---
title: "Respons LLM kosong? Token penaakulan dan max_tokens | BroadRouter"
description: "DeepSeek V4.1 Flash, GLM 5.3 dan Qwen3.8 27B berfikir dahulu sebelum menjawab, dan penaakulan dikira dalam max_tokens. Cara mengelakkan balasan kosong."
url: https://broadrouter.com/ms/guides/reasoning-tokens-empty-response/
lang: ms
updated: 2026-11-16
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/guides/reasoning-tokens-empty-response/) (dikemas kini 2026-11-16).

# Mengapa model penaakulan memulangkan jawapan kosong

Dikemas kini 2026-11-16

Model menghabiskan seluruh bajet max\_tokens untuk penaakulan sebelum sempat memulakan jawapan yang kelihatan. Di BroadNet Inference, DeepSeek V4.1 Flash, GLM 5.3 dan Qwen3.8 27B membuat penaakulan dahulu, dan penaakulan dikira dalam max\_tokens. Peruntukkan 1,000 token atau lebih, atau tetapkan reasoning\_effort kepada low.

Anda menghantar prompt pendek dengan `max_tokens: 100`, permintaan berjaya, tetapi `choices[0].message.content` kosong. Tiada apa yang rosak: jawapan itu tidak pernah bermula.

## Apa yang berlaku

Model penaakulan menulis rantaian pemikiran (chain of thought) tersembunyi sebelum jawapan yang kelihatan. Kedua-duanya berkongsi satu bajet `max_tokens`. Dengan had yang kecil, penaakulan menggunakan semuanya, dan dalam bentuk chat completions yang standard, `finish_reason` kemudiannya ialah `length`.

## Tiga cara membaikinya

**1\. Beri ruang.** Tetapkan `max_tokens` kepada 1,000 atau lebih, seperti yang dinasihatkan oleh dokumentasi BroadNet. [Kalkulator max\_tokens untuk model penaakulan](https://broadrouter.com/tools/reasoning-token-budget/) menetapkan saiz had mengikut panjang jawapan anda dan menunjukkan kosnya.

**2\. Kurangkan penaakulan.** Tetapkan `reasoning_effort` kepada `low` untuk tugas mudah:

```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\. Pantau usage.** Apabila model melaporkannya, `usage.completion_tokens_details.reasoning_tokens` menunjukkan berapa banyak yang digunakan untuk penaakulan:

