---
title: "Custo de tokens de raciocínio: por que a saída pesa | BroadRouter"
description: "Modelos de raciocínio cobram o pensamento oculto como saída. Como medir, quanto custa em cada modelo e como reduzir com reasoning_effort, max_tokens e roteamento."
url: https://broadrouter.com/pt/blog/reasoning-tokens-cost/
lang: pt-BR
updated: 2026-11-14
publisher: BroadRouter (a BroadNet site); API by BroadNet Inference, https://inference.broadnet.ai
---

Traduzido do inglês com ajuda de IA. [Leia o original em inglês](https://broadrouter.com/blog/reasoning-tokens-cost/) (atualizado em 2026-11-16).

# Tokens de raciocínio: por que você paga mais saída do que vê

Pela equipe da BroadNet Inference · 4 min de leitura · Publicado em 2026-11-14 · Atualizado em 2026-11-16

Um modelo de raciocínio escreve um raciocínio oculto antes da resposta, e esses tokens de raciocínio são cobrados pelo preço de saída. Uma resposta de 200 tokens pode carregar 1.000 ou mais tokens de raciocínio. Na BroadNet Inference, DeepSeek V4.1 Flash, GLM 5.3 e Qwen3.8 27B raciocinam. Reduza o custo com reasoning\_effort em low, um max\_tokens sensato e um modelo sem raciocínio para etapas simples.

## Pontos principais

-   Os tokens de raciocínio entram em completion\_tokens e são cobrados pelo preço de saída, mesmo que você nunca os veja.
-   1.000 respostas com 1.000 tokens de raciocínio cada somam 1M de tokens de saída: $0.52 no DeepSeek V4.1 Flash, $3.46 no GLM 5.3.
-   Leia usage.completion\_tokens\_details.reasoning\_tokens para medir a parte da conta que vai para o raciocínio.
-   Defina reasoning\_effort como low em tarefas simples, mantenha max\_tokens alto o bastante para terminar e mande as etapas fáceis para um modelo que não raciocina.
-   Num plano ilimitado do DeepSeek V4.1 Flash, o raciocínio não tem custo por token.

**Nesta página**

1.  O que são tokens de raciocínio?
2.  Como os tokens de raciocínio são cobrados?
3.  Quanto o raciocínio pode somar numa conta?
4.  Como medir os tokens de raciocínio?
5.  Quatro formas de controlar o custo do raciocínio
6.  Qual configuração usar em cada tarefa?
7.  Quando o raciocínio deixa de custar a mais?
8.  Onde a BroadNet Inference se encaixa

Você envia uma pergunta curta, recebe uma resposta de duas linhas e a conta mostra 1.400 tokens de saída. Não há nada de errado. O modelo pensou antes de responder, e o raciocínio foi cobrado. Este post explica como os tokens de raciocínio são contados, quanto custam em cada modelo e as quatro configurações que os controlam.

## O que são tokens de raciocínio?

Um modelo de raciocínio escreve uma cadeia de pensamento interna e depois a resposta visível. As duas saem da mesma geração. O raciocínio é feito de [tokens de raciocínio](https://broadrouter.com/pt/glossary/reasoning-tokens/). Na resposta padrão de chat completions, a resposta fica em `message.content`, e o raciocínio é contado, não mostrado.

O guia de raciocínio da OpenAI diz a regra com todas as letras: os tokens de raciocínio “still occupy space in the model’s context window and are billed as” output tokens (tradução: ainda ocupam espaço na janela de contexto do modelo e são cobrados como tokens de saída). Outros provedores seguem a mesma regra.

## Como os tokens de raciocínio são cobrados?

Eles fazem parte de `completion_tokens`, então pagam o preço de saída. E a saída é o medidor caro:

| Modelo | Raciocina antes | Saída por 1M | Entrada por 1M |
| --- | --- | --- | --- |
| [DeepSeek V4.1 Flash](https://broadrouter.com/pt/models/deepseek-v4.1-flash/) | Sim | $0.52 | $0.175 |
| [GLM 5.3](https://broadrouter.com/pt/models/glm-5.3/) | Sim | $3.46 | $0.78 |
| [Qwen3.8 27B](https://broadrouter.com/pt/models/qwen3.8-27b/) | Sim | $2.17 | $0.175 |
| [Gemma 4 VL 26B](https://broadrouter.com/pt/models/gemma-4-vl-26b/) | Não listado | $0.22 | $0.10 |

Os preços são da BroadNet Inference, sincronizados em 2026-11-14. O que outros hosts cobram pelos mesmos modelos está na [tabela de preços de APIs de LLM](https://broadrouter.com/pt/llm-api-pricing/), por exemplo [GLM 5.3 entre provedores](https://broadrouter.com/pt/llm-api-pricing/glm-5.3/).

