BroadRouter

Akıl yürütme token'ları: neden gördüğünüzden fazla çıktı ödersiniz

BroadNet Inference ekibi · 4 dk okuma · Yayımlandı · Güncellendi

Akıl yürütme modeli yanıtından önce gizli bir düşünme metni yazar ve bu akıl yürütme token'ları çıktı fiyatından faturalandırılır. 200 token'lık bir yanıtın arkasında 1.000 veya daha fazla token düşünme olabilir. BroadNet Inference'ta DeepSeek V4.1 Flash, GLM 5.3 ve Qwen3.8 27B akıl yürütür. Maliyeti reasoning_effort değerini low yaparak, makul bir max_tokens ile ve basit adımlarda akıl yürütmeyen bir modelle düşürün.

Kısa bir soru gönderiyorsunuz, iki satırlık bir yanıt alıyorsunuz ve fatura 1.400 çıktı token’ı gösteriyor. Bir sorun yok. Model yanıt vermeden önce düşündü ve düşünme faturalandırıldı. Bu yazı akıl yürütme token’larının nasıl sayıldığını, her modelde neye mal olduğunu ve onları kontrol eden dört ayarı anlatıyor.

Akıl yürütme token’ları nedir?

Akıl yürütme modeli önce içsel bir düşünce zinciri, ardından görünür yanıtı yazar. İkisi de aynı üretimden çıkar. Düşünme, akıl yürütme token’larından oluşur. Standart chat completions yanıtında cevap message.content içindedir; düşünme ise gösterilmez, yalnızca sayılır.

OpenAI’ın akıl yürütme rehberi kuralı açıkça belirtiyor: akıl yürütme token’ları “still occupy space in the model’s context window and are billed as” (BroadRouter çevirisi: “yine de modelin bağlam penceresinde yer kaplar ve … olarak faturalandırılır”) çıktı token’ları. Diğer sağlayıcılar da aynı kuralı izliyor.

Akıl yürütme token’ları nasıl faturalandırılır?

completion_tokens içinde yer alırlar; bu yüzden çıktı fiyatını öderler. Çıktı ise pahalı sayaçtır:

Model Önce akıl yürütür 1M başına çıktı 1M başına girdi
DeepSeek V4.1 Flash Evet $0.52 $0.175
GLM 5.3 Evet $3.46 $0.78
Qwen3.8 27B Evet $2.17 $0.175
Gemma 4 VL 26B Listelenmemiş $0.22 $0.10

Fiyatlar BroadNet Inference’ındır; 2026-11-14 tarihinde eşitlendi. Diğer sağlayıcıların aynı modeller için ne aldığı LLM API fiyat tablosunda; örneğin sağlayıcılara göre GLM 5.3.

Akıl yürütme bir faturaya ne kadar ekleyebilir?

Tek kelimelik bir etiket döndüren, yaklaşık 10 görünür token’lık bir sınıflandırıcıyı ele alalım. Model önce 1.000 token düşünürse çıktı faturasının %99’u düşünmedir.

Ölçekte: her biri 1.000 akıl yürütme token’ı içeren 1.000 yanıt, 1M çıktı token’ı ekler. Bu, görünür yanıtların üzerine DeepSeek V4.1 Flash’ta $0.52, Qwen3.8 27B’de $2.17 ve GLM 5.3’te $3.46 tutar.

Miktar göreve göre değişir. Zor matematik veya çok dosyalı kod üzerinde akıl yürütme binlerce token sürebilir. Bir selamlaşma neredeyse hiç gerektirmeyebilir. Bu yüzden ölçersiniz.

Akıl yürütme token’ları nasıl ölçülür?

Model sayıyı sağlıyorsa usage bloğu bunu raporlar:

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))

Bunu bir hafta boyunca görev türüne göre loglayın. Genellikle düşünmenin çoğundan birkaç görevin sorumlu olduğunu görürsünüz. Akışta stream_options: {"include_usage": true} ekleyin; sayılar son parçada gelir (akış rehberi).

Akıl yürütme maliyetini kontrol etmenin dört yolu

1. Basit görevlerde reasoning_effort değerini düşürün

reasoning_effort, modelden daha az düşünmesini ister. BroadNet’in rehberleri sınıflandırma, bilgi çıkarma ve biçimlendirme için low kullanıyor:

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

OpenAI kendi modellerinde daha geniş bir değer aralığı belgeliyor: none ve minimal’dan başlayıp low, medium ve high üzerinden xhigh ve max’a kadar; ayrıca “some models support only a subset” (BroadRouter çevirisi: “bazı modeller bunların yalnızca bir kısmını destekler”) notunu düşüyor. Modelinizin hangi değerleri kabul ettiğini kontrol edin ve aynı örneklerde öncesi ve sonrası çıktı token’larını karşılaştırın.

