---
title: "Costo dei token di ragionamento: perché l’output sale"
description: "Il ragionamento nascosto si paga come output. Come misurarlo, quanto costa per modello e come ridurlo con reasoning_effort, max_tokens e routing."
url: https://broadrouter.com/it/blog/reasoning-tokens-cost/
lang: it
updated: 2026-11-14
publisher: BroadRouter (a BroadNet site); API by BroadNet Inference, https://inference.broadnet.ai
---

Tradotto dall’inglese con l’aiuto dell’IA. [Leggi l’originale in inglese](https://broadrouter.com/blog/reasoning-tokens-cost/) (aggiornato il 2026-11-16).

# Token di ragionamento: perché paghi più output di quanto ne vedi

A cura del team di BroadNet Inference · 4 min di lettura · Pubblicato 2026-11-14 · Aggiornato 2026-11-16

Un modello di ragionamento scrive un ragionamento nascosto prima della risposta, e quei token di ragionamento si pagano al prezzo dell’output. Una risposta da 200 token può portarsi dietro 1.000 o più token di ragionamento. Su BroadNet Inference ragionano DeepSeek V4.1 Flash, GLM 5.3 e Qwen3.8 27B. Riduci il costo con reasoning\_effort impostato a low, un max\_tokens ragionevole e un modello senza ragionamento per i passaggi semplici.

## Punti chiave

-   I token di ragionamento rientrano in completion\_tokens e si pagano al prezzo dell’output, anche se non li vedi mai.
-   1.000 risposte con 1.000 token di ragionamento ciascuna aggiungono 1M di token di output: $0.52 su DeepSeek V4.1 Flash, $3.46 su GLM 5.3.
-   Leggi usage.completion\_tokens\_details.reasoning\_tokens per misurare la quota della bolletta che va al ragionamento.
-   Imposta reasoning\_effort a low per i compiti semplici, tieni max\_tokens abbastanza alto da finire e manda i passaggi facili a un modello che non ragiona.
-   Con un piano illimitato DeepSeek V4.1 Flash, il ragionamento non ha costo in token.

**In questa pagina**

1.  Cosa sono i token di ragionamento?
2.  Come si pagano i token di ragionamento?
3.  Quanto può aggiungere il ragionamento a una bolletta?
4.  Come si misurano i token di ragionamento?
5.  Quattro modi per controllare il costo del ragionamento
6.  Quale impostazione usare per quale compito?
7.  Quando il ragionamento smette di costare di più?
8.  Dove si colloca BroadNet Inference

Invii una domanda breve, ricevi una risposta di due righe e la bolletta mostra 1.400 token di output. Non c’è nessun errore. Il modello ha ragionato prima di rispondere, e il ragionamento è stato fatturato. Questo articolo spiega come si contano i token di ragionamento, quanto costano su ciascun modello e le quattro impostazioni che li controllano.

## Cosa sono i token di ragionamento?

Un modello di ragionamento scrive una catena di pensiero interna, poi la risposta visibile. Entrambe escono dalla stessa generazione. Il ragionamento è fatto di [token di ragionamento](https://broadrouter.com/it/glossary/reasoning-tokens/). Nella risposta standard di chat completions la risposta sta in `message.content`, mentre il ragionamento viene contato, non mostrato.

La guida al ragionamento di OpenAI enuncia la regola senza giri di parole: i token di ragionamento «still occupy space in the model’s context window and are billed as» output tokens (traduzione: occupano comunque spazio nella finestra di contesto del modello e sono fatturati come token di output). Gli altri provider seguono la stessa regola.

