---
title: "Пустой ответ LLM? Токены рассуждений и max_tokens | BroadRouter"
description: "DeepSeek V4.1 Flash, GLM 5.3 и Qwen3.8 27B рассуждают перед ответом, а рассуждения учитываются в max_tokens. Как перестать получать пустые ответы."
url: https://broadrouter.com/ru/guides/reasoning-tokens-empty-response/
lang: ru
updated: 2026-11-16
publisher: BroadRouter (a BroadNet site); API by BroadNet Inference, https://inference.broadnet.ai
---

Переведено с английского с помощью ИИ. [Читать оригинал на английском](https://broadrouter.com/guides/reasoning-tokens-empty-response/) (обновлён 2026-11-16).

# Почему рассуждающая модель возвращает пустой ответ

Обновлено 2026-11-16

Модель потратила весь бюджет max\_tokens на рассуждения и не успела начать видимый ответ. В BroadNet Inference модели DeepSeek V4.1 Flash, GLM 5.3 и Qwen3.8 27B сначала рассуждают, и рассуждения учитываются в max\_tokens. Оставьте 1000 токенов или больше либо задайте reasoning\_effort low.

Вы отправляете короткий промпт с `max_tokens: 100`, запрос проходит успешно, а `choices[0].message.content` пустой. Ничего не сломалось: ответ просто не успел начаться.

## Что происходит

Рассуждающие модели перед видимым ответом пишут скрытую цепочку рассуждений. У них общий бюджет `max_tokens`. При маленьком лимите рассуждения забирают его целиком, и в стандартном формате chat completions `finish_reason` тогда равен `length`.

## Три способа исправить

**1\. Оставьте запас.** Задайте `max_tokens` от 1000 и выше, как советует документация BroadNet. [Калькулятор max\_tokens для рассуждающих моделей](https://broadrouter.com/tools/reasoning-token-budget/) подберёт лимит под длину вашего ответа и покажет стоимость.

**2\. Меньше рассуждений.** Для простых задач задайте `reasoning_effort` равным `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\. Следите за usage.** Если модель это сообщает, `usage.completion_tokens_details.reasoning_tokens` показывает, сколько ушло на рассуждения. Комментарии в коде ниже поясняют: `"length"` значит, что бюджет закончился, а `completion_tokens_details` равен `None`, если модель разбивку не сообщает:

```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")
```

При стриминге добавьте `stream_options={"include_usage": True}`, и те же данные usage придут в последнем чанке. См. [стриминг chat completions](https://broadrouter.com/ru/guides/streaming-chat-completions/).

## Какие модели рассуждают

| Модель | Сначала рассуждает |
| --- | --- |
| DeepSeek V4.1 Flash (`broadnet/deepseek-v4.1-flash`) | Да |
| GLM 5.3 (`broadnet/glm-5.3`) | Да |
| Qwen3.8 27B (`broadnet/qwen3.8-27b`) | Да |
| BroadNet Gemma 4 VL 26B (`broadnet/gemma-4-26b-a4b`) | Не указано |

## Решение проблем

-   **Пустой `content`, `finish_reason` равен `length`.** Увеличьте `max_tokens` или задайте `reasoning_effort` равным `low`.
-   **Пустой `content`, `finish_reason` равен `stop`.** Дело не в лимите. Проверьте промпт и выведите ответ целиком, чтобы увидеть, что пришло.
-   **`AttributeError` на `completion_tokens_details`.** Модель не сообщила разбивку для этого запроса; проверяйте на `None`, как в примере выше.
-   **Долгое ожидание первого токена при стриминге.** Модель рассуждает, прежде чем писать ответ. Более низкий `reasoning_effort` может сократить ожидание.

Если агенты работают у вас весь день, при оплате по факту токены рассуждений накапливаются. [Калькулятор цен BroadNet](https://broadrouter.com/ru/pricing/) покажет, когда фиксированный [безлимитный тариф](https://broadrouter.com/ru/guides/unlimited-llm-api-sessions/) обходится дешевле.

