---
title: "max_tokens en modelos de razonamiento: cómo presupuestar"
description: "Por qué los modelos de razonamiento devuelven respuestas vacías con un max_tokens bajo, y cómo fijarlo con percentiles, la ventana de contexto y reintentos."
url: https://broadrouter.com/es/blog/reasoning-model-max-tokens-budget/
lang: es
updated: 2026-11-15
publisher: BroadRouter (a BroadNet site); API by BroadNet Inference, https://inference.broadnet.ai
---

Traducido del inglés con ayuda de IA. [Lea el original en inglés](https://broadrouter.com/blog/reasoning-model-max-tokens-budget/) (actualizado el 2026-11-15).

# Cómo configurar max\_tokens en modelos de razonamiento: un método

Por el equipo de BroadNet Inference · 6 min de lectura · Publicado 2026-11-15

En un modelo de razonamiento, max\_tokens limita el razonamiento y la respuesta juntos, así que un límite ajustado puede cortar la respuesta antes de que aparezca texto visible. Mida el total de tokens de completion por tipo de tarea, fije max\_tokens en torno al percentil 95 más un 20 %, mantenga el prompt más max\_tokens dentro de la ventana de contexto y reintente las respuestas cortadas con el doble de presupuesto, hasta un tope fijo.

## Puntos clave

-   max\_tokens es un techo, no un cargo. Usted paga los tokens generados, así que un techo generoso no cuesta nada en las respuestas que terminan antes.
-   Lo que cuesta dinero es un techo ajustado: una respuesta cortada factura su razonamiento, no devuelve respuesta y hay que enviarla de nuevo.
-   Presupueste por tipo de tarea a partir de sus propios registros: el percentil 95 de los tokens de completion más un margen del 20 % es un buen punto de partida.
-   Los tokens del prompt más max\_tokens deben caber en la ventana de contexto: 262,144 tokens en Qwen3.8 27B, 1,048,576 en GLM 5.3 y DeepSeek V4.1 Flash.
-   Trate finish\_reason "length" como una señal: reintente con el doble de presupuesto o un reasoning\_effort menor, con un tope fijo.

**En esta página**

1.  ¿Por qué se agota el presupuesto antes de la respuesta?
2.  ¿Un max\_tokens mayor cuesta más?
3.  ¿Cómo se mide lo que necesita una tarea?
4.  ¿Cómo limita la ventana de contexto el presupuesto?
5.  ¿Qué hacer cuando una respuesta sigue cortándose?
6.  ¿Cómo cambia el panorama con streaming?
7.  ¿Qué nombre de parámetro debe enviar?
8.  Dónde encaja BroadNet Inference

Un modelo de razonamiento piensa antes de responder, y en la mayoría de las API compatibles con OpenAI ambas cosas salen de un mismo presupuesto: `max_tokens`. Si lo configura como para un modelo sin razonamiento, unos cientos de tokens para una respuesta corta, algunas respuestas vuelven vacías con `finish_reason: "length"`. La solución rápida está en [por qué un modelo de razonamiento devuelve una respuesta vacía](https://broadrouter.com/es/guides/reasoning-tokens-empty-response/). Este artículo explica el método para obtener un presupuesto fiable: medir, dimensionar a partir de percentiles, respetar la ventana de contexto y gestionar las respuestas que aun así se cortan.

Para saber cuánto cuesta el razonamiento y cómo reducirlo, consulte [tokens de razonamiento: por qué paga más salida de la que ve](https://broadrouter.com/es/blog/reasoning-tokens-cost/).

## ¿Por qué se agota el presupuesto antes de la respuesta?

El modelo genera en orden: primero su razonamiento, luego la respuesta visible. Cada token de ambos cuenta para `max_tokens`. La documentación de BroadNet lo dice para DeepSeek V4.1 Flash, GLM 5.3 y Qwen3.8 27B: “the reasoning counts toward max\_tokens” (Traducción: el razonamiento cuenta para max\_tokens), y con un límite pequeño “the answer comes back empty” (Traducción: la respuesta vuelve vacía). La referencia de Chat Completions de OpenAI define `max_completion_tokens` de la misma manera, como un límite superior “including visible output tokens and reasoning tokens” (Traducción: que incluye los tokens de salida visibles y los tokens de razonamiento).