## Come si pagano i token di ragionamento?

Fanno parte di `completion_tokens`, quindi pagano il prezzo dell’output. E l’output è il contatore costoso:

| Modello | Ragiona prima | Output per 1M | Input per 1M |
| --- | --- | --- | --- |
| [DeepSeek V4.1 Flash](https://broadrouter.com/it/models/deepseek-v4.1-flash/) | Sì | $0.52 | $0.175 |
| [GLM 5.3](https://broadrouter.com/it/models/glm-5.3/) | Sì | $3.46 | $0.78 |
| [Qwen3.8 27B](https://broadrouter.com/it/models/qwen3.8-27b/) | Sì | $2.17 | $0.175 |
| [Gemma 4 VL 26B](https://broadrouter.com/it/models/gemma-4-vl-26b/) | Non indicato | $0.22 | $0.10 |

I prezzi sono quelli di BroadNet Inference, sincronizzati il 2026-11-14. Quanto fanno pagare altri host per gli stessi modelli è nella [tabella dei prezzi delle API LLM](https://broadrouter.com/it/llm-api-pricing/), per esempio [GLM 5.3 tra i vari provider](https://broadrouter.com/it/llm-api-pricing/glm-5.3/).

## Quanto può aggiungere il ragionamento a una bolletta?

Prendi un classificatore che restituisce un’etichetta di una parola, circa 10 token visibili. Se prima il modello ragiona per 1.000 token, il 99% della spesa di output è ragionamento.

Su larga scala: **1.000 risposte con 1.000 token di ragionamento ciascuna aggiungono 1M di token di output.** Costano $0.52 su DeepSeek V4.1 Flash, $2.17 su Qwen3.8 27B e $3.46 su GLM 5.3, in aggiunta alle risposte visibili.

La quantità cambia con il compito. La matematica difficile o il ragionamento su codice distribuito in più file possono arrivare a migliaia di token. Un saluto può non richiederne quasi nessuno. Per questo si misura.

## Come si misurano i token di ragionamento?

Il blocco usage li riporta quando il modello fornisce il conteggio:

```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))
```

Registra questi valori per tipo di compito per una settimana. Di solito scoprirai che pochi compiti sono responsabili della maggior parte del ragionamento. In streaming aggiungi `stream_options: {"include_usage": true}`; i conteggi arrivano nell’ultimo chunk ([guida allo streaming](https://broadrouter.com/it/guides/streaming-chat-completions/)).

## Quattro modi per controllare il costo del ragionamento

### 1\. Abbassa `reasoning_effort` per i compiti semplici

`reasoning_effort` chiede al modello di ragionare meno. Le guide di BroadNet usano `low` per classificazione, estrazione e formattazione:

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

OpenAI documenta una gamma più ampia di valori sui propri modelli, da `none` e `minimal` passando per `low`, `medium` e `high` fino a `xhigh` e `max`, e precisa che «some models support only a subset» (traduzione: alcuni modelli ne supportano solo una parte). Controlla quali valori accetta il tuo modello e confronta i token di output prima e dopo sugli stessi campioni.

### 2\. Usa `max_tokens` come tetto, non come morsa

[`max_tokens`](https://broadrouter.com/it/glossary/max-tokens/) limita insieme ragionamento e risposta. Ferma una risposta fuori controllo, ma se lo imposti troppo basso il modello può spendere tutto il budget a ragionare e restituire una risposta vuota con `finish_reason: "length"`. Paghi quel ragionamento e devi comunque ritentare. BroadNet suggerisce 1.000 token o più per i modelli di ragionamento. [Perché un modello di ragionamento restituisce una risposta vuota](https://broadrouter.com/it/guides/reasoning-tokens-empty-response/).

### 3\. Manda i passaggi facili a un modello che non ragiona

Non tutti i passaggi richiedono di pensare. Formattare JSON, rinominare campi o rispondere a ricerche nelle FAQ può andare a Gemma 4 VL 26B a $0.22 per 1M di output, per cui BroadNet non indica il ragionamento. Tieni i modelli di ragionamento per pianificazione, debug e risposte in più passaggi. Verifica la qualità sui tuoi campioni prima di fare routing.

### 4\. Togli «ragiona passo per passo» dai prompt

I modelli di ragionamento ragionano già. Chiedere in più un ragionamento passo per passo visibile li porta a scriverlo due volte: una nascosta, una nella risposta. Chiedi la risposta finale nel formato che ti serve.

