---
title: "Risposta LLM vuota? Token di ragionamento e max_tokens"
description: "DeepSeek V4.1 Flash, GLM 5.3 e Qwen3.8 27B ragionano prima di rispondere, e il ragionamento conta in max_tokens. Come evitare le risposte vuote."
url: https://broadrouter.com/it/guides/reasoning-tokens-empty-response/
lang: it
updated: 2026-11-16
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/guides/reasoning-tokens-empty-response/) (aggiornato il 2026-11-16).

# Perché un modello di ragionamento restituisce una risposta vuota

Aggiornato 2026-11-16

Il modello ha speso tutto il budget di max\_tokens nel ragionamento prima di iniziare la risposta visibile. Su BroadNet Inference, DeepSeek V4.1 Flash, GLM 5.3 e Qwen3.8 27B ragionano prima di rispondere, e il ragionamento conta in max\_tokens. Imposta almeno 1.000 token, oppure porta reasoning\_effort a low.

Invii un prompt breve con `max_tokens: 100`, la richiesta va a buon fine e `choices[0].message.content` è vuoto. Non si è rotto niente: la risposta non è mai iniziata.

## Che cosa succede

I modelli di ragionamento scrivono una catena di pensiero nascosta prima della risposta visibile. Le due parti condividono un unico budget di `max_tokens`. Con un limite basso il ragionamento lo consuma tutto e, nel formato standard di chat completions, `finish_reason` diventa `length`.

## Tre soluzioni

**1\. Lascia spazio.** Imposta `max_tokens` ad almeno 1.000, come consiglia la documentazione di BroadNet. Il [calcolatore di max\_tokens per modelli di ragionamento](https://broadrouter.com/tools/reasoning-token-budget/) dimensiona il limite in base alla lunghezza della risposta e mostra il costo.

**2\. Ragiona meno.** Per i compiti semplici imposta `reasoning_effort` a `low`:

```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\. Tieni d’occhio l’usage.** Quando il modello lo riporta, `usage.completion_tokens_details.reasoning_tokens` mostra quanto è andato nel ragionamento:

