6.  Pengaturan mana untuk tugas apa?
7.  Kapan penalaran tidak lagi menambah biaya?
8.  Di mana posisi BroadNet Inference?

Anda mengirim pertanyaan singkat, mendapat jawaban dua baris, dan tagihannya menunjukkan 1.400 token output. Tidak ada yang salah. Model berpikir sebelum menjawab, dan proses berpikir itu ditagih. Artikel ini menjelaskan cara token penalaran dihitung, berapa biayanya di setiap model, dan empat pengaturan yang mengendalikannya.

## Apa itu token penalaran?

Model penalaran menulis rantai pemikiran internal, lalu jawaban yang terlihat. Keduanya keluar dari proses generasi yang sama. Proses berpikir itu terdiri dari [token penalaran](https://broadrouter.com/id/glossary/reasoning-tokens/). Dalam respons chat completions standar, jawaban ada di `message.content`, sedangkan proses berpikirnya dihitung, tetapi tidak ditampilkan.

Panduan penalaran OpenAI menyatakan aturannya dengan jelas: token penalaran “still occupy space in the model’s context window and are billed as” (Terjemahan BroadRouter: “tetap memakan ruang di context window model dan ditagih sebagai”) token output. Penyedia lain mengikuti aturan yang sama.

## Bagaimana token penalaran ditagih?

Token ini bagian dari `completion_tokens`, jadi dikenai harga output. Output adalah meteran yang mahal:

| Model | Bernalar dulu | Output per 1 juta | Input per 1 juta |
| --- | --- | --- | --- |
| [DeepSeek V4.1 Flash](https://broadrouter.com/id/models/deepseek-v4.1-flash/) | Ya | $0.52 | $0.175 |
| [GLM 5.3](https://broadrouter.com/id/models/glm-5.3/) | Ya | $3.46 | $0.78 |
| [Qwen3.8 27B](https://broadrouter.com/id/models/qwen3.8-27b/) | Ya | $2.17 | $0.175 |
| [Gemma 4 VL 26B](https://broadrouter.com/id/models/gemma-4-vl-26b/) | Tidak dicantumkan | $0.22 | $0.10 |

Harga adalah harga BroadNet Inference, disinkronkan 2026-11-14. Berapa yang ditagih host lain untuk model yang sama ada di [tabel harga API LLM](https://broadrouter.com/id/llm-api-pricing/), misalnya [GLM 5.3 di berbagai penyedia](https://broadrouter.com/id/llm-api-pricing/glm-5.3/).

## Seberapa besar penalaran bisa menambah tagihan?

Ambil contoh classifier yang mengembalikan label satu kata, sekitar 10 token yang terlihat. Jika model berpikir 1.000 token lebih dulu, 99% tagihan output adalah proses berpikir.

Dalam skala besar: **1.000 balasan dengan masing-masing 1.000 token penalaran menambah 1 juta token output.** Biayanya $0.52 di DeepSeek V4.1 Flash, $2.17 di Qwen3.8 27B, dan $3.46 di GLM 5.3, di luar jawaban yang terlihat.

Jumlahnya bervariasi per tugas. Matematika sulit atau penalaran kode lintas banyak file bisa mencapai ribuan token. Sapaan mungkin hampir tidak butuh sama sekali. Karena itulah Anda perlu mengukur.

## Bagaimana mengukur token penalaran?

Blok usage melaporkannya jika model menyediakan angkanya:

```python
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))
```

Catat ini per jenis tugas selama seminggu. Biasanya Anda akan menemukan beberapa tugas yang bertanggung jawab atas sebagian besar proses berpikir. Saat streaming, tambahkan `stream_options: {"include_usage": true}`; angkanya datang di chunk terakhir ([panduan streaming](https://broadrouter.com/id/guides/streaming-chat-completions/)).