## Quanto o raciocínio pode somar numa conta?

Pense num classificador que devolve um rótulo de uma palavra, cerca de 10 tokens visíveis. Se o modelo pensar por 1.000 tokens antes, 99% da conta de saída é raciocínio.

Em escala: **1.000 respostas com 1.000 tokens de raciocínio cada somam 1M de tokens de saída.** Isso custa $0.52 no DeepSeek V4.1 Flash, $2.17 no Qwen3.8 27B e $3.46 no GLM 5.3, além das respostas visíveis.

A quantidade varia com a tarefa. Matemática difícil ou raciocínio sobre código em vários arquivos pode chegar a milhares de tokens. Um cumprimento pode quase não precisar de nenhum. É por isso que você mede.

## Como medir os tokens de raciocínio?

O bloco usage informa os tokens quando o modelo fornece a contagem:

```python
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))
```

Registre isso por tipo de tarefa durante uma semana. Em geral você vai descobrir que poucas tarefas respondem pela maior parte do raciocínio. Com streaming, adicione `stream_options: {"include_usage": true}`; as contagens chegam no último chunk ([guia de streaming](https://broadrouter.com/pt/guides/streaming-chat-completions/)).

## Quatro formas de controlar o custo do raciocínio

### 1\. Reduza o `reasoning_effort` em tarefas simples

O `reasoning_effort` pede ao modelo que pense menos. Os guias da BroadNet usam `low` para classificação, extração e formatação:

```python
client.chat.completions.create(model="broadnet/deepseek-v4.1-flash", reasoning_effort="low",
                               max_tokens=1000, messages=msgs)
```

A OpenAI documenta uma faixa maior de valores nos modelos dela, de `none` e `minimal`, passando por `low`, `medium` e `high`, até `xhigh` e `max`, e observa que “some models support only a subset” (tradução: alguns modelos aceitam só uma parte). Confira quais valores o seu modelo aceita e compare os tokens de saída antes e depois nas mesmas amostras.

### 2\. Use `max_tokens` como teto, não como aperto

O [`max_tokens`](https://broadrouter.com/pt/glossary/max-tokens/) limita raciocínio e resposta juntos. Ele segura uma resposta descontrolada, mas, se você o definir baixo demais, o modelo pode gastar todo o orçamento pensando e devolver uma resposta vazia com `finish_reason: "length"`. Você paga por esse raciocínio e ainda precisa tentar de novo. A BroadNet sugere 1.000 tokens ou mais para modelos de raciocínio. [Por que um modelo de raciocínio devolve uma resposta vazia](https://broadrouter.com/pt/guides/reasoning-tokens-empty-response/).

### 3\. Mande as etapas fáceis para um modelo que não raciocina

Nem toda etapa precisa de raciocínio. Formatar JSON, renomear campos ou responder consultas de FAQ pode ir para o Gemma 4 VL 26B a $0.22 por 1M de saída, para o qual a BroadNet não lista raciocínio. Deixe os modelos de raciocínio para planejamento, depuração e respostas em várias etapas. Teste a qualidade nas suas próprias amostras antes de rotear.

### 4\. Tire o “pense passo a passo” dos prompts

Modelos de raciocínio já pensam. Pedir, além disso, um raciocínio passo a passo visível faz com que escrevam tudo duas vezes: uma oculta e outra na resposta. Peça a resposta final no formato de que você precisa.

## Qual configuração usar em cada tarefa?

| Tarefa | Esforço de raciocínio | max\_tokens | Sugestão de modelo |
| --- | --- | --- | --- |
| Classificação, roteamento | low | 1.000 | Gemma 4 VL 26B ou DeepSeek V4.1 Flash |
| Extração para JSON | low | 1.000 a 2.000 | DeepSeek V4.1 Flash, GLM 5.3 para saída estruturada |
| Rascunho de resposta a clientes | low ou padrão | 2.000 | DeepSeek V4.1 Flash |
| Depuração, planejamento, code review | padrão ou maior | 8.000 ou sem definir | DeepSeek V4.1 Flash ou GLM 5.3 |

São pontos de partida. Meça tokens de saída e qualidade nos seus próprios dados e ajuste.