Así que la pregunta no es “¿cuánto mide mi respuesta?”, sino “¿cuánto miden razonamiento y respuesta juntos, en esta tarea y con este esfuerzo?”. Y eso varía más de lo que se suele pensar. La guía de OpenAI dice que sus modelos pueden generar “anywhere from a few hundred to tens of thousands of reasoning tokens” (Traducción: desde unos cientos hasta decenas de miles de tokens de razonamiento), según el problema.

## ¿Un max\_tokens mayor cuesta más?

No. Este es el motivo más común por el que los presupuestos se fijan demasiado ajustados. [`max_tokens`](https://broadrouter.com/es/glossary/max-tokens/) es un techo. Se le factura por los tokens realmente generados. Una respuesta que necesita 1,800 tokens cuesta lo mismo con un techo de 4,000 que de 40,000.

Lo que sí cuesta un techo ajustado:

| Techo frente a necesidad | Lo que paga | Lo que obtiene |
| --- | --- | --- |
| Techo por encima de la necesidad | Los tokens generados | La respuesta |
| Techo por debajo de la necesidad | El techo completo, todo en razonamiento | Nada utilizable, más un reintento |

Tome un ejemplo ilustrativo. Suponga que una cuarta parte de sus llamadas necesita más de 1,000 tokens. Con `max_tokens=1000`, cada una de esas llamadas factura 1,000 tokens de salida de razonamiento, no devuelve nada y se reintenta. Eso suma, en promedio, 250 tokens de salida desperdiciados por llamada en el conjunto de todas las llamadas, antes de contar los propios reintentos, más la latencia de una segunda solicitud. Con el techo en 4,000 no se desperdicia nada. En [Qwen3.8 27B](https://broadrouter.com/es/models/qwen3.8-27b/), la salida cuesta $2.17 por 1M de tokens, así que el desperdicio se acumula con el volumen.

El riesgo real de un techo alto es una respuesta desbocada: un modelo que entra en bucle o razona en exceso y genera mucho más de lo necesario. Un tope fijo acota ese riesgo. Elija el tope a partir de datos, como se explica a continuación.

## ¿Cómo se mide lo que necesita una tarea?

Ejecute prompts reales de un solo tipo de tarea con un techo generoso y registre los tokens de completion y la parte de razonamiento. Cuando el modelo lo reporta, `usage.completion_tokens_details.reasoning_tokens` da la parte de razonamiento; la documentación de BroadNet incluye ese campo.

```python
import os
from openai import OpenAI

client = OpenAI(base_url="https://inference.broadnet.ai/v1", api_key=os.environ["BROADNET_API_KEY"])
MODEL = "broadnet/qwen3.8-27b"

def measure(prompts, ceiling=16_000, **kw):
    """Run real prompts with a generous ceiling and return per-call token counts."""
    rows = []
    for p in prompts:
        r = client.chat.completions.create(model=MODEL, max_tokens=ceiling,
                                           messages=[{"role": "user", "content": p}], **kw)
        u, d = r.usage, r.usage.completion_tokens_details
        reasoning = (d.reasoning_tokens or 0) if d else 0
        rows.append({"reasoning": reasoning, "answer": u.completion_tokens - reasoning,
                     "finish": r.choices[0].finish_reason})
    return rows

def pct(values, q):
    values = sorted(values)
    return values[min(len(values) - 1, int(q * len(values)))]

def recommend(rows, margin=1.2):
    total = [r["reasoning"] + r["answer"] for r in rows]
    return {"p50": pct(total, 0.5), "p95": pct(total, 0.95), "max": max(total),
            "max_tokens": int(pct(total, 0.95) * margin),
            "cut_off": sum(r["finish"] == "length" for r in rows)}

# print(recommend(measure(my_prompts)))                       # default effort
# print(recommend(measure(my_prompts, reasoning_effort="low")))
```

Reglas para obtener un número fiable:

1.  **Un tipo de tarea por ejecución.** La clasificación, la extracción, la revisión de código y la planificación tienen distribuciones muy distintas. Un único `max_tokens` global o desperdicia dinero en reintentos o deja pasar respuestas desbocadas.
2.  **50 o más prompts reales.** El percentil 95 de diez muestras es simplemente la mayor.
3.  **Ejecútelo con cada esfuerzo que use.** `reasoning_effort="low"` cambia la distribución. BroadNet documenta `low`; pruebe otros valores antes de depender de ellos.
4.  **Si `cut_off` no es cero, suba el techo y vuelva a ejecutar.** Una muestra cortada oculta su longitud real.
5.  **Vuelva a medir cuando cambie el modelo o el prompt.** Una nueva versión del modelo puede razonar más o menos.