## Quale impostazione usare per quale compito?

| Compito | Sforzo di ragionamento | max\_tokens | Modello suggerito |
| --- | --- | --- | --- |
| Classificazione, routing | low | 1.000 | Gemma 4 VL 26B o DeepSeek V4.1 Flash |
| Estrazione in JSON | low | da 1.000 a 2.000 | DeepSeek V4.1 Flash, GLM 5.3 per l’output strutturato |
| Bozze di risposta ai clienti | low o predefinito | 2.000 | DeepSeek V4.1 Flash |
| Debug, pianificazione, code review | predefinito o più alto | 8.000 o non impostato | DeepSeek V4.1 Flash o GLM 5.3 |

Sono punti di partenza. Misura token di output e qualità sui tuoi dati, poi regola.

## Quando il ragionamento smette di costare di più?

Con un piano flat. Il piano Full Moon di BroadNet costa $60 al mese per sessione per DeepSeek V4.1 Flash illimitato senza contatore di token, quindi i token di ragionamento non hanno un costo per token. Prendono comunque tempo: a una velocità tipica di circa 100 token al secondo, ogni token di ragionamento viene generato prima che inizi la risposta, quindi un ragionamento lungo ritarda la risposta. [Quando un piano flat batte il pagamento per token](https://broadrouter.com/it/blog/flat-rate-vs-pay-per-token-llm-api/), e [altri dieci modi per ridurre la bolletta di un agente di coding](https://broadrouter.com/it/blog/cut-coding-agent-llm-costs/).

## Dove si colloca BroadNet Inference

BroadNet esegue tre modelli di ragionamento e un modello senza ragionamento indicato su un’unica chiave [compatibile con OpenAI](https://broadrouter.com/it/glossary/openai-compatible-api/) su `https://inference.broadnet.ai/v1`, con l’utilizzo riportato in ogni risposta. Questo rende semplice fare routing per compito e misurare la differenza. Se ti serve un modello chiuso con un riepilogo visibile del ragionamento, usa l’API di quel vendor; il catalogo chat di BroadNet non ha modelli chiusi. [Vedi i piani](https://inference.broadnet.ai/plans?utm_source=broadrouter&utm_medium=referral&utm_campaign=it-blog-reasoning-tokens-cost&utm_content=body).

Strumenti gratuiti sul tema (in inglese)

-   [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.

[Strumenti gratuiti (in inglese)](https://broadrouter.com/tools/)

## Termini in questo articolo

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

Un token è l’unità di testo che un modello linguistico legge e scrive: una parola, una parte di parola, un segno di punteggiatura o una sequenza di byte prodotta dal tokenizer del modello. Le API LLM contano, limitano e di solito fatturano l’uso in token.

[Token di ragionamento (reasoning tokens)](https://broadrouter.com/it/glossary/reasoning-tokens/)

I token di ragionamento sono token che un modello di ragionamento genera per elaborare un problema prima di scrivere la risposta visibile. Di solito sono fatturati come token di output, contano nel limite di output e nella finestra di contesto, e l’API può nasconderli o riassumerli.

[Token di input e di output](https://broadrouter.com/it/glossary/input-and-output-tokens/)

I token di input sono quelli che un modello linguistico legge in una richiesta: system prompt, cronologia, definizioni degli strumenti e immagini. I token di output sono quelli che genera in risposta, ragionamento compreso. Le API LLM di solito li prezzano separatamente, e l’output costa di più.

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

Lo streaming è un modo di restituire la risposta di un modello linguistico in piccoli pezzi mentre viene ancora generata, invece che in un’unica risposta alla fine. Le API compatibili con OpenAI trasmettono in streaming tramite server-sent event quando la richiesta imposta stream a true.

[Finestra di contesto (context window)](https://broadrouter.com/it/glossary/context-window/)

La finestra di contesto è il numero massimo di token con cui un modello linguistico può lavorare in una singola richiesta. Comprende prompt, cronologia della conversazione, definizioni degli strumenti, immagini e output generato, token di ragionamento inclusi. Ciò che non ci sta va tagliato, riassunto o diviso su più richieste.

[Piano LLM flat (flat-rate)](https://broadrouter.com/it/glossary/flat-rate-llm-plan/)

Un piano LLM flat applica un prezzo fisso per un periodo, per esempio un mese, per accedere all’API di un modello linguistico invece di fatturare per token. Di solito questi piani limitano qualcos’altro, come concorrenza, velocità, modelli o finestre di utilizzo, quindi i limiti contano quanto il prezzo.

