---
title: "O que são tokens de raciocínio? Custo e respostas vazias"
description: "Tokens de raciocínio são o que um modelo de raciocínio escreve enquanto pensa, antes de responder. Como são cobrados, como contam em max_tokens e como controlá-los."
url: https://broadrouter.com/pt/glossary/reasoning-tokens/
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/glossary/reasoning-tokens/) (atualizado em 2026-11-14).

# Tokens de raciocínio (reasoning tokens)

Atualizado em 2026-11-14

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.

Também chamado de: tokens de raciocínio, tokens de pensamento, reasoning tokens, thinking tokens, chain-of-thought tokens, reasoning effort, extended thinking

Modelos de raciocínio pensam antes de responder. Esse pensamento também é texto, então custa tokens, tempo e espaço na janela de contexto.

## Como funciona

Um modelo de raciocínio gera uma cadeia de pensamento interna e depois a resposta visível. As duas saem do mesmo orçamento de saída. O guia da OpenAI diz que os tokens de raciocínio “are billed as output tokens” (tradução: são cobrados como tokens de saída) e ocupam espaço na janela de contexto; a Anthropic diz o mesmo dos tokens de thinking e os chama de “a subset of your `max_tokens`” (tradução: um subconjunto do seu `max_tokens`).

No formato Chat Completions, a contagem aparece no usage:

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

Aqui, 1.024 dos 1.186 tokens de saída foram para o pensamento, e só 162 para a resposta. A OpenAI avisa que uma resposta pode atingir o limite “before any visible output tokens are produced” (tradução: antes que qualquer token de saída visível seja produzido), e aí você paga a entrada e o raciocínio e não recebe resposta. Ela sugere reservar pelo menos 25.000 tokens para raciocínio e saída quando você começar a experimentar os modelos dela.

Muitas APIs oferecem um controle como `reasoning_effort` (`low`, `medium`, `high`) para trocar um pouco de qualidade por menos tokens de pensamento.

## Por que importa

-   **Custo.** Em uma chave cobrada por token, o raciocínio é cobrado pelo preço de saída, normalmente a tarifa mais alta. Veja [tokens de entrada e de saída](https://broadrouter.com/pt/glossary/input-and-output-tokens/).
-   **Latência.** Pensar leva tempo antes do primeiro token visível. Com [tokens por segundo](https://broadrouter.com/pt/glossary/tokens-per-second/) fixos, 2.000 tokens de raciocínio acrescentam o tempo de 2.000 tokens de saída.
-   **Confiabilidade.** Um [`max_tokens`](https://broadrouter.com/pt/glossary/max-tokens/) pequeno que funcionava em um modelo sem raciocínio pode retornar respostas vazias em um modelo que raciocina.

## Na BroadNet Inference

[DeepSeek V4.1 Flash](https://broadrouter.com/pt/models/deepseek-v4.1-flash/), [GLM 5.3](https://broadrouter.com/pt/models/glm-5.3/) e [Qwen3.8 27B](https://broadrouter.com/pt/models/qwen3.8-27b/) raciocinam antes de responder. A documentação da BroadNet diz que o raciocínio conta para `max_tokens`. A documentação da BroadNet não lista raciocínio para o BroadNet Gemma 4 VL 26B.

Quando o modelo informa, `usage.completion_tokens_details.reasoning_tokens` mostra a parte de pensamento. Defina `max_tokens` como 1.000 ou mais, ou deixe-o sem definir, e use `reasoning_effort="low"` em etapas simples:

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

No pagamento por uso, o raciocínio é cobrado pelo preço de saída, por exemplo $0.52 por 1M de tokens no DeepSeek V4.1 Flash. Em um plano ilimitado desse modelo não há medidor de tokens, então o raciocínio não custa nada a mais; só leva tempo. A lista completa de correções está em [por que um modelo de raciocínio retorna uma resposta vazia](https://broadrouter.com/pt/guides/reasoning-tokens-empty-response/).

## Perguntas frequentes

### Consigo ver os tokens de raciocínio?

Depende da API. A OpenAI diz que os tokens de raciocínio não ficam visíveis pela API dela, mas podem ser resumidos. Outros provedores retornam parte ou todo o raciocínio em um campo separado. Você paga por eles de qualquer jeito.

### Como reduzir os tokens de raciocínio?

Use um nível de raciocínio menor em tarefas simples, como reasoning\_effort definido como low, quando o modelo suportar. Prompts claros e específicos também ajudam.

### Por que recebi uma resposta vazia de um modelo de raciocínio?

Provavelmente o modelo gastou todo o orçamento de saída raciocinando. Nesse caso, finish\_reason é length. Aumente max\_tokens ou reduza o nível de raciocínio.

## Veja também

-   [max\_tokens](https://broadrouter.com/pt/glossary/max-tokens/) (termo)
-   [Tokens de entrada e de saída](https://broadrouter.com/pt/glossary/input-and-output-tokens/) (termo)
-   [Janela de contexto (context window)](https://broadrouter.com/pt/glossary/context-window/) (termo)
-   [Tokens por segundo (tokens per second)](https://broadrouter.com/pt/glossary/tokens-per-second/) (termo)
-   [Chain-of-thought (CoT, cadeia de pensamento)](https://broadrouter.com/pt/glossary/chain-of-thought/) (termo)
-   [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/) (guia)
-   [Migrar para uma API compatível com a OpenAI: checklist de migração](https://broadrouter.com/pt/blog/openai-compatible-api-migration-checklist/) (artigo)
-   [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/) (artigo)

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-glossary-reasoning-tokens&utm_content=page-cta) ·

**Fontes**

-   [OpenAI, guia de modelos de raciocínio](https://developers.openai.com/api/docs/guides/reasoning)
-   [Anthropic, janelas de contexto com thinking](https://platform.claude.com/docs/en/build-with-claude/context-windows)
-   [Referência da API da BroadNet Inference, tokens de raciocínio e em cache (em inglês)](https://inference.broadnet.ai/docs?utm_source=broadrouter&utm_medium=referral&utm_campaign=pt-glossary-reasoning-tokens&utm_content=sources#models)
