Vous envoyez une question courte, recevez une réponse de deux lignes, et la facture affiche 1 400 tokens de sortie. Rien d’anormal. Le modèle a réfléchi avant de répondre, et cette réflexion a été facturée. Cet article explique comment les tokens de raisonnement sont comptés, ce qu’ils coûtent sur chaque modèle et les quatre réglages qui permettent de les maîtriser.
Que sont les tokens de raisonnement ?
Un modèle de raisonnement écrit une chaîne de pensée interne, puis la réponse visible. Les deux sortent de la même génération. La réflexion est faite de tokens de raisonnement. Dans la réponse standard de chat completions, la réponse se trouve dans message.content, et la réflexion est comptée mais pas affichée.
Le guide du raisonnement d’OpenAI énonce clairement la règle : les tokens de raisonnement « still occupy space in the model’s context window and are billed as » tokens de sortie (traduction : « occupent tout de même de la place dans la fenêtre de contexte du modèle et sont facturés comme » des tokens de sortie). Les autres fournisseurs suivent la même règle.
Comment les tokens de raisonnement sont-ils facturés ?
Ils font partie de completion_tokens et paient donc le prix de sortie. La sortie est le compteur le plus cher :
| Modèle | Raisonne d’abord | Sortie par million | Entrée par million |
|---|---|---|---|
| DeepSeek V4.1 Flash | Oui | $0.52 | $0.175 |
| GLM 5.3 | Oui | $3.46 | $0.78 |
| Qwen3.8 27B | Oui | $2.17 | $0.175 |
| Gemma 4 VL 26B | Non indiqué | $0.22 | $0.10 |
Ce sont les prix de BroadNet Inference, synchronisés le 2026-11-14. Ce que d’autres hébergeurs facturent pour les mêmes modèles figure dans le tableau des prix des API LLM, par exemple GLM 5.3 selon les fournisseurs.
Combien le raisonnement peut-il ajouter à une facture ?
Prenez un classifieur qui renvoie une étiquette d’un mot, environ 10 tokens visibles. Si le modèle réfléchit d’abord pendant 1 000 tokens, 99 % de la facture de sortie correspond à la réflexion.
À l’échelle : 1 000 réponses avec 1 000 tokens de raisonnement chacune ajoutent 1 million de tokens de sortie. Cela coûte $0.52 sur DeepSeek V4.1 Flash, $2.17 sur Qwen3.8 27B et $3.46 sur GLM 5.3, en plus des réponses visibles.
La quantité varie selon la tâche. Des mathématiques difficiles ou un raisonnement sur du code réparti dans plusieurs fichiers peuvent atteindre des milliers de tokens. Une salutation n’en demande presque aucun. D’où l’intérêt de mesurer.
Comment mesurer les tokens de raisonnement ?
Le bloc usage les indique quand le modèle fournit le décompte :
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))
Journalisez cela par type de tâche pendant une semaine. Vous constaterez généralement que quelques tâches concentrent l’essentiel de la réflexion. En streaming, ajoutez stream_options: {"include_usage": true} ; les décomptes arrivent dans le dernier chunk (guide du streaming).
Quatre façons de maîtriser le coût du raisonnement
1. Baisser reasoning_effort pour les tâches simples
reasoning_effort demande au modèle de moins réfléchir. Les guides de BroadNet utilisent low pour la classification, l’extraction et la mise en forme :
client.chat.completions.create(model="broadnet/deepseek-v4.1-flash", reasoning_effort="low",
max_tokens=1000, messages=msgs)
OpenAI documente une gamme de valeurs plus large sur ses propres modèles, de none et minimal à xhigh et max en passant par low, medium et high, et précise que « some models support only a subset » (traduction : « certains modèles n’en prennent en charge qu’une partie »). Vérifiez les valeurs qu’accepte votre modèle, et comparez les tokens de sortie avant et après sur les mêmes échantillons.
2. Fixer max_tokens comme un plafond, pas comme un étau
max_tokens plafonne ensemble le raisonnement et la réponse. Il stoppe une réponse qui s’emballe, mais s’il est trop bas, le modèle peut dépenser tout le budget à réfléchir et renvoyer une réponse vide avec finish_reason: "length". Vous payez cette réflexion et devez quand même relancer. BroadNet conseille 1 000 tokens ou plus pour les modèles de raisonnement. Pourquoi un modèle de raisonnement renvoie une réponse vide.
3. Router les étapes faciles vers un modèle qui ne raisonne pas
Toutes les étapes ne demandent pas de réflexion. Mettre en forme du JSON, renommer des champs ou répondre à des questions de FAQ peut aller à Gemma 4 VL 26B, à $0.22 par million de tokens de sortie, pour lequel BroadNet n’indique pas de raisonnement. Gardez les modèles de raisonnement pour la planification, le débogage et les réponses en plusieurs étapes. Testez la qualité sur vos propres échantillons avant de router.
4. Retirer « réfléchis étape par étape » des prompts
Les modèles de raisonnement réfléchissent déjà. Leur demander en plus un raisonnement visible étape par étape les fait écrire deux fois : une fois en caché, une fois dans la réponse. Demandez la réponse finale dans le format dont vous avez besoin.
Quel réglage pour quelle tâche ?
| Tâche | Effort de raisonnement | max_tokens | Piste de modèle |
|---|---|---|---|
| Classification, routage | low | 1 000 | Gemma 4 VL 26B ou DeepSeek V4.1 Flash |
| Extraction en JSON | low | 1 000 à 2 000 | DeepSeek V4.1 Flash, GLM 5.3 pour la sortie structurée |
| Rédaction de réponses clients | low ou par défaut | 2 000 | DeepSeek V4.1 Flash |
| Débogage, planification, revue de code | par défaut ou plus | 8 000 ou non défini | DeepSeek V4.1 Flash ou GLM 5.3 |
Ce sont des points de départ. Mesurez les tokens de sortie et la qualité sur vos propres données, puis ajustez.
Quand le raisonnement cesse-t-il de coûter plus cher ?
Avec un forfait. Le forfait Full Moon de BroadNet coûte $60 par mois et par session pour DeepSeek V4.1 Flash en illimité, sans compteur de tokens : les tokens de raisonnement n’ont donc aucun coût au token. Ils prennent tout de même du temps : à une vitesse typique de environ 100 tokens par seconde, chaque token de raisonnement est généré avant que la réponse commence, donc une longue réflexion retarde la réponse. Quand un forfait bat le paiement au token, et dix autres façons de réduire la facture d’un agent de code.
Où se situe BroadNet Inference
BroadNet fait tourner trois modèles de raisonnement et un modèle sans raisonnement indiqué derrière une même clé compatible OpenAI à l’adresse https://inference.broadnet.ai/v1, avec l’usage indiqué dans chaque réponse. Il est donc simple de router par tâche et de mesurer la différence. S’il vous faut un modèle fermé avec un résumé de raisonnement visible, utilisez l’API de cet éditeur ; le catalogue de chat de BroadNet ne comprend aucun modèle fermé. Voir les forfaits.
