Invii una domanda breve, ricevi una risposta di due righe e la bolletta mostra 1.400 token di output. Non c’è nessun errore. Il modello ha ragionato prima di rispondere, e il ragionamento è stato fatturato. Questo articolo spiega come si contano i token di ragionamento, quanto costano su ciascun modello e le quattro impostazioni che li controllano.
Cosa sono i token di ragionamento?
Un modello di ragionamento scrive una catena di pensiero interna, poi la risposta visibile. Entrambe escono dalla stessa generazione. Il ragionamento è fatto di token di ragionamento. Nella risposta standard di chat completions la risposta sta in message.content, mentre il ragionamento viene contato, non mostrato.
La guida al ragionamento di OpenAI enuncia la regola senza giri di parole: i token di ragionamento «still occupy space in the model’s context window and are billed as» output tokens (traduzione: occupano comunque spazio nella finestra di contesto del modello e sono fatturati come token di output). Gli altri provider seguono la stessa regola.
Come si pagano i token di ragionamento?
Fanno parte di completion_tokens, quindi pagano il prezzo dell’output. E l’output è il contatore costoso:
| Modello | Ragiona prima | Output per 1M | Input per 1M |
|---|---|---|---|
| DeepSeek V4.1 Flash | Sì | $0.52 | $0.175 |
| GLM 5.3 | Sì | $3.46 | $0.78 |
| Qwen3.8 27B | Sì | $2.17 | $0.175 |
| Gemma 4 VL 26B | Non indicato | $0.22 | $0.10 |
I prezzi sono quelli di BroadNet Inference, sincronizzati il 2026-11-14. Quanto fanno pagare altri host per gli stessi modelli è nella tabella dei prezzi delle API LLM, per esempio GLM 5.3 tra i vari provider.
Quanto può aggiungere il ragionamento a una bolletta?
Prendi un classificatore che restituisce un’etichetta di una parola, circa 10 token visibili. Se prima il modello ragiona per 1.000 token, il 99% della spesa di output è ragionamento.
Su larga scala: 1.000 risposte con 1.000 token di ragionamento ciascuna aggiungono 1M di token di output. Costano $0.52 su DeepSeek V4.1 Flash, $2.17 su Qwen3.8 27B e $3.46 su GLM 5.3, in aggiunta alle risposte visibili.
La quantità cambia con il compito. La matematica difficile o il ragionamento su codice distribuito in più file possono arrivare a migliaia di token. Un saluto può non richiederne quasi nessuno. Per questo si misura.
Come si misurano i token di ragionamento?
Il blocco usage li riporta quando il modello fornisce il conteggio:
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))
Registra questi valori per tipo di compito per una settimana. Di solito scoprirai che pochi compiti sono responsabili della maggior parte del ragionamento. In streaming aggiungi stream_options: {"include_usage": true}; i conteggi arrivano nell’ultimo chunk (guida allo streaming).
Quattro modi per controllare il costo del ragionamento
1. Abbassa reasoning_effort per i compiti semplici
reasoning_effort chiede al modello di ragionare meno. Le guide di BroadNet usano low per classificazione, estrazione e formattazione:
client.chat.completions.create(model="broadnet/deepseek-v4.1-flash", reasoning_effort="low",
max_tokens=1000, messages=msgs)
OpenAI documenta una gamma più ampia di valori sui propri modelli, da none e minimal passando per low, medium e high fino a xhigh e max, e precisa che «some models support only a subset» (traduzione: alcuni modelli ne supportano solo una parte). Controlla quali valori accetta il tuo modello e confronta i token di output prima e dopo sugli stessi campioni.
2. Usa max_tokens come tetto, non come morsa
max_tokens limita insieme ragionamento e risposta. Ferma una risposta fuori controllo, ma se lo imposti troppo basso il modello può spendere tutto il budget a ragionare e restituire una risposta vuota con finish_reason: "length". Paghi quel ragionamento e devi comunque ritentare. BroadNet suggerisce 1.000 token o più per i modelli di ragionamento. Perché un modello di ragionamento restituisce una risposta vuota.
3. Manda i passaggi facili a un modello che non ragiona
Non tutti i passaggi richiedono di pensare. Formattare JSON, rinominare campi o rispondere a ricerche nelle FAQ può andare a Gemma 4 VL 26B a $0.22 per 1M di output, per cui BroadNet non indica il ragionamento. Tieni i modelli di ragionamento per pianificazione, debug e risposte in più passaggi. Verifica la qualità sui tuoi campioni prima di fare routing.
4. Togli «ragiona passo per passo» dai prompt
I modelli di ragionamento ragionano già. Chiedere in più un ragionamento passo per passo visibile li porta a scriverlo due volte: una nascosta, una nella risposta. Chiedi la risposta finale nel formato che ti serve.
Quale impostazione usare per quale compito?
| Compito | Sforzo di ragionamento | max_tokens | Modello suggerito |
|---|---|---|---|
| Classificazione, routing | low | 1.000 | Gemma 4 VL 26B o DeepSeek V4.1 Flash |
| Estrazione in JSON | low | da 1.000 a 2.000 | DeepSeek V4.1 Flash, GLM 5.3 per l’output strutturato |
| Bozze di risposta ai clienti | low o predefinito | 2.000 | DeepSeek V4.1 Flash |
| Debug, pianificazione, code review | predefinito o più alto | 8.000 o non impostato | DeepSeek V4.1 Flash o GLM 5.3 |
Sono punti di partenza. Misura token di output e qualità sui tuoi dati, poi regola.
Quando il ragionamento smette di costare di più?
Con un piano flat. Il piano Full Moon di BroadNet costa $60 al mese per sessione per DeepSeek V4.1 Flash illimitato senza contatore di token, quindi i token di ragionamento non hanno un costo per token. Prendono comunque tempo: a una velocità tipica di circa 100 token al secondo, ogni token di ragionamento viene generato prima che inizi la risposta, quindi un ragionamento lungo ritarda la risposta. Quando un piano flat batte il pagamento per token, e altri dieci modi per ridurre la bolletta di un agente di coding.
Dove si colloca BroadNet Inference
BroadNet esegue tre modelli di ragionamento e un modello senza ragionamento indicato su un’unica chiave compatibile con OpenAI su https://inference.broadnet.ai/v1, con l’utilizzo riportato in ogni risposta. Questo rende semplice fare routing per compito e misurare la differenza. Se ti serve un modello chiuso con un riepilogo visibile del ragionamento, usa l’API di quel vendor; il catalogo chat di BroadNet non ha modelli chiusi. Vedi i piani.