## Empat cara mengendalikan biaya penalaran

### 1\. Turunkan `reasoning_effort` untuk tugas sederhana

`reasoning_effort` meminta model berpikir lebih sedikit. Panduan BroadNet memakai `low` untuk klasifikasi, ekstraksi, dan pemformatan:

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

OpenAI mendokumentasikan rentang nilai yang lebih luas untuk modelnya sendiri, dari `none` dan `minimal` melalui `low`, `medium`, dan `high` hingga `xhigh` dan `max`, dan mencatat bahwa “some models support only a subset” (Terjemahan BroadRouter: “beberapa model hanya mendukung sebagian”). Periksa nilai mana yang diterima model Anda, dan bandingkan token output sebelum dan sesudah pada sampel yang sama.

### 2\. Gunakan `max_tokens` sebagai batas atas, bukan untuk memeras

[`max_tokens`](https://broadrouter.com/id/glossary/max-tokens/) membatasi penalaran dan jawaban sekaligus. Pengaturan ini menghentikan balasan yang lepas kendali, tetapi jika terlalu rendah, model bisa menghabiskan seluruh anggaran untuk berpikir dan mengembalikan jawaban kosong dengan `finish_reason: "length"`. Anda tetap membayar proses berpikir itu dan masih harus mencoba ulang. BroadNet menyarankan 1.000 token atau lebih untuk model penalaran. [Mengapa model penalaran mengembalikan jawaban kosong](https://broadrouter.com/id/guides/reasoning-tokens-empty-response/).

### 3\. Rutekan langkah mudah ke model yang tidak bernalar

Tidak semua langkah butuh berpikir. Memformat JSON, mengganti nama field, atau menjawab pencarian FAQ bisa diarahkan ke Gemma 4 VL 26B seharga $0.22 per 1 juta output, yang tidak dicantumkan BroadNet sebagai model penalaran. Simpan model penalaran untuk perencanaan, debugging, dan jawaban multi-langkah. Uji kualitas pada sampel Anda sendiri sebelum merutekan.

### 4\. Hapus “pikirkan langkah demi langkah” dari prompt

Model penalaran sudah berpikir. Meminta penalaran langkah demi langkah yang terlihat di atasnya membuat model menuliskannya dua kali: sekali tersembunyi, sekali di jawaban. Mintalah jawaban akhir dalam format yang Anda butuhkan.

## Pengaturan mana untuk tugas apa?

| Tugas | Reasoning effort | max\_tokens | Pilihan model |
| --- | --- | --- | --- |
| Klasifikasi, routing | low | 1.000 | Gemma 4 VL 26B atau DeepSeek V4.1 Flash |
| Ekstraksi ke JSON | low | 1.000 sampai 2.000 | DeepSeek V4.1 Flash, GLM 5.3 untuk output terstruktur |
| Draf balasan pelanggan | low atau default | 2.000 | DeepSeek V4.1 Flash |
| Debugging, perencanaan, code review | default atau lebih tinggi | 8.000 atau tidak disetel | DeepSeek V4.1 Flash atau GLM 5.3 |

Ini titik awal. Ukur token output dan kualitas pada data Anda sendiri, lalu sesuaikan.

## Kapan penalaran tidak lagi menambah biaya?

Di paket harga tetap. Paket Full Moon BroadNet berharga $60 per bulan per sesi untuk DeepSeek V4.1 Flash tanpa batas dan tanpa meteran token, jadi token penalaran tidak punya biaya per token. Token itu tetap memakan waktu: pada kecepatan tipikal sekitar 100 token per detik, setiap token penalaran dibuat sebelum jawaban dimulai, jadi penalaran yang panjang menunda jawaban. [Kapan paket harga tetap mengalahkan per token](https://broadrouter.com/id/blog/flat-rate-vs-pay-per-token-llm-api/), dan [sepuluh cara lain memangkas tagihan agen coding](https://broadrouter.com/id/blog/cut-coding-agent-llm-costs/).