## Quando o raciocínio deixa de custar a mais?

Num plano de preço fixo. O plano Full Moon da BroadNet custa $60 por mês por sessão para DeepSeek V4.1 Flash ilimitado, sem medidor de tokens, então os tokens de raciocínio não têm custo por token. Eles ainda tomam tempo: a uma velocidade típica de cerca de 100 tokens por segundo, cada token de raciocínio é gerado antes de a resposta começar, então um raciocínio longo atrasa a resposta. [Quando um plano de preço fixo vence o pagamento por token](https://broadrouter.com/pt/blog/flat-rate-vs-pay-per-token-llm-api/), e [mais dez formas de cortar a conta de um agente de código](https://broadrouter.com/pt/blog/cut-coding-agent-llm-costs/).

## Onde a BroadNet Inference se encaixa

A BroadNet roda três modelos de raciocínio e um modelo sem raciocínio listado numa única chave [compatível com a OpenAI](https://broadrouter.com/pt/glossary/openai-compatible-api/) em `https://inference.broadnet.ai/v1`, com o uso informado em cada resposta. Isso facilita rotear por tarefa e medir a diferença. Se você precisa de um modelo fechado com um resumo visível do raciocínio, use a API desse fornecedor; o catálogo de chat da BroadNet não tem modelos fechados. [Veja os planos](https://inference.broadnet.ai/plans?utm_source=broadrouter&utm_medium=referral&utm_campaign=pt-blog-reasoning-tokens-cost&utm_content=body).

Ferramentas gratuitas sobre o tema (em inglês)

-   [LLM API cost calculator](https://broadrouter.com/tools/llm-api-cost-calculator/) Price a workload on every model at once, with cache hits, reasoning and a flat-plan check.
-   [Flat-rate vs per-token LLM cost calculator](https://broadrouter.com/tools/flat-rate-vs-per-token-calculator/) Break-even between an unlimited plan and paying per token, per agent.
-   [Prompt caching savings calculator](https://broadrouter.com/tools/prompt-caching-calculator/) Bill with and without caching, by prefix share and hit rate.
-   [Prompt token diff](https://broadrouter.com/tools/prompt-token-diff/) Two prompt versions side by side: changed lines, exact token delta and the monthly cost difference.

[Ferramentas gratuitas (em inglês)](https://broadrouter.com/tools/)

## Termos neste artigo

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

Um token é a unidade de texto que um modelo de linguagem lê e escreve: uma palavra, parte de uma palavra, um sinal de pontuação ou uma sequência de bytes gerada pelo tokenizador do modelo. As APIs de LLM contam, limitam e normalmente cobram o uso em tokens.

[Tokens de raciocínio (reasoning tokens)](https://broadrouter.com/pt/glossary/reasoning-tokens/)

Tokens de raciocínio são tokens que um modelo de raciocínio gera para trabalhar um problema antes de escrever a resposta visível. Normalmente são cobrados como tokens de saída, contam para o limite de saída e para a janela de contexto, e a API pode ocultá-los ou resumi-los.

[Tokens de entrada e de saída](https://broadrouter.com/pt/glossary/input-and-output-tokens/)

Tokens de entrada são os tokens que um modelo de linguagem lê em uma requisição, incluindo o system prompt, o histórico da conversa, as definições de ferramentas e as imagens. Tokens de saída são os que ele gera na resposta, incluindo o raciocínio. As APIs de LLM costumam cobrá-los separadamente, e a saída costuma custar mais.

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

Streaming é uma forma de devolver a resposta de um modelo de linguagem em pequenos pedaços enquanto ela ainda está sendo gerada, em vez de uma resposta única no final. APIs compatíveis com a OpenAI fazem streaming via server-sent events quando a requisição define stream como true.

[Janela de contexto (context window)](https://broadrouter.com/pt/glossary/context-window/)

A janela de contexto é o número máximo de tokens com que um modelo de linguagem consegue trabalhar em uma única requisição. Ela abrange o prompt, o histórico da conversa, as definições de ferramentas, as imagens e a saída gerada, incluindo os tokens de raciocínio. O que não couber precisa ser cortado, resumido ou dividido em várias requisições.

[Chain-of-thought (CoT, cadeia de pensamento)](https://broadrouter.com/pt/glossary/chain-of-thought/)

Chain-of-thought (CoT, cadeia de pensamento) é uma técnica de prompting em que se mostra ou se pede a um modelo de linguagem que escreva passos intermediários de raciocínio antes da resposta final. Ela melhora a precisão em problemas de várias etapas, como aritmética e lógica, e os modelos de raciocínio agora a geram automaticamente.

