---
title: "Token suy luận là gì? Tính phí, giới hạn, câu trả lời rỗng"
description: "Token suy luận là phần model suy luận viết ra khi “suy nghĩ” trước khi trả lời. Cách tính phí, cách chúng tính vào max_tokens và cách kiểm soát chúng."
url: https://broadrouter.com/vi/glossary/reasoning-tokens/
lang: vi
updated: 2026-11-14
publisher: BroadRouter (a BroadNet site); API by BroadNet Inference, https://inference.broadnet.ai
---

Được dịch từ tiếng Anh với sự hỗ trợ của AI. [Đọc bản gốc tiếng Anh](https://broadrouter.com/glossary/reasoning-tokens/) (cập nhật ngày 2026-11-14).

# Token suy luận (reasoning tokens)

Cập nhật 2026-11-14

Token suy luận (reasoning tokens) là token mà model suy luận sinh ra để giải quyết vấn đề trước khi viết câu trả lời hiển thị. Chúng thường được tính phí như token đầu ra, tính vào giới hạn đầu ra và context window, và có thể bị API ẩn đi hoặc tóm tắt.

Còn gọi là: token suy luận, token suy nghĩ, reasoning tokens, thinking tokens, chain-of-thought tokens, reasoning effort, extended thinking

Model suy luận suy nghĩ trước khi trả lời. Phần suy nghĩ đó cũng là văn bản, nên nó tốn token, thời gian và chỗ trong context window.

## Cách hoạt động

Model suy luận sinh ra một chuỗi suy nghĩ nội bộ (chain of thought), rồi mới đến câu trả lời hiển thị. Cả hai đều lấy từ cùng một ngân sách đầu ra. Hướng dẫn của OpenAI cho biết token suy luận “are billed as output tokens” (Bản dịch: được tính phí như token đầu ra) và chiếm chỗ trong context window; Anthropic nói điều tương tự về thinking token và gọi chúng là “a subset of your `max_tokens`.” (Bản dịch: một phần của `max_tokens`).

Ở định dạng Chat Completions, số lượng này xuất hiện trong usage:

```json
"usage": {
  "completion_tokens": 1186,
  "completion_tokens_details": { "reasoning_tokens": 1024 }
}
```

Ở đây, 1.024 trong 1.186 token đầu ra dành cho việc suy nghĩ, chỉ 162 token cho câu trả lời. OpenAI cảnh báo rằng một phản hồi có thể chạm giới hạn “before any visible output tokens are produced,” (Bản dịch: trước khi bất kỳ token đầu ra hiển thị nào được tạo ra), nên bạn trả tiền cho đầu vào và phần suy luận mà không nhận được câu trả lời. OpenAI khuyên nên dành ít nhất 25.000 token cho suy luận và đầu ra khi bắt đầu thử nghiệm các model của họ.

Nhiều API có tham số như `reasoning_effort` (`low`, `medium`, `high`) để đổi một chút chất lượng lấy ít token suy nghĩ hơn.

## Vì sao quan trọng

-   **Chi phí.** Với key tính theo token, phần suy luận bị tính theo giá đầu ra, thường là mức giá cao nhất. Xem [token đầu vào và đầu ra](https://broadrouter.com/vi/glossary/input-and-output-tokens/).
-   **Độ trễ.** Việc suy nghĩ tốn thời gian trước khi token hiển thị đầu tiên xuất hiện. Với cùng một tốc độ [token mỗi giây](https://broadrouter.com/vi/glossary/tokens-per-second/), 2.000 token suy luận cộng thêm đúng thời gian sinh 2.000 token đầu ra.
-   **Độ ổn định.** Một giá trị [`max_tokens`](https://broadrouter.com/vi/glossary/max-tokens/) nhỏ vốn chạy tốt với model không suy luận có thể trả về câu trả lời rỗng với model suy luận.

## Trên BroadNet Inference

[DeepSeek V4.1 Flash](https://broadrouter.com/vi/models/deepseek-v4.1-flash/), [GLM 5.3](https://broadrouter.com/vi/models/glm-5.3/) và [Qwen3.8 27B](https://broadrouter.com/vi/models/qwen3.8-27b/) suy luận trước khi trả lời. Tài liệu của BroadNet cho biết phần suy luận được tính vào `max_tokens`. Tài liệu của BroadNet không ghi khả năng suy luận cho BroadNet Gemma 4 VL 26B.