Después, fije `max_tokens` por tarea a partir de `recommend()`. El percentil 95 más un 20 % deja la mayoría de las llamadas muy por debajo del techo y solo envía la rara llamada larga a la ruta de reintento que se describe más abajo. La [herramienta gratuita de presupuesto de tokens de razonamiento](https://broadrouter.com/tools/reasoning-token-budget/) hace este cálculo en su navegador cuando tenga sus cifras.

## ¿Cómo limita la ventana de contexto el presupuesto?

La ventana de contexto contiene el prompt y la respuesta juntos. El feed de precios de BroadNet define `context_length` como “the most tokens one request can hold, prompt and answer together” (Traducción: el máximo de tokens que puede contener una solicitud, prompt y respuesta juntos). Por lo tanto:

**max\_tokens ≤ longitud de contexto − tokens del prompt**

| Modelo | Contexto | Espacio para max\_tokens con un prompt de 200,000 tokens |
| --- | --- | --- |
| [GLM 5.3](https://broadrouter.com/es/models/glm-5.3/) | 1,048,576 | 848,576 |
| [DeepSeek V4.1 Flash](https://broadrouter.com/es/models/deepseek-v4.1-flash/) | 1,048,576 | 848,576 |
| Qwen3.8 27B | 262,144 | 62,144 |

Esto importa en el trabajo con contexto largo. Un agente cuyo historial ha crecido hasta 250,000 tokens en Qwen3.8 27B solo tiene unos 12,000 tokens libres para razonar y responder. Las tareas de contexto largo además tienden a requerir más razonamiento, así que compruebe el espacio restante en el momento de la llamada, no una sola vez al iniciar. [Ventana de contexto](https://broadrouter.com/es/glossary/context-window/) y la [calculadora de ventana de contexto](https://broadrouter.com/tools/context-window-calculator/) cubren el ajuste.

## ¿Qué hacer cuando una respuesta sigue cortándose?

Compruebe `finish_reason` en cada llamada. Si es `length`, la respuesta falta o está incompleta, aunque `content` tenga algo de texto. No la procese como si estuviera completa; un objeto JSON truncado es una fuente habitual de errores posteriores ([salida estructurada](https://broadrouter.com/es/blog/structured-output-json-schema/)).

Reintente con el doble de presupuesto, dentro del espacio que permita el contexto, hasta un tope fijo:

```python
import json, urllib.request

FEED = json.load(urllib.request.urlopen("https://inference.broadnet.ai/pricing.json"))
CONTEXT = {m["id"]: m.get("context_length") for m in FEED["models"]}

def ask(model, messages, budget=4_000, hard_cap=32_000, **kw):
    """Retry a cut-off reply with a doubled budget, never past the cap or the context window."""
    while True:
        r = client.chat.completions.create(model=model, messages=messages,
                                           max_tokens=budget, **kw)
        if r.choices[0].finish_reason != "length":
            return r
        room = CONTEXT[model] - r.usage.prompt_tokens        # context holds prompt + answer
        nxt = min(budget * 2, hard_cap, room)
        if nxt <= budget:
            raise RuntimeError(f"still cut off at max_tokens={budget}")
        print(f"cut off at {budget}, retrying with {nxt}")
        budget = nxt
```

Dos alternativas a duplicar, según la tarea:

-   **Reintente con `reasoning_effort="low"`** y el mismo presupuesto. En tareas sencillas el modelo suele razonar en exceso, y menos esfuerzo lo resuelve sin un techo mayor.
-   **Divida la tarea.** Si una respuesta sigue chocando con un tope alto, normalmente la solicitud pide demasiado de una vez.

Registre cada corte con el tipo de tarea. Una tasa creciente significa que cambió el prompt, el modelo o los datos de entrada, y que hay que volver a medir el presupuesto. Los reintentos son nuevas inferencias y se facturan de nuevo, así que mantenga acotado el número de intentos, como en [agentes de larga duración: timeouts y reintentos](https://broadrouter.com/es/blog/long-running-agents-timeouts-retries/).

