---
title: "Respons LLM kosong? Token reasoning dan max_tokens | BroadRouter"
description: "DeepSeek V4.1 Flash, GLM 5.3, dan Qwen3.8 27B bernalar sebelum menjawab, dan penalaran itu ikut dihitung dalam max_tokens. Begini cara agar balasan tidak kosong."
url: https://broadrouter.com/id/guides/reasoning-tokens-empty-response/
lang: id
updated: 2026-11-16
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/guides/reasoning-tokens-empty-response/) (diperbarui 2026-11-16).

# Kenapa model reasoning mengembalikan jawaban kosong

Diperbarui 2026-11-16

Model menghabiskan seluruh anggaran max\_tokens untuk bernalar sebelum mulai menulis jawaban yang terlihat. Di BroadNet Inference, DeepSeek V4.1 Flash, GLM 5.3, dan Qwen3.8 27B bernalar lebih dulu, dan penalaran ikut dihitung dalam max\_tokens. Beri ruang 1.000 token atau lebih, atau atur reasoning\_effort ke low.

Anda mengirim prompt pendek dengan `max_tokens: 100`, permintaannya berhasil, tetapi `choices[0].message.content` kosong. Tidak ada yang rusak: jawabannya memang belum sempat dimulai.

## Apa yang terjadi

Model reasoning menulis rantai pemikiran tersembunyi sebelum jawaban yang terlihat. Keduanya berbagi satu anggaran `max_tokens`. Jika batasnya kecil, penalaran menghabiskan semuanya, dan dalam format chat completions standar `finish_reason` lalu bernilai `length`.

## Tiga solusi

**1\. Beri ruang.** Atur `max_tokens` ke 1.000 atau lebih, sesuai saran dokumentasi BroadNet. [Kalkulator max\_tokens untuk model reasoning](https://broadrouter.com/tools/reasoning-token-budget/) menghitung batas untuk panjang jawaban Anda dan menampilkan biayanya.

**2\. Kurangi penalaran.** Atur `reasoning_effort` ke `low` untuk tugas sederhana:

```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\. Pantau usage.** Jika model melaporkannya, `usage.completion_tokens_details.reasoning_tokens` menunjukkan berapa banyak yang terpakai untuk penalaran:

```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")
```

Pada streaming, tambahkan `stream_options={"include_usage": True}` dan usage yang sama akan datang di chunk terakhir. Lihat [streaming chat completions](https://broadrouter.com/id/guides/streaming-chat-completions/).

## Model mana yang bernalar

| Model | Bernalar lebih dulu |
| --- | --- |
| DeepSeek V4.1 Flash (`broadnet/deepseek-v4.1-flash`) | Ya |
| GLM 5.3 (`broadnet/glm-5.3`) | Ya |
| Qwen3.8 27B (`broadnet/qwen3.8-27b`) | Ya |
| BroadNet Gemma 4 VL 26B (`broadnet/gemma-4-26b-a4b`) | Tidak dicantumkan |

## Pemecahan masalah

-   **`content` kosong, `finish_reason` bernilai `length`.** Naikkan `max_tokens` atau atur `reasoning_effort` ke `low`.
-   **`content` kosong, `finish_reason` bernilai `stop`.** Penyebabnya bukan batas token. Periksa prompt Anda dan cetak respons lengkapnya untuk melihat apa yang dikembalikan.
-   **`AttributeError` pada `completion_tokens_details`.** Model tidak melaporkan rinciannya untuk permintaan itu; tangani kemungkinan `None` seperti pada contoh di atas.
-   **Token pertama lambat pada streaming.** Model sedang bernalar sebelum menulis jawaban. `reasoning_effort` yang lebih rendah bisa mempersingkat tunggu.

Jika Anda menjalankan agen seharian, token reasoning menumpuk pada bayar sesuai pemakaian. [Kalkulator harga BroadNet](https://broadrouter.com/id/pricing/) menunjukkan kapan [paket unlimited](https://broadrouter.com/id/guides/unlimited-llm-api-sessions/) dengan harga tetap jadi lebih murah.

## Istilah dalam panduan ini

[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.

[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.

[Chat Completions API](https://broadrouter.com/id/glossary/chat-completions-api/)

Chat Completions API adalah endpoint HTTP milik OpenAI, POST /v1/chat/completions, yang menerima nama model dan daftar pesan bertanda peran lalu mengembalikan pesan berikutnya dari model. Bentuk request dan response-nya menjadi format umum yang dipakai ulang oleh penyedia dan SDK yang kompatibel dengan OpenAI.

[Bayar sesuai pemakaian (pay-as-you-go)](https://broadrouter.com/id/glossary/pay-as-you-go/)

Bayar sesuai pemakaian (pay-as-you-go) adalah model harga di mana Anda hanya membayar yang Anda pakai, dihitung per satuan seperti token, permintaan, atau menit audio, tanpa langganan atau komitmen minimum. Sebagian besar API LLM menagih dengan cara ini, dari saldo prabayar atau tagihan berkala.

[Chain-of-thought (CoT)](https://broadrouter.com/id/glossary/chain-of-thought/)

Chain-of-thought (CoT) adalah teknik prompting di mana model bahasa diberi contoh atau diminta menuliskan langkah-langkah penalaran perantara sebelum jawaban akhirnya. Teknik ini meningkatkan akurasi pada soal multi-langkah seperti aritmetika dan logika, dan model penalaran kini menghasilkannya secara otomatis.

[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.

[max\_tokens](https://broadrouter.com/id/glossary/max-tokens/)

max\_tokens adalah parameter API LLM yang menetapkan jumlah token maksimum yang boleh dihasilkan model dalam satu respons. Saat generasi mencapai batas itu, proses berhenti dan respons ditandai terpotong, misalnya dengan finish\_reason bernilai "length".

[Tool calling (function calling)](https://broadrouter.com/id/glossary/tool-calling/)

Tool calling, disebut juga function calling, adalah fitur API LLM di mana model mengembalikan permintaan terstruktur untuk menjalankan fungsi yang didefinisikan developer, lengkap dengan argumen JSON. Aplikasi yang menjalankan fungsi itu dan mengirim hasilnya kembali; model tidak pernah menjalankan kode sendiri.

## Pertanyaan umum

### Apakah penalaran model dikenai biaya?

Pada bayar sesuai pemakaian, penalaran dilaporkan di dalam completion tokens, yang ditagih dengan harga output. Pada paket unlimited untuk DeepSeek V4.1 Flash tidak ada meteran token, jadi tidak ada biaya tambahan.

### Apakah BroadNet Gemma 4 VL 26B bernalar?

Dokumentasi BroadNet mencantumkan reasoning untuk DeepSeek V4.1 Flash, GLM 5.3, dan Qwen3.8 27B, tidak untuk Gemma 4 VL 26B.

### Kenapa isi pesan kosong saat finish\_reason bernilai length?

Anggaran token habis sebelum jawaban yang terlihat dimulai. Model reasoning menulis penalarannya lebih dulu, dan token itu ikut dihitung dalam max\_tokens. Naikkan max\_tokens ke 1.000 atau lebih, atau turunkan reasoning\_effort.

### Apa fungsi reasoning\_effort low?

Opsi ini meminta model bernalar lebih sedikit sebelum menjawab. Dokumentasi BroadNet menyarankannya sebagai alternatif max\_tokens yang lebih besar ketika batas yang pendek membuat jawaban kosong. Pakai untuk tugas sederhana seperti klasifikasi atau ekstraksi.

### Bagaimana cara melihat berapa token yang dipakai untuk penalaran?

Baca usage.completion\_tokens\_details.reasoning\_tokens di respons, jika model melaporkannya. Pada streaming, kirim stream\_options dengan include\_usage true lalu baca nilainya dari chunk terakhir.

## Panduan terkait

-   [Memakai OpenAI Python SDK dengan BroadNet Inference](https://broadrouter.com/id/guides/openai-python-sdk/)
-   [Streaming chat completions dan menangani koneksi terputus](https://broadrouter.com/id/guides/streaming-chat-completions/)
-   [Kode error BroadNet Inference dan kapan harus mencoba ulang](https://broadrouter.com/id/guides/errors-and-retries/)

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

**Sumber**

-   [Referensi API BroadNet Inference, token reasoning dan token cache (diperiksa 2026-11-16) (bahasa Inggris)](https://inference.broadnet.ai/docs?utm_source=broadrouter&utm_medium=referral&utm_campaign=id-guides-reasoning-tokens-empty-response&utm_content=sources#models)