## Di mana posisi BroadNet Inference?

BroadNet menjalankan tiga model penalaran dan satu model tanpa penalaran yang tercantum pada satu kunci [kompatibel dengan OpenAI](https://broadrouter.com/id/glossary/openai-compatible-api/) di `https://inference.broadnet.ai/v1`, dengan usage dilaporkan di setiap respons. Ini memudahkan Anda merutekan per tugas dan mengukur perbedaannya. Jika Anda butuh model tertutup dengan ringkasan penalaran yang terlihat, gunakan API vendor tersebut; katalog chat BroadNet tidak memuat model tertutup. [Lihat paket](https://inference.broadnet.ai/plans?utm_source=broadrouter&utm_medium=referral&utm_campaign=id-blog-reasoning-tokens-cost&utm_content=body).

Alat gratis untuk topik ini (bahasa Inggris)

-   [LLM API cost calculator](https://broadrouter.com/tools/llm-api-cost-calculator/) Price a workload on every model at once, with cache hits, reasoning and a flat-plan check.
-   [Flat-rate vs per-token LLM cost calculator](https://broadrouter.com/tools/flat-rate-vs-per-token-calculator/) Break-even between an unlimited plan and paying per token, per agent.
-   [Prompt caching savings calculator](https://broadrouter.com/tools/prompt-caching-calculator/) Bill with and without caching, by prefix share and hit rate.
-   [Prompt token diff](https://broadrouter.com/tools/prompt-token-diff/) Two prompt versions side by side: changed lines, exact token delta and the monthly cost difference.

[Alat gratis (bahasa Inggris)](https://broadrouter.com/tools/)

## Istilah dalam artikel ini

[Token](https://broadrouter.com/id/glossary/token/)

Token adalah satuan teks yang dibaca dan ditulis model bahasa: sebuah kata, bagian kata, tanda baca, atau urutan byte yang dihasilkan tokenizer model. API LLM menghitung, membatasi, dan biasanya menagih pemakaian dalam token.

[Token penalaran (reasoning tokens)](https://broadrouter.com/id/glossary/reasoning-tokens/)

Token penalaran adalah token yang dihasilkan model penalaran untuk mengerjakan suatu masalah sebelum menulis jawaban yang terlihat. Token ini biasanya ditagih sebagai token output, dihitung dalam batas output dan context window, dan bisa disembunyikan atau diringkas oleh API.

[Token input dan output](https://broadrouter.com/id/glossary/input-and-output-tokens/)

Token input adalah token yang dibaca model bahasa dalam sebuah permintaan, termasuk system prompt, riwayat percakapan, definisi tool, dan gambar. Token output adalah token yang dihasilkannya sebagai balasan, termasuk penalaran. API LLM biasanya menghargainya secara terpisah, dan output biasanya lebih mahal.

[Context window (jendela konteks)](https://broadrouter.com/id/glossary/context-window/)

Context window adalah jumlah token maksimum yang bisa diolah model bahasa dalam satu permintaan. Cakupannya meliputi prompt, riwayat percakapan, definisi tool, gambar, dan output yang dihasilkan, termasuk token penalaran. Apa pun yang tidak muat harus dipotong, diringkas, atau dibagi ke beberapa permintaan.

[Streaming (respons streaming)](https://broadrouter.com/id/glossary/streaming/)

Streaming adalah cara mengembalikan respons model bahasa dalam potongan-potongan kecil selagi masih dihasilkan, bukan sebagai satu balasan utuh di akhir. API yang kompatibel dengan OpenAI melakukan streaming lewat server-sent events jika permintaan mengatur stream ke true.

[Paket LLM harga tetap (flat-rate)](https://broadrouter.com/id/glossary/flat-rate-llm-plan/)

Paket LLM harga tetap menagih harga tetap untuk satu periode, misalnya sebulan, untuk akses ke API model bahasa, alih-alih menagih per token. Paket seperti ini biasanya membatasi hal lain, seperti konkurensi, kecepatan, model, atau jendela pemakaian, jadi batasnya sama pentingnya dengan harganya.

[Agen coding AI (AI coding agent)](https://broadrouter.com/id/glossary/coding-agent/)

Agen coding AI adalah alat perangkat lunak di mana model bahasa bekerja pada codebase dalam sebuah loop: membaca file, mengeditnya, menjalankan perintah seperti tes, membaca output, dan memutuskan langkah berikutnya sampai tugas selesai atau batas tercapai.