## ¿Cómo cambia el panorama con streaming?

Con `stream=True`, el razonamiento ocurre antes del primer token visible, así que un modelo de razonamiento puede parecer detenido al principio. En una interfaz de chat, muestre un estado de “pensando” hasta que llegue el contenido y dimensione los timeouts del cliente para el tiempo de razonamiento, no solo para la respuesta.

Algunos servidores también transmiten el propio texto del razonamiento, en un campo aparte. El nombre no es estándar: la API de DeepSeek usa `reasoning_content`, y vLLM renombró su campo de `reasoning_content` a `reasoning`, advirtiendo que el código cliente antiguo “could silently read an empty” (Traducción: podría leer en silencio un campo vacío). La documentación de BroadNet no documenta un campo de texto de razonamiento, así que no construya funciones sobre él sin revisar la respuesta sin procesar de su modelo. Si lo lee, hágalo de forma defensiva:

```python
for chunk in stream:
    if chunk.choices:
        delta = chunk.choices[0].delta
        thinking = getattr(delta, "reasoning", None) or getattr(delta, "reasoning_content", None)
        # log or display `thinking` only if your provider actually sends it
        if delta.content:
            print(delta.content, end="")
    elif chunk.usage:                                  # last chunk, with include_usage
        print("\nreasoning tokens:", getattr(chunk.usage.completion_tokens_details, "reasoning_tokens", None))
```

El usage del último fragmento requiere `stream_options={"include_usage": True}`, que BroadNet documenta. Más sobre streams en [la guía de streaming](https://broadrouter.com/es/guides/streaming-chat-completions/) y en [SSE explicado](https://broadrouter.com/es/blog/llm-streaming-sse-explained/).

## ¿Qué nombre de parámetro debe enviar?

| API | Parámetro | Incluye razonamiento |
| --- | --- | --- |
| OpenAI Chat Completions | `max_completion_tokens` (`max_tokens` obsoleto) | Sí |
| OpenAI Responses | `max_output_tokens` | Sí |
| BroadNet Inference (Chat Completions) | `max_tokens`, según su documentación | Sí |
| Servidores vLLM | `max_tokens`, más `thinking_token_budget` opcional | Sí |

Al mover código entre proveedores, envíe el nombre que documenta el proveedor y confirme con una llamada de prueba que el límite se aplica. Un límite ignorado en silencio parece correcto hasta que llega una respuesta desbocada. La [lista de verificación de migración](https://broadrouter.com/es/blog/openai-compatible-api-migration-checklist/) cubre los demás parámetros que cambian.

## Dónde encaja BroadNet Inference

Los tres modelos de razonamiento de BroadNet reportan los tokens de razonamiento en `usage` cuando el modelo los proporciona, así que la medición anterior funciona tal como está escrita. DeepSeek V4.1 Flash y GLM 5.3 dan el mayor margen, con 1,048,576 tokens de contexto. Qwen3.8 27B tiene 262,144. Si una tarea no necesita razonamiento, [Gemma 4 VL 26B](https://broadrouter.com/es/models/gemma-4-vl-26b/) no figura como modelo de razonamiento y evita la cuestión del presupuesto por completo. En un [plan de DeepSeek V4.1 Flash](https://broadrouter.com/es/guides/unlimited-llm-api-sessions/) de tarifa plana, los tokens de razonamiento no tienen cargo por token, pero las respuestas cortadas siguen costando tiempo, así que el mismo método de presupuesto aplica. BroadNet no documenta un límite de razonamiento aparte; si lo necesita, use un proveedor o un servidor autoalojado que lo ofrezca.

Herramientas gratuitas sobre este tema (en inglés)

-   [OpenAI to BroadNet migration helper](https://broadrouter.com/tools/openai-to-broadnet-migration/) Paste OpenAI SDK code; get base URL, key and model edits, a diff and the checks that remain.
-   [max\_tokens calculator for reasoning models](https://broadrouter.com/tools/reasoning-token-budget/) Answer length + reasoning budget + margin = a max\_tokens that does not cut the answer off.
-   [JSON schema generator for LLM structured output](https://broadrouter.com/tools/json-schema-generator/) Sample JSON to strict schema, Pydantic, Zod and a ready request.
-   [LLM JSON output validator](https://broadrouter.com/tools/llm-json-output-validator/) Parse errors by line and column, safe repairs, cut-off detection and JSON Schema checks for model output.

