آپ ایک مختصر سوال بھیجتے ہیں، دو لائن کا جواب پاتے ہیں، اور بل 1,400 آؤٹ پٹ ٹوکن دکھاتا ہے۔ کچھ بھی غلط نہیں۔ ماڈل نے جواب دینے سے پہلے سوچا، اور اس سوچ کا بل بنا۔ یہ پوسٹ بتاتی ہے کہ ریزننگ ٹوکنز کیسے گنے جاتے ہیں، ہر ماڈل پر ان کی لاگت کیا ہے، اور وہ چار سیٹنگز جو انہیں کنٹرول کرتی ہیں۔
ریزننگ ٹوکنز کیا ہیں؟
ریزننگ ماڈل پہلے سوچ کا ایک اندرونی سلسلہ لکھتا ہے، پھر نظر آنے والا جواب۔ دونوں ایک ہی جنریشن سے نکلتے ہیں۔ سوچ ریزننگ ٹوکنز سے بنی ہوتی ہے۔ معیاری chat-completions ریسپانس میں جواب message.content میں ہوتا ہے، اور سوچ گنی جاتی ہے، دکھائی نہیں جاتی۔
OpenAI کی ریزننگ گائیڈ یہ اصول صاف الفاظ میں بتاتی ہے: ریزننگ ٹوکنز “still occupy space in the model’s context window and are billed as” (ترجمہ: پھر بھی ماڈل کی کانٹیکسٹ ونڈو میں جگہ گھیرتے ہیں اور ان کا بل اس طور پر بنتا ہے) آؤٹ پٹ ٹوکنز۔ دوسرے فراہم کنندگان بھی یہی اصول مانتے ہیں۔
ریزننگ ٹوکنز کا بل کیسے بنتا ہے؟
یہ completion_tokens کا حصہ ہیں، اس لیے آؤٹ پٹ کی قیمت ادا کرتے ہیں۔ آؤٹ پٹ مہنگا میٹر ہے:
| ماڈل | پہلے ریزننگ کرتا ہے | فی 1M آؤٹ پٹ | فی 1M ان پٹ |
|---|---|---|---|
| DeepSeek V4.1 Flash | ہاں | $0.52 | $0.175 |
| GLM 5.3 | ہاں | $3.46 | $0.78 |
| Qwen3.8 27B | ہاں | $2.17 | $0.175 |
| Gemma 4 VL 26B | درج نہیں | $0.22 | $0.10 |
قیمتیں BroadNet Inference کی ہیں، 2026-11-14 کو ہم آہنگ کی گئیں۔ دوسرے ہوسٹس انہی ماڈلز کے لیے کیا لیتے ہیں، یہ LLM API قیمتوں کے جدول میں ہے، مثلاً فراہم کنندگان کے لحاظ سے GLM 5.3۔
ریزننگ بل میں کتنا اضافہ کر سکتی ہے؟
ایک درجہ بندی کرنے والا ماڈل لیں جو ایک لفظ کا لیبل لوٹاتا ہے، تقریباً 10 نظر آنے والے ٹوکن۔ اگر ماڈل پہلے 1,000 ٹوکن سوچتا ہے تو آؤٹ پٹ بل کا 99% سوچ ہے۔
بڑے پیمانے پر: 1,000 ٹوکن ریزننگ والے 1,000 جوابات 1M آؤٹ پٹ ٹوکن جوڑتے ہیں۔ نظر آنے والے جوابات کے علاوہ، اس کی لاگت DeepSeek V4.1 Flash پر $0.52، Qwen3.8 27B پر $2.17 اور GLM 5.3 پر $3.46 ہے۔
مقدار کام کے لحاظ سے بدلتی ہے۔ مشکل ریاضی یا کئی فائلوں والے کوڈ کی ریزننگ ہزاروں ٹوکن تک جا سکتی ہے۔ سلام دعا کے لیے تقریباً کچھ نہیں چاہیے۔ اسی لیے ناپنا ضروری ہے۔
ریزننگ ٹوکنز کیسے ناپیں؟
جب ماڈل گنتی فراہم کرتا ہے تو usage بلاک اسے بتاتا ہے:
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))