```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")
```

Dalam strim, tambah `stream_options={"include_usage": True}` dan usage yang sama tiba dalam chunk terakhir. Lihat [strim chat completions](https://broadrouter.com/ms/guides/streaming-chat-completions/).

## Model mana yang membuat penaakulan

| Model | Membuat penaakulan dahulu |
| --- | --- |
| DeepSeek V4.1 Flash (`broadnet/deepseek-v4.1-flash`) | Ya |
| GLM 5.3 (`broadnet/glm-5.3`) | Ya |
| Qwen3.8 27B (`broadnet/qwen3.8-27b`) | Ya |
| BroadNet Gemma 4 VL 26B (`broadnet/gemma-4-26b-a4b`) | Tidak disenaraikan |

## Penyelesaian masalah

-   **`content` kosong, `finish_reason` ialah `length`.** Naikkan `max_tokens` atau tetapkan `reasoning_effort` kepada `low`.
-   **`content` kosong, `finish_reason` ialah `stop`.** Had bukan puncanya. Semak prompt anda dan cetak respons penuh untuk melihat apa yang dipulangkan.
-   **`AttributeError` pada `completion_tokens_details`.** Model tidak melaporkan pecahan itu untuk permintaan tersebut; semak untuk `None` seperti dalam contoh di atas.
-   **Token pertama lambat dalam strim.** Model sedang membuat penaakulan sebelum menulis jawapan. `reasoning_effort` yang lebih rendah boleh memendekkan masa menunggu.

Jika anda menjalankan ejen sepanjang hari, token penaakulan bertambah pada bayar ikut guna. [Kalkulator harga BroadNet](https://broadrouter.com/ms/pricing/) menunjukkan bila [pelan tanpa had](https://broadrouter.com/ms/guides/unlimited-llm-api-sessions/) kadar tetap lebih murah.

## Istilah dalam panduan ini

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

Token ialah unit teks yang dibaca dan ditulis oleh model bahasa: satu perkataan, sebahagian perkataan, tanda baca atau jujukan bait yang dihasilkan oleh tokenizer model itu. API LLM mengira, mengehadkan dan biasanya mengebil penggunaan dalam token.

[Penstriman (streaming)](https://broadrouter.com/ms/glossary/streaming/)

Penstriman ialah cara memulangkan respons model bahasa dalam cebisan kecil semasa ia masih dijana, dan bukan sebagai satu jawapan di penghujung. API serasi OpenAI menstrim melalui server-sent events apabila permintaan menetapkan stream kepada true.

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

Chat Completions API ialah endpoint HTTP OpenAI, POST /v1/chat/completions, yang menerima nama model dan senarai mesej bertanda peranan, lalu memulangkan mesej seterusnya daripada model. Bentuk permintaan dan responsnya menjadi format biasa yang digunakan semula oleh penyedia dan SDK yang serasi OpenAI.

[Bayar ikut guna (pay-as-you-go)](https://broadrouter.com/ms/glossary/pay-as-you-go/)

Bayar ikut guna ialah model harga di mana anda hanya membayar apa yang anda guna, dimeter mengikut unit seperti token, permintaan atau minit audio, tanpa langganan atau komitmen minimum. Kebanyakan API LLM mengebil dengan cara ini, daripada baki prabayar atau invois berkala.

[Chain-of-thought (CoT, rantaian pemikiran)](https://broadrouter.com/ms/glossary/chain-of-thought/)

Chain-of-thought (CoT) ialah teknik prompting di mana model bahasa ditunjukkan atau diminta menulis langkah penaakulan perantaraan sebelum jawapan akhirnya. Ia meningkatkan ketepatan bagi masalah berbilang langkah seperti aritmetik dan logik, dan model penaakulan kini menjananya secara automatik.

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

max\_tokens ialah parameter API LLM yang menetapkan bilangan maksimum token yang boleh dijana oleh model dalam satu respons. Apabila had itu dicapai, penjanaan berhenti dan respons ditandakan sebagai terpotong, contohnya dengan finish\_reason ditetapkan kepada "length".

[Pelan LLM harga tetap (flat-rate LLM plan)](https://broadrouter.com/ms/glossary/flat-rate-llm-plan/)

Pelan LLM harga tetap mengenakan harga tetap bagi satu tempoh, seperti sebulan, untuk akses kepada API model bahasa dan bukannya mengebil setiap token. Pelan sebegini biasanya mengehadkan perkara lain, seperti keserentakan, kelajuan, model atau tetingkap penggunaan, jadi hadnya sama penting dengan harganya.

[Token penaakulan (reasoning tokens)](https://broadrouter.com/ms/glossary/reasoning-tokens/)

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.

## Soalan lazim

### Adakah penaakulan dikenakan bayaran?

Pada bayar ikut guna, penaakulan dilaporkan di dalam token completion, yang dibilkan pada harga output. Pada pelan tanpa had untuk DeepSeek V4.1 Flash tiada meter token, jadi tiada kos tambahan.

### Adakah BroadNet Gemma 4 VL 26B membuat penaakulan?

Dokumentasi BroadNet menyenaraikan penaakulan untuk DeepSeek V4.1 Flash, GLM 5.3 dan Qwen3.8 27B, bukan untuk Gemma 4 VL 26B.

### Mengapakah kandungan mesej kosong apabila finish\_reason ialah length?

Bajet token habis sebelum jawapan yang kelihatan bermula. Model penaakulan menulis penaakulannya dahulu, dan token itu dikira dalam max\_tokens. Naikkan max\_tokens kepada 1,000 atau lebih, atau rendahkan reasoning\_effort.

### Apakah fungsi reasoning\_effort low?

Ia meminta model mengurangkan penaakulan sebelum menjawab. Dokumentasi BroadNet mencadangkannya sebagai alternatif kepada max\_tokens yang lebih besar apabila had yang pendek menyebabkan jawapan kosong. Gunakannya untuk tugas mudah seperti pengelasan atau pengekstrakan.

### Bagaimanakah saya melihat berapa banyak token digunakan untuk penaakulan?

Baca usage.completion\_tokens\_details.reasoning\_tokens dalam respons, jika model melaporkannya. Dalam strim, hantar stream\_options dengan include\_usage true dan bacanya daripada chunk terakhir.

## Panduan berkaitan

-   [Cara guna OpenAI Python SDK dengan BroadNet Inference](https://broadrouter.com/ms/guides/openai-python-sdk/)
-   [Strim chat completions dan kendalikan sambungan yang terputus](https://broadrouter.com/ms/guides/streaming-chat-completions/)
-   [Kod ralat BroadNet Inference dan bila perlu cuba semula](https://broadrouter.com/ms/guides/errors-and-retries/)

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

**Sumber**

-   [Rujukan API BroadNet Inference, token penaakulan dan token cache (disemak 2026-11-16) (Bahasa Inggeris)](https://inference.broadnet.ai/docs?utm_source=broadrouter&utm_medium=referral&utm_campaign=ms-guides-reasoning-tokens-empty-response&utm_content=sources#models)