[Herramientas gratuitas (en inglés)](https://broadrouter.com/tools/)

## Términos de este artículo

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

Un token es la unidad de texto que un modelo de lenguaje lee y escribe: una palabra, parte de una palabra, un signo de puntuación o una secuencia de bytes producida por el tokenizador del modelo. Las APIs de LLM cuentan, limitan y normalmente facturan el uso en tokens.

[Tokens de razonamiento (reasoning tokens)](https://broadrouter.com/es/glossary/reasoning-tokens/)

Los tokens de razonamiento son tokens que un modelo de razonamiento genera para resolver un problema antes de escribir su respuesta visible. Normalmente se facturan como tokens de salida, cuentan para el límite de salida y la ventana de contexto, y la API puede ocultarlos o resumirlos.

[max\_tokens (límite de tokens de salida)](https://broadrouter.com/es/glossary/max-tokens/)

max\_tokens es un parámetro de las APIs de LLM que fija el máximo de tokens que un modelo puede generar en una respuesta. Cuando la generación llega al límite, se detiene y la respuesta queda marcada como cortada, por ejemplo con finish\_reason en "length".

[Tokens de entrada y de salida (input and output tokens)](https://broadrouter.com/es/glossary/input-and-output-tokens/)

Los tokens de entrada son los que un modelo de lenguaje lee en una solicitud, incluidos el prompt de sistema, el historial de la conversación, las definiciones de herramientas y las imágenes. Los tokens de salida son los que genera en la respuesta, incluido el razonamiento. Las APIs de LLM suelen cobrarlos por separado, y la salida suele costar más.

[Ventana de contexto (context window)](https://broadrouter.com/es/glossary/context-window/)

La ventana de contexto es la cantidad máxima de tokens con la que un modelo de lenguaje puede trabajar en una sola solicitud. Incluye el prompt, el historial de la conversación, las definiciones de herramientas, las imágenes y la salida generada, incluidos los tokens de razonamiento. Lo que no cabe debe recortarse, resumirse o dividirse en varias solicitudes.

[Streaming (respuestas en tiempo real)](https://broadrouter.com/es/glossary/streaming/)

El streaming es una forma de devolver la respuesta de un modelo de lenguaje en pequeños fragmentos mientras aún se genera, en lugar de una sola respuesta al final. Las APIs compatibles con OpenAI hacen streaming mediante server-sent events cuando la solicitud define stream como true.

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

La API de Chat Completions es el endpoint HTTP de OpenAI, POST /v1/chat/completions, que recibe un nombre de modelo y una lista de mensajes etiquetados con su rol y devuelve el siguiente mensaje del modelo. Su forma de solicitud y respuesta se convirtió en el formato común que reutilizan los proveedores y SDKs compatibles con OpenAI.

[Llamadas a herramientas (tool calling)](https://broadrouter.com/es/glossary/tool-calling/)

Las llamadas a herramientas (tool calling), también llamadas function calling, son una función de las APIs de LLM en la que el modelo devuelve una solicitud estructurada para ejecutar una función definida por el desarrollador, con argumentos JSON. La aplicación ejecuta la función y devuelve el resultado; el modelo nunca ejecuta código.

## Preguntas frecuentes

### ¿Por qué mi modelo de razonamiento devuelve una respuesta vacía?

El modelo gastó todo el presupuesto de max\_tokens en razonamiento oculto antes de escribir la respuesta. finish\_reason es entonces "length". Suba max\_tokens, baje reasoning\_effort o ambas cosas. Desde este artículo se enlaza una guía breve con la solución rápida.

### ¿Qué max\_tokens debo configurar para un modelo de razonamiento?

Mida primero. Ejecute 50 o más prompts reales con un techo generoso, tome el percentil 95 de completion\_tokens para esa tarea y añada alrededor de un 20 %. La documentación de BroadNet da 1,000 tokens o más como mínimo; OpenAI sugiere reservar 25,000 al empezar con sus modelos.

### ¿Un max\_tokens más alto cuesta más?

No por sí mismo. Se le factura por los tokens que genera el modelo, no por el techo. Un techo más alto solo cuesta más cuando la respuesta se habría cortado de otro modo, y en ese caso la respuesta cortada le habría costado un reintento de todos modos.

