BroadRouter

Reasoning-Tokens: Warum Sie mehr Output zahlen, als Sie sehen

Vom Team von BroadNet Inference · 4 Min. Lesezeit · Veröffentlicht · Aktualisiert

Ein Reasoning-Modell schreibt vor seiner Antwort ein verstecktes Denken, und diese Reasoning-Tokens werden zum Output-Preis abgerechnet. Eine Antwort mit 200 Tokens kann 1.000 oder mehr Tokens Denken mitbringen. Bei BroadNet Inference arbeiten DeepSeek V4.1 Flash, GLM 5.3 und Qwen3.8 27B mit Reasoning. Senken Sie die Kosten mit reasoning_effort auf low, einem sinnvollen max_tokens und einem Modell ohne Reasoning für einfache Schritte.

Sie senden eine kurze Frage, erhalten eine zweizeilige Antwort, und die Rechnung zeigt 1.400 Output-Tokens. Nichts ist kaputt. Das Modell hat gedacht, bevor es geantwortet hat, und das Denken wurde abgerechnet. Dieser Beitrag erklärt, wie Reasoning-Tokens gezählt werden, was sie bei jedem Modell kosten und mit welchen vier Einstellungen Sie sie steuern.

Was sind Reasoning-Tokens?

Ein Reasoning-Modell schreibt eine interne Gedankenkette und dann die sichtbare Antwort. Beides entsteht in derselben Generierung. Das Denken besteht aus Reasoning-Tokens. In der Standardantwort von Chat Completions steht die Antwort in message.content, das Denken wird gezählt, aber nicht angezeigt.

Der Reasoning-Leitfaden von OpenAI formuliert die Regel klar: Reasoning-Tokens „still occupy space in the model’s context window and are billed as“ Output-Tokens (Übersetzung: belegen trotzdem Platz im Kontextfenster des Modells und werden abgerechnet als Output-Tokens). Andere Anbieter folgen derselben Regel.

Wie werden Reasoning-Tokens abgerechnet?

Sie sind Teil von completion_tokens und kosten daher den Output-Preis. Output ist der teure Zähler:

Modell Denkt zuerst Output pro 1 Mio. Input pro 1 Mio.
DeepSeek V4.1 Flash Ja $0.52 $0.175
GLM 5.3 Ja $3.46 $0.78
Qwen3.8 27B Ja $2.17 $0.175
Gemma 4 VL 26B Nicht angegeben $0.22 $0.10

Die Preise sind die von BroadNet Inference, synchronisiert am 2026-11-14. Was andere Hoster für dieselben Modelle verlangen, steht in der Preistabelle für LLM-APIs, zum Beispiel GLM 5.3 bei verschiedenen Anbietern.

Wie viel kann Reasoning zu einer Rechnung beitragen?

Nehmen Sie einen Klassifikator, der ein einzelnes Wort als Label liefert, etwa 10 sichtbare Tokens. Denkt das Modell zuvor 1.000 Tokens lang, entfallen 99 % der Output-Rechnung auf das Denken.

Hochgerechnet: 1.000 Antworten mit je 1.000 Reasoning-Tokens ergeben 1 Mio. zusätzliche Output-Tokens. Das kostet $0.52 bei DeepSeek V4.1 Flash, $2.17 bei Qwen3.8 27B und $3.46 bei GLM 5.3, zusätzlich zu den sichtbaren Antworten.

Die Menge hängt von der Aufgabe ab. Schwere Mathematik oder Code-Reasoning über mehrere Dateien kann Tausende Tokens erreichen. Eine Begrüßung braucht fast keine. Deshalb messen Sie.

Wie messen Sie Reasoning-Tokens?

Der Usage-Block meldet sie, wenn das Modell die Zahl liefert:

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))

Loggen Sie das eine Woche lang pro Aufgabentyp. Meist stellen Sie fest, dass wenige Aufgaben den Großteil des Denkens verursachen. Beim Streaming ergänzen Sie stream_options: {"include_usage": true}; die Zahlen kommen im letzten Chunk (Leitfaden zu Streaming).

Vier Wege, die Kosten von Reasoning zu steuern

1. reasoning_effort für einfache Aufgaben senken

reasoning_effort bittet das Modell, weniger zu denken. Die Leitfäden von BroadNet nutzen low für Klassifizierung, Extraktion und Formatierung:

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

OpenAI dokumentiert für die eigenen Modelle ein breiteres Spektrum an Werten, von none und minimal über low, medium und high bis xhigh und max, und merkt an, dass „some models support only a subset“ (Übersetzung: manche Modelle nur einen Teil davon unterstützen). Prüfen Sie, welche Werte Ihr Modell akzeptiert, und vergleichen Sie die Output-Tokens vorher und nachher an denselben Beispielen.