[Plano de LLM com preço fixo (flat-rate)](https://broadrouter.com/pt/glossary/flat-rate-llm-plan/)

Um plano de LLM com preço fixo cobra um valor fixo por um período, como um mês, pelo acesso à API de um modelo de linguagem, em vez de cobrar por token. Esses planos costumam limitar outra coisa, como simultaneidade, velocidade, modelos ou janelas de uso, então os limites importam tanto quanto o preço.

[Agente de programação com IA (AI coding agent)](https://broadrouter.com/pt/glossary/coding-agent/)

Um agente de programação com IA é uma ferramenta de software em que um modelo de linguagem trabalha numa codebase em ciclo: lê arquivos, edita, roda comandos como os testes, lê a saída e decide o próximo passo até a tarefa terminar ou um limite ser atingido.

## Perguntas frequentes

### Tokens de raciocínio são cobrados como entrada ou como saída?

Como saída. Eles são gerados pelo modelo, aparecem dentro de completion\_tokens e são cobrados pelo preço de saída por 1M de tokens.

### Dá para desligar o raciocínio por completo?

Depende do modelo. A OpenAI documenta valores de effort que podem incluir none ou minimal em alguns modelos. Na BroadNet, defina reasoning\_effort como low ou use o Gemma 4 VL 26B, para o qual a BroadNet não lista raciocínio.

### Um max\_tokens baixo economiza em modelos de raciocínio?

Só em parte. Ele limita a conta, mas se o raciocínio consumir todo o orçamento você paga pelo raciocínio e recebe uma resposta vazia. Reduza o esforço em vez disso e mantenha max\_tokens em 1.000 ou mais.

### Eu vejo o texto do raciocínio?

Normalmente não no campo content. O bloco usage informa quantos tokens de raciocínio foram usados, quando o modelo informa isso, em completion\_tokens\_details.reasoning\_tokens.

## Continue lendo

-   [Preço de API de LLM explicado: entrada, cache, saída e raciocínio](https://broadrouter.com/pt/blog/llm-api-pricing-explained/)
-   [10 formas de reduzir o custo de LLM de agentes de código, com economia](https://broadrouter.com/pt/blog/cut-coding-agent-llm-costs/)
-   [API de LLM com preço fixo ou por token: a conta do ponto de equilíbrio](https://broadrouter.com/pt/blog/flat-rate-vs-pay-per-token-llm-api/)
-   [Preços de API de LLM em outubro de 2026: 3 aumentos, nenhum corte](https://broadrouter.com/pt/blog/llm-api-price-changes-october-2026/)
-   [Com que frequência o preço de API de LLM muda? 3 anos de arquivo](https://broadrouter.com/pt/blog/how-often-llm-api-prices-change/)
-   [Guia: Por que um modelo de raciocínio devolve uma resposta vazia](https://broadrouter.com/pt/guides/reasoning-tokens-empty-response/)
-   [Guia: Streaming de chat completions e conexões que caem](https://broadrouter.com/pt/guides/streaming-chat-completions/)

Teste com a sua carga de trabalho real. Contas novas começam com US$ 5 de crédito para Gemma e transcrição. DeepSeek, GLM e Qwen3.8 exigem uma recarga.

[Começar](https://inference.broadnet.ai/account/?utm_source=broadrouter&utm_medium=referral&utm_campaign=pt-blog-reasoning-tokens-cost&utm_content=page-cta) ·

**Fontes**

-   [Referência da API da BroadNet Inference, raciocínio e tokens em cache (verificado em 2026-11-15) (em inglês)](https://inference.broadnet.ai/docs?utm_source=broadrouter&utm_medium=referral&utm_campaign=pt-blog-reasoning-tokens-cost&utm_content=sources#models)
-   [Preços da BroadNet Inference em formato legível por máquina (pricing.json) (verificado em 2026-11-15) (em inglês)](https://inference.broadnet.ai/pricing.json?utm_source=broadrouter&utm_medium=referral&utm_campaign=pt-blog-reasoning-tokens-cost&utm_content=sources)
-   [Guia de raciocínio da OpenAI, cobrança, valores de effort e max\_output\_tokens (verificado em 2026-11-14)](https://developers.openai.com/api/docs/guides/reasoning)
