---
title: "Apakah itu token penaakulan? Bil, had dan jawapan kosong"
description: "Token penaakulan ialah apa yang ditulis model penaakulan semasa berfikir sebelum menjawab. Cara ia dibilkan, cara ia dikira dalam max_tokens, dan cara mengawalnya."
url: https://broadrouter.com/ms/glossary/reasoning-tokens/
lang: ms
updated: 2026-11-14
publisher: BroadRouter (a BroadNet site); API by BroadNet Inference, https://inference.broadnet.ai
---

Diterjemahkan daripada bahasa Inggeris dengan bantuan AI. [Baca versi asal dalam bahasa Inggeris](https://broadrouter.com/glossary/reasoning-tokens/) (dikemas kini 2026-11-14).

# Token penaakulan (reasoning tokens)

Dikemas kini 2026-11-14

Token penaakulan ialah token yang dijana oleh model penaakulan untuk menyelesaikan masalah sebelum ia menulis jawapan yang kelihatan. Token ini biasanya dibilkan sebagai token output, dikira dalam had output dan tetingkap konteks, dan mungkin disembunyikan atau diringkaskan oleh API.

Juga dikenali sebagai: token berfikir, token penaakulan, reasoning tokens, thinking tokens, chain-of-thought tokens, reasoning effort, extended thinking

Model penaakulan berfikir sebelum menjawab. Pemikiran itu juga teks, jadi ia menggunakan token, masa dan ruang dalam tetingkap konteks.

## Cara ia berfungsi

Model penaakulan menjana rantaian pemikiran dalaman, kemudian jawapan yang kelihatan. Kedua-duanya datang daripada bajet output yang sama. Panduan OpenAI menyatakan token penaakulan “are billed as output tokens” (Terjemahan BroadRouter: “dibilkan sebagai token output”) dan menggunakan ruang dalam tetingkap konteks; Anthropic menyatakan perkara yang sama tentang thinking token dan menyebutnya “a subset of your `max_tokens`” (Terjemahan BroadRouter: “sebahagian daripada `max_tokens` anda”).

Dalam format Chat Completions, bilangannya dipaparkan dalam usage:

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

Di sini, 1,024 daripada 1,186 token output digunakan untuk berfikir, dan hanya 162 untuk jawapan. OpenAI memberi amaran bahawa respons boleh mencapai had “before any visible output tokens are produced” (Terjemahan BroadRouter: “sebelum sebarang token output yang kelihatan dihasilkan”), jadi anda membayar untuk input dan penaakulan tanpa mendapat balasan. Ia mencadangkan supaya sekurang-kurangnya 25,000 token dikhaskan untuk penaakulan dan output apabila anda mula bereksperimen dengan model-modelnya.

Banyak API menyediakan kawalan seperti `reasoning_effort` (`low`, `medium`, `high`) untuk menukar kualiti dengan token berfikir yang lebih sedikit.

## Mengapa ia penting

-   **Kos.** Pada kunci setiap token, penaakulan dibilkan pada harga output, biasanya kadar tertinggi. Lihat [token input dan output](https://broadrouter.com/ms/glossary/input-and-output-tokens/).
-   **Kependaman.** Berfikir mengambil masa sebelum token pertama yang kelihatan. Pada [token sesaat](https://broadrouter.com/ms/glossary/tokens-per-second/) yang tetap, 2,000 token penaakulan menambah masa yang sama seperti 2,000 token output.
-   **Kebolehpercayaan.** [`max_tokens`](https://broadrouter.com/ms/glossary/max-tokens/) yang kecil, yang berfungsi pada model bukan penaakulan, boleh memulangkan jawapan kosong pada model penaakulan.

## Di BroadNet Inference

[DeepSeek V4.1 Flash](https://broadrouter.com/ms/models/deepseek-v4.1-flash/), [GLM 5.3](https://broadrouter.com/ms/models/glm-5.3/) dan [Qwen3.8 27B](https://broadrouter.com/ms/models/qwen3.8-27b/) membuat penaakulan sebelum menjawab. Dokumentasi BroadNet menyatakan penaakulan dikira dalam `max_tokens`. Dokumentasi BroadNet tidak menyenaraikan penaakulan untuk BroadNet Gemma 4 VL 26B.