2. max_tokens als Obergrenze setzen, nicht als Zwangsjacke

max_tokens deckelt Reasoning und Antwort gemeinsam. Es stoppt eine ausufernde Antwort, aber wenn Sie es zu niedrig setzen, kann das Modell das ganze Budget mit Denken verbrauchen und eine leere Antwort mit finish_reason: "length" zurückgeben. Sie bezahlen dieses Denken und müssen trotzdem wiederholen. BroadNet empfiehlt für Reasoning-Modelle 1.000 Tokens oder mehr. Warum ein Reasoning-Modell eine leere Antwort liefert.

3. Leichte Schritte an ein Modell ohne Reasoning leiten

Nicht jeder Schritt braucht Nachdenken. JSON formatieren, Felder umbenennen oder FAQ-Nachschlagen kann an Gemma 4 VL 26B gehen, für $0.22 pro 1 Mio. Output-Tokens, für das BroadNet kein Reasoning führt. Behalten Sie die Reasoning-Modelle für Planung, Debugging und mehrstufige Antworten. Testen Sie die Qualität an Ihren eigenen Beispielen, bevor Sie routen.

4. „Denke Schritt für Schritt“ aus den Prompts streichen

Reasoning-Modelle denken bereits. Wer zusätzlich sichtbares Schritt-für-Schritt-Denken anfordert, lässt sie es zweimal schreiben: einmal versteckt, einmal in der Antwort. Fordern Sie die endgültige Antwort im benötigten Format an.

Welche Einstellung passt zu welcher Aufgabe?

Aufgabe Reasoning-Effort max_tokens Modellvorschlag
Klassifizierung, Routing low 1.000 Gemma 4 VL 26B oder DeepSeek V4.1 Flash
Extraktion nach JSON low 1.000 bis 2.000 DeepSeek V4.1 Flash, GLM 5.3 für strukturierte Ausgabe
Entwürfe für Kundenantworten low oder Standard 2.000 DeepSeek V4.1 Flash
Debugging, Planung, Code-Review Standard oder höher 8.000 oder nicht gesetzt DeepSeek V4.1 Flash oder GLM 5.3

Das sind Ausgangspunkte. Messen Sie Output-Tokens und Qualität an Ihren eigenen Daten und passen Sie dann an.

Wann kostet Reasoning nichts mehr extra?

Mit einer Flatrate. Der Plan Full Moon von BroadNet kostet $60 pro Monat und Session für unbegrenztes DeepSeek V4.1 Flash ohne Token-Zähler; Reasoning-Tokens verursachen also keine Kosten pro Token. Zeit kosten sie trotzdem: Bei einer typischen Geschwindigkeit von etwa 100 Tokens pro Sekunde wird jedes Reasoning-Token erzeugt, bevor die Antwort beginnt, langes Nachdenken verzögert also die Antwort. Wann eine Flatrate günstiger ist als die Abrechnung pro Token, und zehn weitere Wege, die Rechnung eines Coding-Agenten zu senken.

Wo BroadNet Inference passt

BroadNet betreibt drei Reasoning-Modelle und ein Modell ohne angegebenes Reasoning hinter einem OpenAI-kompatiblen Schlüssel unter https://inference.broadnet.ai/v1, mit Nutzungsangaben in jeder Antwort. So lässt sich einfach nach Aufgabe routen und der Unterschied messen. Brauchen Sie ein geschlossenes Modell mit sichtbarer Reasoning-Zusammenfassung, nutzen Sie die API dieses Herstellers; der Chat-Katalog von BroadNet enthält keine geschlossenen Modelle. Pläne ansehen.

Häufige Fragen

Werden Reasoning-Tokens als Input oder als Output abgerechnet?

Als Output. Sie werden vom Modell erzeugt, in completion_tokens ausgewiesen und zum Output-Preis pro 1 Mio. Tokens abgerechnet.

Kann ich Reasoning ganz abschalten?

Das hängt vom Modell ab. OpenAI dokumentiert Effort-Werte, die bei manchen Modellen none oder minimal umfassen können. Bei BroadNet setzen Sie reasoning_effort auf low oder nutzen Gemma 4 VL 26B, für das BroadNet kein Reasoning führt.

Spart ein niedriges max_tokens bei Reasoning-Modellen Geld?

Nur teilweise. Es deckelt die Rechnung, aber wenn das Reasoning das ganze Budget verbraucht, bezahlen Sie das Denken und erhalten eine leere Antwort. Senken Sie stattdessen den Effort und halten Sie max_tokens bei 1.000 oder mehr.

Sehe ich den Reasoning-Text?

Im Feld content normalerweise nicht. Der Usage-Block meldet, wie viele Reasoning-Tokens verbraucht wurden, sofern das Modell es angibt, in completion_tokens_details.reasoning_tokens.

Als Markdown lesenChatGPT fragenClaude fragenPerplexity fragen