---
title: "¿LLM con respuesta vacía? Razonamiento y max_tokens | BroadRouter"
description: "DeepSeek V4.1 Flash, GLM 5.3 y Qwen3.8 27B piensan antes de responder, y ese razonamiento cuenta para max_tokens. Cómo evitar las respuestas vacías."
url: https://broadrouter.com/es/guides/reasoning-tokens-empty-response/
lang: es
updated: 2026-11-16
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/guides/reasoning-tokens-empty-response/) (actualizado el 2026-11-16).

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

Actualizado 2026-11-16

El modelo gastó todo el presupuesto de max\_tokens en razonar antes de empezar la respuesta visible. En BroadNet Inference, DeepSeek V4.1 Flash, GLM 5.3 y Qwen3.8 27B razonan primero, y el razonamiento cuenta para max\_tokens. Permita 1,000 tokens o más, o ponga reasoning\_effort en low.

Usted envía un prompt corto con `max_tokens: 100`, la solicitud tiene éxito y `choices[0].message.content` llega vacío. No hay nada roto: la respuesta nunca empezó.

## Qué ocurre

Los modelos de razonamiento escriben una cadena de pensamiento oculta antes de la respuesta visible, y ambas comparten un mismo presupuesto de `max_tokens`. Con un límite pequeño, el razonamiento lo consume entero, y en el formato estándar de chat completions `finish_reason` es entonces `length`.

## Tres soluciones

**1\. Deje margen.** Ponga `max_tokens` en 1,000 o más, como aconseja la documentación de BroadNet. La [calculadora de max\_tokens para modelos de razonamiento](https://broadrouter.com/tools/reasoning-token-budget/) dimensiona el límite según la longitud de su respuesta y muestra el costo.

**2\. Razone menos.** Ponga `reasoning_effort` en `low` para tareas simples:

```python
import os
from openai import OpenAI

client = OpenAI(base_url="https://inference.broadnet.ai/v1", api_key=os.environ["BROADNET_API_KEY"])

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

**3\. Vigile el consumo.** Cuando el modelo lo reporta, `usage.completion_tokens_details.reasoning_tokens` muestra cuánto se fue en razonamiento:

```python
print(response.choices[0].finish_reason)                       # "length" means the budget ran out
details = response.usage.completion_tokens_details             # None if the model doesn't report it
print(details.reasoning_tokens if details else "not reported")
```

En streaming, agregue `stream_options={"include_usage": True}` y el mismo consumo llega en el último fragmento. Consulte [streaming de chat completions](https://broadrouter.com/es/guides/streaming-chat-completions/).

## Qué modelos razonan

| Modelo | Razona primero |
| --- | --- |
| DeepSeek V4.1 Flash (`broadnet/deepseek-v4.1-flash`) | Sí |
| GLM 5.3 (`broadnet/glm-5.3`) | Sí |
| Qwen3.8 27B (`broadnet/qwen3.8-27b`) | Sí |
| BroadNet Gemma 4 VL 26B (`broadnet/gemma-4-26b-a4b`) | No indicado |

## Solución de problemas

-   **`content` vacío y `finish_reason` es `length`.** Suba `max_tokens` o ponga `reasoning_effort` en `low`.
-   **`content` vacío y `finish_reason` es `stop`.** El límite no fue la causa. Revise su prompt e imprima la respuesta completa para ver qué llegó.
-   **`AttributeError` en `completion_tokens_details`.** El modelo no reportó el desglose en esa solicitud; compruebe si es `None`, como en el ejemplo anterior.
-   **El primer token tarda en un stream.** El modelo está razonando antes de escribir la respuesta. Un `reasoning_effort` más bajo puede acortar la espera.

Si ejecuta agentes todo el día, los tokens de razonamiento se acumulan en pago por uso. La [calculadora de precios de BroadNet](https://broadrouter.com/es/pricing/) muestra cuándo un [plan ilimitado](https://broadrouter.com/es/guides/unlimited-llm-api-sessions/) de tarifa plana cuesta menos.

## Términos de esta guía

[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.

[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.

[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.

[Cadena de pensamiento (chain-of-thought, CoT)](https://broadrouter.com/es/glossary/chain-of-thought/)

La cadena de pensamiento (chain-of-thought, CoT) es una técnica de prompting en la que a un modelo de lenguaje se le muestra o se le pide que escriba pasos de razonamiento intermedios antes de su respuesta final. Mejora la precisión en problemas de varios pasos, como aritmética y lógica, y los modelos de razonamiento ya la generan automáticamente.

[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.

[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".

[Pago por uso (pay-as-you-go)](https://broadrouter.com/es/glossary/pay-as-you-go/)

El pago por uso es un modelo de precios en el que usted paga solo lo que usa, medido por unidades como tokens, solicitudes o minutos de audio, sin suscripción ni compromiso mínimo. La mayoría de las APIs de LLM cobran así, desde un saldo prepagado o con una factura periódica.

## Preguntas frecuentes

### ¿El razonamiento cuesta dinero?

En pago por uso, el razonamiento se reporta dentro de los completion tokens, que se facturan al precio de salida. En un plan ilimitado para DeepSeek V4.1 Flash no hay medidor de tokens, así que no cuestan nada adicional.

### ¿BroadNet Gemma 4 VL 26B razona?

La documentación de BroadNet indica razonamiento para DeepSeek V4.1 Flash, GLM 5.3 y Qwen3.8 27B, no para Gemma 4 VL 26B.

### ¿Por qué el contenido del mensaje está vacío cuando finish\_reason es length?

El presupuesto de tokens se agotó antes de que empezara la respuesta visible. Un modelo de razonamiento escribe primero su razonamiento, y esos tokens cuentan para max\_tokens. Suba max\_tokens a 1,000 o más, o reduzca reasoning\_effort.

### ¿Qué hace reasoning\_effort en low?

Le pide al modelo que razone menos antes de responder. La documentación de BroadNet lo sugiere como alternativa a un max\_tokens mayor cuando un límite corto deja la respuesta vacía. Úselo para tareas simples como clasificación o extracción.

### ¿Cómo veo cuántos tokens se fueron en razonamiento?

Lea usage.completion\_tokens\_details.reasoning\_tokens en la respuesta, cuando el modelo lo reporte. En streaming, envíe stream\_options con include\_usage en true y léalo en el último fragmento.

## Guías relacionadas

-   [Usar el SDK de OpenAI para Python con BroadNet Inference](https://broadrouter.com/es/guides/openai-python-sdk/)
-   [Streaming de chat completions y conexiones interrumpidas](https://broadrouter.com/es/guides/streaming-chat-completions/)
-   [Códigos de error de BroadNet Inference y cuándo reintentar](https://broadrouter.com/es/guides/errors-and-retries/)

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-guides-reasoning-tokens-empty-response&utm_content=page-cta) ·

**Fuentes**

-   [Referencia de la API de BroadNet Inference, tokens de razonamiento y tokens en caché (consultada el 2026-11-16) (en inglés)](https://inference.broadnet.ai/docs?utm_source=broadrouter&utm_medium=referral&utm_campaign=es-guides-reasoning-tokens-empty-response&utm_content=sources#models)