[API kompatibel OpenAI](https://broadrouter.com/id/glossary/openai-compatible-api/)

API kompatibel OpenAI adalah API HTTP yang menerima format permintaan dan respons yang sama dengan API OpenAI, seperti POST /v1/chat/completions, sehingga SDK dan tool OpenAI bisa memakainya hanya dengan mengganti base URL, kunci API, dan nama model.

## Pertanyaan umum

### Apakah token penalaran ditagih sebagai input atau output?

Sebagai output. Token ini dihasilkan oleh model, dilaporkan di dalam completion\_tokens, dan ditagih dengan harga output per 1 juta token.

### Bisakah penalaran dimatikan sepenuhnya?

Tergantung modelnya. OpenAI mendokumentasikan nilai effort yang bisa mencakup none atau minimal di beberapa model. Di BroadNet, setel reasoning\_effort ke low, atau gunakan Gemma 4 VL 26B, yang tidak dicantumkan BroadNet sebagai model penalaran.

### Apakah max\_tokens yang rendah menghemat biaya di model penalaran?

Hanya sebagian. Itu membatasi tagihan, tetapi jika penalaran menghabiskan seluruh anggaran, Anda membayar proses berpikirnya dan mendapat jawaban kosong. Sebaiknya turunkan effort-nya, dan pertahankan max\_tokens di 1.000 atau lebih.

### Apakah saya bisa melihat teks penalarannya?

Biasanya tidak di field content. Blok usage melaporkan berapa token penalaran yang dipakai, jika model melaporkannya, di completion\_tokens\_details.reasoning\_tokens.

## Baca juga

-   [Harga API LLM: input, input cache, output, dan token penalaran](https://broadrouter.com/id/blog/llm-api-pricing-explained/)
-   [10 cara menekan biaya LLM agen coding, lengkap dengan estimasi hemat](https://broadrouter.com/id/blog/cut-coding-agent-llm-costs/)
-   [API LLM harga tetap vs bayar per token: hitungan titik impas](https://broadrouter.com/id/blog/flat-rate-vs-pay-per-token-llm-api/)
-   [Perubahan harga API LLM Oktober 2026: 3 kenaikan, tanpa penurunan](https://broadrouter.com/id/blog/llm-api-price-changes-october-2026/)
-   [Seberapa sering harga API LLM berubah? Arsip halaman harga 3 tahun](https://broadrouter.com/id/blog/how-often-llm-api-prices-change/)
-   [Panduan: Kenapa model reasoning mengembalikan jawaban kosong](https://broadrouter.com/id/guides/reasoning-tokens-empty-response/)
-   [Panduan: Streaming chat completions dan menangani koneksi terputus](https://broadrouter.com/id/guides/streaming-chat-completions/)

Coba dengan beban kerja Anda yang sebenarnya. Akun baru mendapat kredit US$5 untuk Gemma dan transkripsi. DeepSeek, GLM, dan Qwen3.8 memerlukan top up.

[Mulai](https://inference.broadnet.ai/account/?utm_source=broadrouter&utm_medium=referral&utm_campaign=id-blog-reasoning-tokens-cost&utm_content=page-cta) ·

**Sumber**

-   [Referensi API BroadNet Inference, penalaran dan token cache (dicek 2026-11-15) (bahasa Inggris)](https://inference.broadnet.ai/docs?utm_source=broadrouter&utm_medium=referral&utm_campaign=id-blog-reasoning-tokens-cost&utm_content=sources#models)
-   [Harga BroadNet Inference yang dapat dibaca mesin (pricing.json) (dicek 2026-11-15) (bahasa Inggris)](https://inference.broadnet.ai/pricing.json?utm_source=broadrouter&utm_medium=referral&utm_campaign=id-blog-reasoning-tokens-cost&utm_content=sources)
-   [Panduan penalaran OpenAI, penagihan, nilai effort, dan max\_output\_tokens (dicek 2026-11-14)](https://developers.openai.com/api/docs/guides/reasoning)