### ¿max\_completion\_tokens es lo mismo que max\_tokens?

En OpenAI, max\_completion\_tokens sustituye al max\_tokens obsoleto e incluye explícitamente los tokens de razonamiento. Muchos proveedores compatibles con OpenAI documentan max\_tokens en su lugar. La documentación de BroadNet usa max\_tokens e indica que el razonamiento cuenta para ese límite.

### ¿Puedo limitar el razonamiento por separado de la respuesta?

Solo si el servidor lo admite. vLLM tiene el parámetro thinking\_token\_budget, y algunos proveedores tienen el suyo. BroadNet documenta reasoning\_effort en low, no un límite de razonamiento aparte, así que presupueste ambos juntos.

## Siga leyendo

-   [Tokens de razonamiento: por qué paga más salida de la que ve](https://broadrouter.com/es/blog/reasoning-tokens-cost/)
-   [Streaming de LLM explicado: chunks SSE, deltas, usage y cancelación](https://broadrouter.com/es/blog/llm-streaming-sse-explained/)
-   [Modo JSON o json\_schema: salida estructurada que no falla](https://broadrouter.com/es/blog/structured-output-json-schema/)
-   [Agentes de larga duración: timeouts, reintentos y checkpoints sólidos](https://broadrouter.com/es/blog/long-running-agents-timeouts-retries/)
-   [Cambiar a una API compatible con OpenAI: lista de verificación](https://broadrouter.com/es/blog/openai-compatible-api-migration-checklist/)
-   [El hardware GPU de BroadNet y cómo sirve los modelos, según BroadNet](https://broadrouter.com/es/blog/broadnet-gpu-fleet-and-serving/)
-   [Caché de respuestas de APIs de LLM para reducir costos en Python](https://broadrouter.com/es/blog/cache-llm-responses-cut-cost/)
-   [Guía: ¿Por qué un modelo de razonamiento devuelve una respuesta vacía?](https://broadrouter.com/es/guides/reasoning-tokens-empty-response/)
-   [Guía: Streaming de chat completions y conexiones interrumpidas](https://broadrouter.com/es/guides/streaming-chat-completions/)
-   [Guía: Usar el SDK de OpenAI para Python con BroadNet Inference](https://broadrouter.com/es/guides/openai-python-sdk/)

Pruébelo con su carga de trabajo real. Las cuentas nuevas empiezan con USD 5 de crédito para Gemma y transcripción. DeepSeek, GLM y Qwen3.8 requieren una recarga.

[Comenzar](https://inference.broadnet.ai/account/?utm_source=broadrouter&utm_medium=referral&utm_campaign=es-blog-reasoning-model-max-tokens-budget&utm_content=page-cta) ·

**Fuentes**

-   [Referencia de la API de BroadNet Inference: el razonamiento cuenta para max\_tokens, 1,000 tokens o más, reasoning\_effort low, campos de usage (consultado el 2026-11-15) (en inglés)](https://inference.broadnet.ai/docs?utm_source=broadrouter&utm_medium=referral&utm_campaign=es-blog-reasoning-model-max-tokens-budget&utm_content=sources)
-   [Referencia de campos de pricing.json de BroadNet: context\_length incluye prompt y respuesta juntos (consultado el 2026-11-15) (en inglés)](https://inference.broadnet.ai/docs?utm_source=broadrouter&utm_medium=referral&utm_campaign=es-blog-reasoning-model-max-tokens-budget&utm_content=sources#pricing-json)
-   [Guía de razonamiento de OpenAI: respuestas incompletas, reservar al menos 25,000 tokens al empezar (consultado el 2026-11-15)](https://developers.openai.com/api/docs/guides/reasoning)
-   [Referencia de Chat Completions de OpenAI: max\_completion\_tokens incluye los tokens de razonamiento; max\_tokens obsoleto (consultado el 2026-11-15)](https://developers.openai.com/api/reference/resources/chat/subresources/completions/methods/create)
-   [Documentación de la API de DeepSeek, modo de razonamiento: campo reasoning\_content, niveles de esfuerzo (consultado el 2026-11-15)](https://api-docs.deepseek.com/guides/thinking_mode)
-   [Documentación de vLLM, salidas de razonamiento: campo reasoning (antes reasoning\_content), thinking\_token\_budget (consultado el 2026-11-15)](https://docs.vllm.ai/en/latest/features/reasoning_outputs.html)