## Термины в этом руководстве

[Токен (token)](https://broadrouter.com/ru/glossary/token/)

Токен — это единица текста, которую языковая модель читает и пишет: слово, часть слова, знак препинания или последовательность байтов, которую выдаёт токенизатор модели. LLM API считают, ограничивают и обычно тарифицируют использование в токенах.

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

Chat Completions API — это HTTP-эндпоинт OpenAI, POST /v1/chat/completions, который принимает имя модели и список сообщений с ролями и возвращает следующее сообщение модели. Формат его запроса и ответа стал общим стандартом, который повторяют OpenAI-совместимые провайдеры и SDK.

[Вызов инструментов (tool calling)](https://broadrouter.com/ru/glossary/tool-calling/)

Вызов инструментов (function calling) — это функция LLM API, при которой модель возвращает структурированный запрос на выполнение функции, заданной разработчиком, с аргументами в JSON. Приложение выполняет функцию и отправляет результат обратно; сама модель код никогда не выполняет.

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

max\_tokens — это параметр LLM API, который задаёт максимальное число токенов, которое модель может сгенерировать в одном ответе. Когда генерация доходит до лимита, она останавливается, а ответ помечается как обрезанный, например значением finish\_reason "length".

## Вопросы и ответы

### Платные ли рассуждения?

При оплате по факту рассуждения входят в completion tokens, а они оплачиваются по цене выхода. На безлимитном тарифе для DeepSeek V4.1 Flash счётчика токенов нет, поэтому дополнительно они ничего не стоят.

### Рассуждает ли BroadNet Gemma 4 VL 26B?

Документация BroadNet указывает рассуждения для DeepSeek V4.1 Flash, GLM 5.3 и Qwen3.8 27B, но не для Gemma 4 VL 26B.

### Почему content сообщения пустой, если finish\_reason равен length?

Бюджет токенов закончился раньше, чем начался видимый ответ. Рассуждающая модель сначала пишет рассуждения, и эти токены учитываются в max\_tokens. Увеличьте max\_tokens до 1000 или больше либо снизьте reasoning\_effort.

### Что делает reasoning\_effort low?

Просит модель меньше рассуждать перед ответом. Документация BroadNet предлагает его как альтернативу большему max\_tokens, когда из-за маленького лимита ответ остаётся пустым. Используйте его для простых задач, например классификации или извлечения данных.

### Как узнать, сколько токенов ушло на рассуждения?

Посмотрите usage.completion\_tokens\_details.reasoning\_tokens в ответе, если модель его сообщает. При стриминге передайте stream\_options с include\_usage true и прочитайте значение в последнем чанке.

## Похожие руководства

-   [OpenAI Python SDK и BroadNet Inference](https://broadrouter.com/ru/guides/openai-python-sdk/)
-   [Стриминг chat completions и обрыв соединения](https://broadrouter.com/ru/guides/streaming-chat-completions/)
-   [Коды ошибок BroadNet Inference и когда повторять запрос](https://broadrouter.com/ru/guides/errors-and-retries/)

Проверьте на своей реальной нагрузке. Новые аккаунты получают стартовый грант US$5 на Gemma и распознавание речи. Для DeepSeek, GLM и Qwen3.8 нужно пополнить баланс.

[Начать](https://inference.broadnet.ai/account/?utm_source=broadrouter&utm_medium=referral&utm_campaign=ru-guides-reasoning-tokens-empty-response&utm_content=page-cta) ·

**Источники**

-   [Справочник API BroadNet Inference: рассуждения и токены из кэша (дата обращения 2026-11-16) (на английском)](https://inference.broadnet.ai/docs?utm_source=broadrouter&utm_medium=referral&utm_campaign=ru-guides-reasoning-tokens-empty-response&utm_content=sources#models)