Khi model có báo cáo, `usage.completion_tokens_details.reasoning_tokens` cho biết phần dành cho suy nghĩ. Hãy đặt `max_tokens` từ 1.000 trở lên hoặc bỏ trống, và dùng `reasoning_effort="low"` cho các bước đơn giản:

```python
client.chat.completions.create(
    model="broadnet/deepseek-v4.1-flash",
    reasoning_effort="low",
    max_tokens=1000,
    messages=[{"role": "user", "content": "Classify: 'refund my order'"}],
)
```

Với hình thức trả theo mức dùng, phần suy luận được tính theo giá đầu ra, ví dụ $0.52 cho 1 triệu token trên DeepSeek V4.1 Flash. Với gói không giới hạn cho model này thì không có đồng hồ đo token, nên suy luận không tốn thêm tiền mà chỉ tốn thời gian. Danh sách cách khắc phục đầy đủ có trong [vì sao model suy luận trả về câu trả lời rỗng](https://broadrouter.com/vi/guides/reasoning-tokens-empty-response/).

## Câu hỏi thường gặp

### Tôi có xem được token suy luận không?

Tùy API. OpenAI cho biết token suy luận không hiển thị qua API của họ nhưng có thể được tóm tắt. Các nhà cung cấp khác trả về một phần hoặc toàn bộ phần suy luận trong một trường riêng. Dù thế nào bạn vẫn bị tính phí cho chúng.

### Làm sao để giảm token suy luận?

Với tác vụ đơn giản, hãy dùng mức suy luận thấp hơn, ví dụ đặt reasoning\_effort là low, nếu model hỗ trợ. Prompt rõ ràng, cụ thể cũng giúp ích.

### Vì sao model suy luận trả về câu trả lời rỗng?

Nhiều khả năng model đã dùng hết ngân sách đầu ra cho phần suy luận. Khi đó finish\_reason là length. Hãy tăng max\_tokens hoặc giảm mức suy luận.

## Xem thêm

-   [max\_tokens (giới hạn token đầu ra)](https://broadrouter.com/vi/glossary/max-tokens/) (thuật ngữ)
-   [Token đầu vào và đầu ra (input and output tokens)](https://broadrouter.com/vi/glossary/input-and-output-tokens/) (thuật ngữ)
-   [Context window (cửa sổ ngữ cảnh)](https://broadrouter.com/vi/glossary/context-window/) (thuật ngữ)
-   [Số token mỗi giây (tokens per second, TPS)](https://broadrouter.com/vi/glossary/tokens-per-second/) (thuật ngữ)
-   [Chain-of-thought (CoT)](https://broadrouter.com/vi/glossary/chain-of-thought/) (thuật ngữ)
-   [Vì sao model suy luận trả về câu trả lời rỗng](https://broadrouter.com/vi/guides/reasoning-tokens-empty-response/) (hướng dẫn)
-   [Streaming chat completions và xử lý khi mất kết nối](https://broadrouter.com/vi/guides/streaming-chat-completions/) (hướng dẫn)
-   [Chuyển sang API tương thích OpenAI: checklist khi chuyển đổi](https://broadrouter.com/vi/blog/openai-compatible-api-migration-checklist/) (bài viết)
-   [API LLM giá cố định hay trả theo token: phép tính hòa vốn](https://broadrouter.com/vi/blog/flat-rate-vs-pay-per-token-llm-api/) (bài viết)

Hãy thử với khối lượng công việc thực tế của bạn. Tài khoản mới được tặng US$5 tín dụng ban đầu cho Gemma và chuyển giọng nói thành văn bản. DeepSeek, GLM và Qwen3.8 cần nạp tiền.

[Bắt đầu](https://inference.broadnet.ai/account/?utm_source=broadrouter&utm_medium=referral&utm_campaign=vi-glossary-reasoning-tokens&utm_content=page-cta) ·

**Nguồn**

-   [OpenAI, hướng dẫn về model suy luận](https://developers.openai.com/api/docs/guides/reasoning)
-   [Anthropic, context window khi dùng thinking](https://platform.claude.com/docs/en/build-with-claude/context-windows)
-   [Tài liệu tham chiếu API BroadNet Inference, token suy luận và token cache (tiếng Anh)](https://inference.broadnet.ai/docs?utm_source=broadrouter&utm_medium=referral&utm_campaign=vi-glossary-reasoning-tokens&utm_content=sources#models)