2. max_tokens değerini sıkıştırma aracı olarak değil, tavan olarak kullanın

max_tokens, akıl yürütme ile yanıtı birlikte sınırlar. Kontrolden çıkan bir yanıtı durdurur; ancak çok düşük ayarlarsanız model bütçenin tamamını düşünmeye harcayıp finish_reason: "length" ile boş bir yanıt döndürebilir. O düşünmenin parasını ödersiniz ve yine de yeniden denemeniz gerekir. BroadNet, akıl yürütme modelleri için 1.000 token veya üzerini öneriyor. Akıl yürütme modeli neden boş yanıt döndürür.

3. Kolay adımları akıl yürütmeyen bir modele yönlendirin

Her adım düşünme gerektirmez. JSON biçimlendirme, alan adlarını değiştirme veya SSS aramalarını yanıtlama gibi işler, BroadNet’in akıl yürütme listelemediği ve 1M çıktı başına $0.22 tutan Gemma 4 VL 26B’ye gidebilir. Akıl yürütme modellerini planlama, hata ayıklama ve çok adımlı yanıtlar için saklayın. Yönlendirmeden önce kaliteyi kendi örneklerinizde test edin.

4. İstemlerden “adım adım düşün” ifadesini çıkarın

Akıl yürütme modelleri zaten düşünür. Bunun üstüne görünür, adım adım bir akıl yürütme istemek, modelin bunu iki kez yazmasına yol açar: bir kez gizli, bir kez yanıtta. Nihai yanıtı ihtiyacınız olan biçimde isteyin.

Hangi görev için hangi ayarı kullanmalısınız?

Görev Akıl yürütme düzeyi max_tokens Model önerisi
Sınıflandırma, yönlendirme low 1.000 Gemma 4 VL 26B veya DeepSeek V4.1 Flash
JSON’a bilgi çıkarma low 1.000 ila 2.000 DeepSeek V4.1 Flash, yapılandırılmış çıktı için GLM 5.3
Müşteri yanıtı taslağı low veya varsayılan 2.000 DeepSeek V4.1 Flash
Hata ayıklama, planlama, kod incelemesi varsayılan veya daha yüksek 8.000 veya ayarlanmamış DeepSeek V4.1 Flash veya GLM 5.3

Bunlar başlangıç noktalarıdır. Çıktı token’larını ve kaliteyi kendi verilerinizde ölçün, sonra ayarlayın.

Akıl yürütme ne zaman ek maliyet getirmez?

Sabit fiyatlı bir planda. BroadNet’in Full Moon planı, token sayacı olmayan sınırsız DeepSeek V4.1 Flash için oturum başına ayda $60 tutar; bu yüzden akıl yürütme token’larının token başına maliyeti yoktur. Yine de zaman alırlar: saniyede yaklaşık 100 token tipik hızında her akıl yürütme token’ı yanıt başlamadan önce üretilir, bu yüzden uzun düşünme yanıtı geciktirir. Sabit fiyatlı plan token başına ödemeyi ne zaman geçer ve bir kodlama ajanının faturasını düşürmenin on yolu daha.

BroadNet Inference nereye uyuyor?

BroadNet, https://inference.broadnet.ai/v1 adresindeki tek bir OpenAI uyumlu anahtarla üç akıl yürütme modeli ve akıl yürütme listelenmemiş bir model sunuyor; kullanım her yanıtta raporlanıyor. Bu da göreve göre yönlendirmeyi ve farkı ölçmeyi kolaylaştırıyor. Görünür bir akıl yürütme özeti olan kapalı bir modele ihtiyacınız varsa o sağlayıcının API’sini kullanın; BroadNet’in sohbet kataloğunda kapalı model yok. Planlara bakın.

Sık sorulan sorular

Akıl yürütme token'ları girdi olarak mı, çıktı olarak mı ücretlendirilir?

Çıktı olarak. Model tarafından üretilirler, completion_tokens içinde raporlanırlar ve 1M token başına çıktı fiyatından faturalandırılırlar.

Akıl yürütmeyi tamamen kapatabilir miyim?

Modele bağlı. OpenAI, bazı modellerde none veya minimal içerebilen effort değerleri belgeliyor. BroadNet'te reasoning_effort değerini low yapın ya da BroadNet'in akıl yürütme listelemediği Gemma 4 VL 26B'yi kullanın.

Düşük bir max_tokens akıl yürütme modellerinde tasarruf sağlar mı?

Yalnızca kısmen. Faturaya tavan koyar; ancak akıl yürütme bütçenin tamamını kullanırsa düşünmenin parasını ödersiniz ve boş bir yanıt alırsınız. Bunun yerine akıl yürütme düzeyini düşürün ve max_tokens değerini 1.000 veya üzerinde tutun.

Akıl yürütme metnini görebilir miyim?

Genellikle content alanında göremezsiniz. Model bu sayıyı raporluyorsa, usage bloğu kaç akıl yürütme token'ı kullanıldığını completion_tokens_details.reasoning_tokens içinde bildirir.

Markdown olarak okuChatGPT asistanına sorClaude asistanına sorPerplexity asistanına sor