```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")
```

I commenti nel codice ricordano che `"length"` significa budget esaurito e che `completion_tokens_details` è `None` se il modello non lo riporta.

In streaming, aggiungi `stream_options={"include_usage": True}` e lo stesso usage arriva nell’ultimo chunk. Vedi [streaming delle chat completions](https://broadrouter.com/it/guides/streaming-chat-completions/).

## Quali modelli ragionano

| Modello | Ragiona prima di rispondere |
| --- | --- |
| DeepSeek V4.1 Flash (`broadnet/deepseek-v4.1-flash`) | Sì |
| GLM 5.3 (`broadnet/glm-5.3`) | Sì |
| Qwen3.8 27B (`broadnet/qwen3.8-27b`) | Sì |
| BroadNet Gemma 4 VL 26B (`broadnet/gemma-4-26b-a4b`) | Non indicato |

## Risoluzione dei problemi

-   **`content` vuoto, `finish_reason` è `length`.** Alza `max_tokens` o imposta `reasoning_effort` a `low`.
-   **`content` vuoto, `finish_reason` è `stop`.** Il limite non c’entra. Controlla il prompt e stampa la risposta completa per vedere che cosa è tornato.
-   **`AttributeError` su `completion_tokens_details`.** Il modello non ha riportato il dettaglio per quella richiesta; gestisci il caso `None` come nell’esempio sopra.
-   **Primo token lento in streaming.** Il modello sta ragionando prima di scrivere la risposta. Un `reasoning_effort` più basso può accorciare l’attesa.

Se fai girare agenti tutto il giorno, con il pagamento a consumo i token di ragionamento si accumulano. Il [calcolatore dei prezzi di BroadNet](https://broadrouter.com/it/pricing/) mostra quando un [piano illimitato](https://broadrouter.com/it/guides/unlimited-llm-api-sessions/) a prezzo fisso costa meno.

## Termini in questa guida

[Token](https://broadrouter.com/it/glossary/token/)

Un token è l’unità di testo che un modello linguistico legge e scrive: una parola, una parte di parola, un segno di punteggiatura o una sequenza di byte prodotta dal tokenizer del modello. Le API LLM contano, limitano e di solito fatturano l’uso in token.

[Streaming](https://broadrouter.com/it/glossary/streaming/)

Lo streaming è un modo di restituire la risposta di un modello linguistico in piccoli pezzi mentre viene ancora generata, invece che in un’unica risposta alla fine. Le API compatibili con OpenAI trasmettono in streaming tramite server-sent event quando la richiesta imposta stream a true.

[Chat Completions API](https://broadrouter.com/it/glossary/chat-completions-api/)

La Chat Completions API è l’endpoint HTTP di OpenAI, POST /v1/chat/completions, che riceve il nome di un modello e una lista di messaggi con un ruolo e restituisce il messaggio successivo del modello. La forma della sua richiesta e risposta è diventata il formato comune che riusano provider e SDK compatibili con OpenAI.

[Pagamento a consumo (pay-as-you-go)](https://broadrouter.com/it/glossary/pay-as-you-go/)

Il pagamento a consumo è un modello di prezzo in cui paghi solo ciò che usi, misurato per unità come token, richieste o minuti di audio, senza abbonamento né impegno minimo. La maggior parte delle API LLM fattura così, da un saldo prepagato o con una fattura periodica.

[Chain-of-thought (CoT)](https://broadrouter.com/it/glossary/chain-of-thought/)

Il chain-of-thought (CoT, catena di pensiero) è una tecnica di prompting in cui a un modello linguistico si mostra o si chiede di scrivere i passaggi di ragionamento intermedi prima della risposta finale. Migliora l’accuratezza nei problemi a più passaggi, come aritmetica e logica, e i modelli di reasoning ora lo generano in automatico.

[max\_tokens](https://broadrouter.com/it/glossary/max-tokens/)

max\_tokens è un parametro delle API LLM che fissa il numero massimo di token che un modello può generare in una risposta. Quando la generazione raggiunge il limite, si ferma e la risposta viene segnata come troncata, per esempio con finish\_reason impostato a "length".

[Token di ragionamento (reasoning tokens)](https://broadrouter.com/it/glossary/reasoning-tokens/)

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.

[Tool calling (chiamata di strumenti)](https://broadrouter.com/it/glossary/tool-calling/)

Il tool calling, detto anche function calling, è una funzionalità delle API LLM in cui il modello restituisce una richiesta strutturata di eseguire una funzione definita dallo sviluppatore, con argomenti JSON. L’applicazione esegue la funzione e rimanda il risultato; il modello non esegue mai codice da solo.

## Domande frequenti

### Il ragionamento si paga?

Con il pagamento a consumo, il ragionamento è conteggiato nei completion token, fatturati al prezzo dell’output. Con un piano illimitato per DeepSeek V4.1 Flash non c’è un contatore di token, quindi non costa nulla in più.

### BroadNet Gemma 4 VL 26B ragiona?

La documentazione di BroadNet indica il ragionamento per DeepSeek V4.1 Flash, GLM 5.3 e Qwen3.8 27B, non per Gemma 4 VL 26B.

### Perché il content del messaggio è vuoto quando finish\_reason è length?

Il budget di token si è esaurito prima che iniziasse la risposta visibile. Un modello di ragionamento scrive prima il ragionamento, e quei token contano in max\_tokens. Alza max\_tokens ad almeno 1.000 oppure abbassa reasoning\_effort.

### Che cosa fa reasoning\_effort impostato a low?

Chiede al modello di ragionare meno prima di rispondere. La documentazione di BroadNet lo suggerisce come alternativa a un max\_tokens più alto quando un limite basso lascia la risposta vuota. Usalo per compiti semplici come classificazione o estrazione.

### Come vedo quanti token sono andati nel ragionamento?

Leggi usage.completion\_tokens\_details.reasoning\_tokens nella risposta, quando il modello lo riporta. In streaming, invia stream\_options con include\_usage a true e leggilo dall’ultimo chunk.

## Guide correlate

-   [Usare l’SDK Python di OpenAI con BroadNet Inference](https://broadrouter.com/it/guides/openai-python-sdk/)
-   [Streaming delle chat completions e connessioni interrotte](https://broadrouter.com/it/guides/streaming-chat-completions/)
-   [Codici di errore di BroadNet Inference e quando ritentare](https://broadrouter.com/it/guides/errors-and-retries/)

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

**Fonti**

-   [Riferimento API di BroadNet Inference, token di ragionamento e in cache (verificato il 2026-11-16) (in inglese)](https://inference.broadnet.ai/docs?utm_source=broadrouter&utm_medium=referral&utm_campaign=it-guides-reasoning-tokens-empty-response&utm_content=sources#models)
