---
title: "Resposta vazia do LLM? Tokens de raciocínio e max_tokens"
description: "DeepSeek V4.1 Flash, GLM 5.3 e Qwen3.8 27B raciocinam antes de responder, e o raciocínio conta no max_tokens. Veja como parar de receber respostas vazias."
url: https://broadrouter.com/pt/guides/reasoning-tokens-empty-response/
lang: pt-BR
updated: 2026-11-16
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/guides/reasoning-tokens-empty-response/) (atualizado em 2026-11-16).

# Por que um modelo de raciocínio devolve uma resposta vazia

Atualizado em 2026-11-16

O modelo gastou todo o orçamento de max\_tokens raciocinando antes de começar a resposta visível. Na BroadNet Inference, DeepSeek V4.1 Flash, GLM 5.3 e Qwen3.8 27B raciocinam primeiro, e o raciocínio conta no max\_tokens. Reserve 1.000 tokens ou mais, ou defina reasoning\_effort como low.

Você envia um prompt curto com `max_tokens: 100`, a requisição dá certo e `choices[0].message.content` vem vazio. Nada quebrou: a resposta nunca começou.

## O que acontece

Modelos de raciocínio escrevem uma cadeia de pensamento oculta antes da resposta visível. As duas partes dividem um único orçamento de `max_tokens`. Com um limite pequeno, o raciocínio consome tudo e, no formato padrão de chat completions, o `finish_reason` passa a ser `length`.

## Três soluções

**1\. Deixe espaço.** Defina `max_tokens` como 1.000 ou mais, como recomenda a documentação da BroadNet. A [calculadora de max\_tokens para modelos de raciocínio](https://broadrouter.com/tools/reasoning-token-budget/) dimensiona o limite para o tamanho da sua resposta e mostra o custo.

**2\. Raciocine menos.** Para tarefas simples, defina `reasoning_effort` como `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\. Acompanhe o usage.** Quando o modelo informa, `usage.completion_tokens_details.reasoning_tokens` mostra quanto foi para o raciocínio:

```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")
```

Os comentários no código lembram que `"length"` significa que o orçamento acabou e que `completion_tokens_details` é `None` quando o modelo não informa o detalhamento.

Em streaming, adicione `stream_options={"include_usage": True}` e o mesmo usage chega no último chunk. Veja [streaming de chat completions](https://broadrouter.com/pt/guides/streaming-chat-completions/).

## Quais modelos raciocinam

| Modelo | Raciocina antes de responder |
| --- | --- |
| DeepSeek V4.1 Flash (`broadnet/deepseek-v4.1-flash`) | Sim |
| GLM 5.3 (`broadnet/glm-5.3`) | Sim |
| Qwen3.8 27B (`broadnet/qwen3.8-27b`) | Sim |
| BroadNet Gemma 4 VL 26B (`broadnet/gemma-4-26b-a4b`) | Não listado |

## Solução de problemas

-   **`content` vazio, `finish_reason` é `length`.** Aumente o `max_tokens` ou defina `reasoning_effort` como `low`.
-   **`content` vazio, `finish_reason` é `stop`.** O limite não foi a causa. Revise o prompt e imprima a resposta completa para ver o que voltou.
-   **`AttributeError` em `completion_tokens_details`.** O modelo não informou o detalhamento nessa requisição; trate o caso `None` como no exemplo acima.
-   **Primeiro token lento em streaming.** O modelo está raciocinando antes de escrever a resposta. Um `reasoning_effort` menor pode encurtar a espera.

Se você roda agentes o dia todo, os tokens de raciocínio se acumulam no pagamento por uso. A [calculadora de preços da BroadNet](https://broadrouter.com/pt/pricing/) mostra quando um [plano ilimitado](https://broadrouter.com/pt/guides/unlimited-llm-api-sessions/) de preço fixo sai mais barato.

## Termos neste guia

[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.

[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.

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

A Chat Completions API é o endpoint HTTP da OpenAI, POST /v1/chat/completions, que recebe o nome de um modelo e uma lista de mensagens marcadas com papéis e devolve a próxima mensagem do modelo. O formato da requisição e da resposta virou o padrão comum que provedores e SDKs compatíveis com a OpenAI reutilizam.

[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.

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

max\_tokens é um parâmetro de APIs de LLM que define o máximo de tokens que um modelo pode gerar em uma resposta. Quando a geração atinge o limite, ela para e a resposta é marcada como cortada, por exemplo com finish\_reason igual a "length".

[Pagamento por uso (pay-as-you-go)](https://broadrouter.com/pt/glossary/pay-as-you-go/)

Pagamento por uso é um modelo de preço em que você paga só pelo que usa, medido por unidade, como tokens, requisições ou minutos de áudio, sem assinatura nem compromisso mínimo. A maioria das APIs de LLM cobra assim, a partir de um saldo pré-pago ou de uma fatura periódica.

[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.

[Tool calling (chamada de ferramentas)](https://broadrouter.com/pt/glossary/tool-calling/)

Tool calling, também chamado de function calling ou chamada de ferramentas, é um recurso de APIs de LLM em que o modelo devolve um pedido estruturado para executar uma função definida pelo desenvolvedor, com argumentos JSON. A aplicação executa a função e devolve o resultado; o modelo nunca executa código sozinho.

## Perguntas frequentes

### O raciocínio é cobrado?

No pagamento por uso, o raciocínio entra nos completion tokens, cobrados pelo preço de saída. Num plano ilimitado do DeepSeek V4.1 Flash não há medidor de tokens, então ele não custa nada a mais.

### O BroadNet Gemma 4 VL 26B raciocina?

A documentação da BroadNet lista raciocínio para DeepSeek V4.1 Flash, GLM 5.3 e Qwen3.8 27B, não para o Gemma 4 VL 26B.

### Por que o content da mensagem vem vazio quando o finish\_reason é length?

O orçamento de tokens acabou antes de a resposta visível começar. Um modelo de raciocínio escreve o raciocínio primeiro, e esses tokens contam no max\_tokens. Aumente o max\_tokens para 1.000 ou mais, ou reduza o reasoning\_effort.

### O que faz o reasoning\_effort low?

Pede ao modelo que raciocine menos antes de responder. A documentação da BroadNet sugere essa opção como alternativa a um max\_tokens maior quando um limite curto deixa a resposta vazia. Use em tarefas simples, como classificação ou extração.

### Como vejo quantos tokens foram para o raciocínio?

Leia usage.completion\_tokens\_details.reasoning\_tokens na resposta, quando o modelo informar esse valor. Em streaming, envie stream\_options com include\_usage true e leia o valor no último chunk.

## Guias relacionados

-   [Como usar o SDK Python da OpenAI com a BroadNet Inference](https://broadrouter.com/pt/guides/openai-python-sdk/)
-   [Streaming de chat completions e conexões que caem](https://broadrouter.com/pt/guides/streaming-chat-completions/)
-   [Códigos de erro da BroadNet Inference e quando tentar de novo](https://broadrouter.com/pt/guides/errors-and-retries/)

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

**Fontes**

-   [Referência da API da BroadNet Inference, tokens de raciocínio e em cache (conferido em 2026-11-16) (em inglês)](https://inference.broadnet.ai/docs?utm_source=broadrouter&utm_medium=referral&utm_campaign=pt-guides-reasoning-tokens-empty-response&utm_content=sources#models)