[Agente di coding AI (AI coding agent)](https://broadrouter.com/it/glossary/coding-agent/)

Un agente di coding AI è uno strumento software in cui un modello linguistico lavora su una codebase in un ciclo: legge file, li modifica, esegue comandi come i test, legge l’output e decide il passo successivo finché il compito è finito o si raggiunge un limite.

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

Il chain-of-thought (CoT, catena di pensiero) è una tecnica di prompting in cui a un modello linguistico si mostra o si chiede di scrivere i passaggi di ragionamento intermedi prima della risposta finale. Migliora l’accuratezza nei problemi a più passaggi, come aritmetica e logica, e i modelli di reasoning ora lo generano in automatico.

## Domande frequenti

### I token di ragionamento si pagano come input o come output?

Come output. Li genera il modello, sono riportati dentro completion\_tokens e si pagano al prezzo dell’output per 1M di token.

### Posso disattivare del tutto il ragionamento?

Dipende dal modello. OpenAI documenta valori di effort che su alcuni modelli possono includere none o minimal. Su BroadNet, imposta reasoning\_effort a low, oppure usa Gemma 4 VL 26B, per cui BroadNet non indica il ragionamento.

### Un max\_tokens basso fa risparmiare sui modelli di ragionamento?

Solo in parte. Mette un tetto alla spesa, ma se il ragionamento consuma tutto il budget paghi il ragionamento e ottieni una risposta vuota. Abbassa piuttosto lo sforzo, e tieni max\_tokens a 1.000 o più.

### Vedo il testo del ragionamento?

Di solito non nel campo content. Il blocco usage riporta quanti token di ragionamento sono stati usati, quando il modello lo indica, in completion\_tokens\_details.reasoning\_tokens.

## Continua a leggere

-   [Prezzi delle API LLM spiegati: input, cache, output e ragionamento](https://broadrouter.com/it/blog/llm-api-pricing-explained/)
-   [10 modi per ridurre i costi LLM degli agenti di coding, con i risparmi](https://broadrouter.com/it/blog/cut-coding-agent-llm-costs/)
-   [API LLM a tariffa flat o a consumo per token: i conti del pareggio](https://broadrouter.com/it/blog/flat-rate-vs-pay-per-token-llm-api/)
-   [Prezzi delle API LLM a ottobre 2026: 3 aumenti, nessun taglio](https://broadrouter.com/it/blog/llm-api-price-changes-october-2026/)
-   [Ogni quanto cambiano i prezzi delle API LLM? 3 anni di archivio](https://broadrouter.com/it/blog/how-often-llm-api-prices-change/)
-   [Guida: Perché un modello di ragionamento restituisce una risposta vuota](https://broadrouter.com/it/guides/reasoning-tokens-empty-response/)
-   [Guida: Streaming delle chat completions e connessioni interrotte](https://broadrouter.com/it/guides/streaming-chat-completions/)

Provalo sul tuo carico di lavoro reale. I nuovi account partono con USD 5 di credito per Gemma e trascrizione. DeepSeek, GLM e Qwen3.8 richiedono una ricarica.

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

**Fonti**

-   [Riferimento API di BroadNet Inference, ragionamento e token in cache (verifica del 2026-11-15) (in inglese)](https://inference.broadnet.ai/docs?utm_source=broadrouter&utm_medium=referral&utm_campaign=it-blog-reasoning-tokens-cost&utm_content=sources#models)
-   [Prezzi di BroadNet Inference in formato leggibile dalle macchine (pricing.json) (verifica del 2026-11-15) (in inglese)](https://inference.broadnet.ai/pricing.json?utm_source=broadrouter&utm_medium=referral&utm_campaign=it-blog-reasoning-tokens-cost&utm_content=sources)
-   [Guida al ragionamento di OpenAI, fatturazione, valori di effort e max\_output\_tokens (consultata il 2026-11-14)](https://developers.openai.com/api/docs/guides/reasoning)
