Usted envía una pregunta corta, recibe una respuesta de dos líneas y la factura muestra 1,400 tokens de salida. No hay ningún error. El modelo pensó antes de responder, y ese pensamiento se facturó. Este artículo explica cómo se cuentan los tokens de razonamiento, cuánto cuestan en cada modelo y los cuatro ajustes que los controlan.
¿Qué son los tokens de razonamiento?
Un modelo de razonamiento escribe una cadena de pensamiento interna y después la respuesta visible. Ambas salen de la misma generación. El pensamiento está hecho de tokens de razonamiento. En la respuesta estándar de chat completions, la respuesta está en message.content, y el pensamiento se cuenta, pero no se muestra.
La guía de razonamiento de OpenAI lo dice sin rodeos: los tokens de razonamiento “still occupy space in the model’s context window and are billed as” (Traducción: «siguen ocupando espacio en la ventana de contexto del modelo y se facturan como») tokens de salida. Los demás proveedores siguen la misma regla.
¿Cómo se facturan los tokens de razonamiento?
Forman parte de completion_tokens, así que pagan el precio de salida. La salida es el medidor caro:
| Modelo | Razona primero | Salida por 1M | Entrada por 1M |
|---|---|---|---|
| DeepSeek V4.1 Flash | Sí | $0.52 | $0.175 |
| GLM 5.3 | Sí | $3.46 | $0.78 |
| Qwen3.8 27B | Sí | $2.17 | $0.175 |
| Gemma 4 VL 26B | No indicado | $0.22 | $0.10 |
Los precios son los de BroadNet Inference, sincronizados el 2026-11-14. Lo que cobran otros proveedores por los mismos modelos está en la tabla de precios de API de LLM, por ejemplo GLM 5.3 en distintos proveedores.
¿Cuánto puede sumar el razonamiento a una factura?
Tome un clasificador que devuelve una etiqueta de una palabra, unos 10 tokens visibles. Si el modelo piensa antes durante 1,000 tokens, el 99 % de la factura de salida es pensamiento.
A escala: 1,000 respuestas con 1,000 tokens de razonamiento cada una suman 1M de tokens de salida. Eso cuesta $0.52 en DeepSeek V4.1 Flash, $2.17 en Qwen3.8 27B y $3.46 en GLM 5.3, además de las respuestas visibles.
La cantidad varía según la tarea. Las matemáticas difíciles o el razonamiento sobre código en varios archivos pueden llegar a miles de tokens. Un saludo puede no necesitar casi ninguno. Por eso conviene medir.
¿Cómo se miden los tokens de razonamiento?
El bloque usage los reporta cuando el modelo proporciona el recuento:
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))
Registre esto por tipo de tarea durante una semana. Normalmente verá que unas pocas tareas concentran la mayor parte del pensamiento. Si usa streaming, añada stream_options: {"include_usage": true}; los recuentos llegan en el último fragmento (guía de streaming).
Cuatro formas de controlar el costo del razonamiento
1. Baje reasoning_effort en las tareas simples
reasoning_effort le pide al modelo que piense menos. Las guías de BroadNet usan low para clasificación, extracción y formateo:
client.chat.completions.create(model="broadnet/deepseek-v4.1-flash", reasoning_effort="low",
max_tokens=1000, messages=msgs)
OpenAI documenta un rango más amplio de valores en sus propios modelos, desde none y minimal, pasando por low, medium y high, hasta xhigh y max, y advierte que “some models support only a subset” (Traducción: «algunos modelos solo admiten un subconjunto»). Compruebe qué valores acepta su modelo y compare los tokens de salida antes y después con las mismas muestras.
2. Use max_tokens como techo, no como apretón
max_tokens limita el razonamiento y la respuesta juntos. Frena una respuesta desbocada, pero si lo fija demasiado bajo, el modelo puede gastar todo el presupuesto pensando y devolver una respuesta vacía con finish_reason: "length". Usted paga ese pensamiento y aun así tiene que reintentar. BroadNet sugiere 1,000 tokens o más para los modelos de razonamiento. Por qué un modelo de razonamiento devuelve una respuesta vacía.
3. Envíe los pasos fáciles a un modelo que no razone
No todos los pasos necesitan pensar. Formatear JSON, renombrar campos o responder consultas de preguntas frecuentes puede ir a Gemma 4 VL 26B, a $0.22 por 1M de tokens de salida, para el que BroadNet no indica razonamiento. Reserve los modelos de razonamiento para planificar, depurar y dar respuestas de varios pasos. Pruebe la calidad con sus propias muestras antes de enrutar.
4. Quite «piensa paso a paso» de los prompts
Los modelos de razonamiento ya piensan. Pedirles además un razonamiento paso a paso visible hace que lo escriban dos veces: una oculta y otra en la respuesta. Pida la respuesta final en el formato que necesita.
¿Qué ajuste usar para cada tarea?
| Tarea | Esfuerzo de razonamiento | max_tokens | Modelo sugerido |
|---|---|---|---|
| Clasificación, enrutamiento | low | 1,000 | Gemma 4 VL 26B o DeepSeek V4.1 Flash |
| Extracción a JSON | low | 1,000 a 2,000 | DeepSeek V4.1 Flash; GLM 5.3 para salida estructurada |
| Redacción de respuestas a clientes | low o predeterminado | 2,000 | DeepSeek V4.1 Flash |
| Depuración, planificación, revisión de código | predeterminado o superior | 8,000 o sin fijar | DeepSeek V4.1 Flash o GLM 5.3 |
Son puntos de partida. Mida los tokens de salida y la calidad con sus propios datos y ajuste después.
¿Cuándo deja el razonamiento de costar más?
Con un plan de tarifa plana. El plan Luna Llena (Full Moon) de BroadNet cuesta $60 al mes por sesión e incluye DeepSeek V4.1 Flash ilimitado sin medidor de tokens, así que los tokens de razonamiento no tienen costo por token. Aun así consumen tiempo: a una velocidad típica de unos 100 tokens por segundo, cada token de razonamiento se genera antes de que empiece la respuesta, así que un razonamiento largo retrasa la respuesta. Cuándo un plan de tarifa plana le gana al pago por token, y diez formas más de reducir la factura de un agente de programación.
Dónde encaja BroadNet Inference
BroadNet ofrece tres modelos de razonamiento y uno sin razonamiento indicado con una sola clave compatible con OpenAI en https://inference.broadnet.ai/v1, y reporta el uso en cada respuesta. Eso facilita enrutar por tarea y medir la diferencia. Si necesita un modelo cerrado con un resumen visible del razonamiento, use la API de ese proveedor; el catálogo de chat de BroadNet no tiene modelos cerrados. Vea los planes.