Apabila model melaporkannya, `usage.completion_tokens_details.reasoning_tokens` menunjukkan bahagian yang digunakan untuk berfikir. Tetapkan `max_tokens` kepada 1,000 atau lebih, atau biarkan tidak ditetapkan, dan gunakan `reasoning_effort="low"` untuk langkah mudah:

```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'"}],
)
```

Pada bayar ikut guna, penaakulan dibilkan pada harga output, contohnya $0.52 setiap 1M token pada DeepSeek V4.1 Flash. Pada pelan tanpa had untuk model itu tiada meter token, jadi penaakulan tidak menambah kos; ia hanya mengambil masa. Senarai pembaikan penuh ada dalam [mengapa model penaakulan memulangkan jawapan kosong](https://broadrouter.com/ms/guides/reasoning-tokens-empty-response/).

## Soalan lazim

### Bolehkah saya melihat token penaakulan?

Bergantung pada API. OpenAI menyatakan token penaakulan tidak kelihatan melalui API-nya tetapi boleh diringkaskan. Penyedia lain memulangkan sebahagian atau keseluruhan penaakulan dalam medan berasingan. Anda tetap dibilkan untuknya.

### Bagaimanakah saya mengurangkan token penaakulan?

Gunakan tetapan reasoning effort yang lebih rendah untuk tugas mudah, seperti reasoning\_effort ditetapkan kepada low, jika model menyokongnya. Prompt yang jelas dan khusus juga membantu.

### Mengapakah saya mendapat jawapan kosong daripada model penaakulan?

Model itu mungkin telah menggunakan keseluruhan bajet output untuk penaakulan. finish\_reason kemudiannya ialah length. Naikkan max\_tokens atau turunkan reasoning effort.

## Lihat juga

-   [max\_tokens](https://broadrouter.com/ms/glossary/max-tokens/) (istilah)
-   [Token input dan output (input and output tokens)](https://broadrouter.com/ms/glossary/input-and-output-tokens/) (istilah)
-   [Tetingkap konteks (context window)](https://broadrouter.com/ms/glossary/context-window/) (istilah)
-   [Token sesaat (tokens per second)](https://broadrouter.com/ms/glossary/tokens-per-second/) (istilah)
-   [Chain-of-thought (CoT, rantaian pemikiran)](https://broadrouter.com/ms/glossary/chain-of-thought/) (istilah)
-   [Mengapa model penaakulan memulangkan jawapan kosong](https://broadrouter.com/ms/guides/reasoning-tokens-empty-response/) (panduan)
-   [Strim chat completions dan kendalikan sambungan yang terputus](https://broadrouter.com/ms/guides/streaming-chat-completions/) (panduan)
-   [Beralih ke API serasi OpenAI: senarai semak migrasi](https://broadrouter.com/ms/blog/openai-compatible-api-migration-checklist/) (artikel)
-   [API LLM kadar tetap vs bayar setiap token: kiraan pulang modal](https://broadrouter.com/ms/blog/flat-rate-vs-pay-per-token-llm-api/) (artikel)

Cuba dengan beban kerja sebenar anda. Akaun baharu bermula dengan kredit US$5 untuk Gemma dan transkripsi. DeepSeek, GLM dan Qwen3.8 memerlukan tambah nilai.

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

**Sumber**

-   [OpenAI, panduan model penaakulan](https://developers.openai.com/api/docs/guides/reasoning)
-   [Anthropic, tetingkap konteks dengan thinking](https://platform.claude.com/docs/en/build-with-claude/context-windows)
-   [Rujukan API BroadNet Inference, token penaakulan dan cache (Bahasa Inggeris)](https://inference.broadnet.ai/docs?utm_source=broadrouter&utm_medium=referral&utm_campaign=ms-glossary-reasoning-tokens&utm_content=sources#models)
