---
title: "Cosa sono i token di ragionamento? Costi e risposte vuote"
description: "I token di ragionamento sono ciò che un modello scrive mentre pensa, prima di rispondere. Come si pagano, come contano in max_tokens e come tenerli sotto controllo."
url: https://broadrouter.com/it/glossary/reasoning-tokens/
lang: it
updated: 2026-11-14
publisher: BroadRouter (a BroadNet site); API by BroadNet Inference, https://inference.broadnet.ai
---

Tradotto dall’inglese con l’aiuto dell’IA. [Leggi l’originale in inglese](https://broadrouter.com/glossary/reasoning-tokens/) (aggiornato il 2026-11-14).

# Token di ragionamento (reasoning tokens)

Aggiornato 2026-11-14

I token di ragionamento sono token che un modello di ragionamento genera per elaborare un problema prima di scrivere la risposta visibile. Di solito sono fatturati come token di output, contano nel limite di output e nella finestra di contesto, e l’API può nasconderli o riassumerli.

Detto anche: token di ragionamento, token di pensiero, reasoning tokens, thinking tokens, chain-of-thought tokens, reasoning effort, extended thinking

I modelli di ragionamento pensano prima di rispondere. Anche quel pensiero è testo, quindi costa token, tempo e spazio nella finestra di contesto.

## Come funziona

Un modello di ragionamento genera una catena di pensiero interna, poi la risposta visibile. Entrambe attingono allo stesso budget di output. La guida di OpenAI dice che i token di ragionamento “are billed as output tokens” (traduzione: sono fatturati come token di output) e occupano spazio nella finestra di contesto; Anthropic dice lo stesso dei token di thinking e li chiama “a subset of your `max_tokens`” (traduzione: un sottoinsieme dei tuoi `max_tokens`).

Nel formato Chat Completions, il conteggio compare in usage:

```json
"usage": {
  "completion_tokens": 1186,
  "completion_tokens_details": { "reasoning_tokens": 1024 }
}
```

Qui 1.024 dei 1.186 token di output sono andati al pensiero, e solo 162 alla risposta. OpenAI avverte che una risposta può raggiungere il limite “before any visible output tokens are produced” (traduzione: prima che venga prodotto qualsiasi token di output visibile), quindi paghi input e ragionamento e non ottieni risposta. Suggerisce di riservare almeno 25.000 token a ragionamento e output quando inizi a sperimentare con i suoi modelli.

Molte API espongono un controllo come `reasoning_effort` (`low`, `medium`, `high`) per scambiare un po’ di qualità con meno token di pensiero.

## Perché è importante

-   **Costo.** Con una chiave a token, il ragionamento è fatturato al prezzo di output, di solito la tariffa più alta. Vedi [token di input e di output](https://broadrouter.com/it/glossary/input-and-output-tokens/).
-   **Latenza.** Il pensiero richiede tempo prima del primo token visibile. A [token al secondo](https://broadrouter.com/it/glossary/tokens-per-second/) costanti, 2.000 token di ragionamento aggiungono il tempo di 2.000 token di output.
-   **Affidabilità.** Un [`max_tokens`](https://broadrouter.com/it/glossary/max-tokens/) basso che funzionava con un modello senza ragionamento può restituire risposte vuote con uno che ragiona.

## Su BroadNet Inference

[DeepSeek V4.1 Flash](https://broadrouter.com/it/models/deepseek-v4.1-flash/), [GLM 5.3](https://broadrouter.com/it/models/glm-5.3/) e [Qwen3.8 27B](https://broadrouter.com/it/models/qwen3.8-27b/) ragionano prima di rispondere. La documentazione di BroadNet dice che il ragionamento conta in `max_tokens`. La documentazione di BroadNet non indica il ragionamento per BroadNet Gemma 4 VL 26B.

Quando il modello lo riporta, `usage.completion_tokens_details.reasoning_tokens` mostra la quota di pensiero. Imposta `max_tokens` a 1.000 o più, oppure non impostarlo, e usa `reasoning_effort="low"` per i passaggi semplici:

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

A consumo, il ragionamento è fatturato al prezzo di output, per esempio $0.52 per 1M di token su DeepSeek V4.1 Flash. Con un piano illimitato per quel modello non c’è un contatore di token, quindi il ragionamento non costa nulla in più; richiede solo tempo. L’elenco completo delle soluzioni è in [perché un modello di ragionamento restituisce una risposta vuota](https://broadrouter.com/it/guides/reasoning-tokens-empty-response/).

## Domande frequenti

### Posso vedere i token di ragionamento?

Dipende dall’API. OpenAI dice che i token di ragionamento non sono visibili tramite la sua API ma possono essere riassunti. Altri provider restituiscono il ragionamento, in tutto o in parte, in un campo separato. In ogni caso li paghi.

### Come riduco i token di ragionamento?

Per i compiti semplici usa un livello di ragionamento più basso, per esempio reasoning\_effort impostato a low, dove il modello lo supporta. Aiutano anche prompt chiari e specifici.

### Perché un modello di ragionamento mi ha dato una risposta vuota?

Probabilmente il modello ha speso tutto il budget di output nel ragionamento. In quel caso finish\_reason è length. Alza max\_tokens o abbassa il livello di ragionamento.

## Vedi anche

-   [max\_tokens](https://broadrouter.com/it/glossary/max-tokens/) (termine)
-   [Token di input e di output](https://broadrouter.com/it/glossary/input-and-output-tokens/) (termine)
-   [Finestra di contesto (context window)](https://broadrouter.com/it/glossary/context-window/) (termine)
-   [Token al secondo (tokens per second)](https://broadrouter.com/it/glossary/tokens-per-second/) (termine)
-   [Chain-of-thought (CoT)](https://broadrouter.com/it/glossary/chain-of-thought/) (termine)
-   [Perché un modello di ragionamento restituisce una risposta vuota](https://broadrouter.com/it/guides/reasoning-tokens-empty-response/) (guida)
-   [Streaming delle chat completions e connessioni interrotte](https://broadrouter.com/it/guides/streaming-chat-completions/) (guida)
-   [Passare a un’API compatibile con OpenAI: la checklist di migrazione](https://broadrouter.com/it/blog/openai-compatible-api-migration-checklist/) (articolo)
-   [API LLM a tariffa flat o a consumo per token: i conti del pareggio](https://broadrouter.com/it/blog/flat-rate-vs-pay-per-token-llm-api/) (articolo)

Provalo sul tuo carico di lavoro reale. I nuovi account partono con USD 5 di credito per Gemma e trascrizione. DeepSeek, GLM e Qwen3.8 richiedono una ricarica.

[Inizia](https://inference.broadnet.ai/account/?utm_source=broadrouter&utm_medium=referral&utm_campaign=it-glossary-reasoning-tokens&utm_content=page-cta) ·

**Fonti**

-   [OpenAI, guida ai modelli di ragionamento](https://developers.openai.com/api/docs/guides/reasoning)
-   [Anthropic, finestre di contesto con il thinking](https://platform.claude.com/docs/en/build-with-claude/context-windows)
-   [Riferimento API di BroadNet Inference, token di ragionamento e in cache (in inglese)](https://inference.broadnet.ai/docs?utm_source=broadrouter&utm_medium=referral&utm_campaign=it-glossary-reasoning-tokens&utm_content=sources#models)