ایک ہفتے تک ہر قسم کے کام کے لیے اسے لاگ کریں۔ عموماً پتا چلے گا کہ زیادہ تر سوچ چند ہی کاموں میں جاتی ہے۔ اسٹریمنگ میں stream_options: {"include_usage": true} شامل کریں؛ گنتی آخری chunk میں آتی ہے (اسٹریمنگ گائیڈ)۔
ریزننگ کی لاگت کنٹرول کرنے کے چار طریقے
1. آسان کاموں کے لیے reasoning_effort کم کریں
reasoning_effort ماڈل سے کم سوچنے کو کہتا ہے۔ BroadNet کی گائیڈز درجہ بندی، ڈیٹا نکالنے اور فارمیٹنگ کے لیے low استعمال کرتی ہیں:
client.chat.completions.create(model="broadnet/deepseek-v4.1-flash", reasoning_effort="low",
max_tokens=1000, messages=msgs)
OpenAI اپنے ماڈلز پر قدروں کی وسیع رینج درج کرتا ہے، none اور minimal سے لے کر low، medium اور high سے ہوتے ہوئے xhigh اور max تک، اور لکھتا ہے کہ “some models support only a subset” (ترجمہ: کچھ ماڈلز ان میں سے صرف چند کو سپورٹ کرتے ہیں)۔ دیکھیں کہ آپ کا ماڈل کون سی قدریں قبول کرتا ہے، اور انہی نمونوں پر پہلے اور بعد کے آؤٹ پٹ ٹوکنز کا موازنہ کریں۔
2. max_tokens کو چھت کی طرح رکھیں، شکنجے کی طرح نہیں
max_tokens ریزننگ اور جواب دونوں کو ملا کر محدود کرتا ہے۔ یہ بے قابو جواب روکتا ہے، لیکن اگر آپ اسے بہت کم رکھیں تو ماڈل پورا بجٹ سوچنے میں لگا سکتا ہے اور finish_reason: "length" کے ساتھ خالی جواب لوٹا سکتا ہے۔ آپ اس سوچ کی ادائیگی کرتے ہیں اور پھر بھی دوبارہ کوشش کرنی پڑتی ہے۔ BroadNet ریزننگ ماڈلز کے لیے 1,000 یا زیادہ ٹوکن تجویز کرتا ہے۔ ریزننگ ماڈل خالی جواب کیوں لوٹاتا ہے۔
3. آسان مراحل ایسے ماڈل پر بھیجیں جو ریزننگ نہیں کرتا
ہر مرحلے کو سوچ کی ضرورت نہیں۔ JSON فارمیٹ کرنا، فیلڈز کے نام بدلنا یا FAQ سے جواب تلاش کرنا Gemma 4 VL 26B پر جا سکتا ہے، فی 1M آؤٹ پٹ $0.22 پر، جس کے لیے BroadNet ریزننگ درج نہیں کرتا۔ ریزننگ ماڈلز کو منصوبہ بندی، ڈیبگنگ اور کئی مراحل والے جوابات کے لیے رکھیں۔ روٹ کرنے سے پہلے اپنے نمونوں پر معیار ٹیسٹ کریں۔
4. پرامپٹس سے “think step by step” ہٹائیں
ریزننگ ماڈلز پہلے سے سوچتے ہیں۔ اوپر سے نظر آنے والی مرحلہ وار ریزننگ مانگنے پر وہ اسے دو بار لکھتے ہیں: ایک بار چھپا کر، ایک بار جواب میں۔ سیدھا حتمی جواب اس فارمیٹ میں مانگیں جو آپ کو چاہیے۔
کس کام کے لیے کون سی سیٹنگ استعمال کریں؟
| کام | ریزننگ effort | max_tokens | ماڈل کی تجویز |
|---|---|---|---|
| درجہ بندی، روٹنگ | low | 1,000 | Gemma 4 VL 26B یا DeepSeek V4.1 Flash |
| JSON میں ڈیٹا نکالنا | low | 1,000 سے 2,000 | DeepSeek V4.1 Flash، اسٹرکچرڈ آؤٹ پٹ کے لیے GLM 5.3 |
| گاہک کو جواب کا مسودہ | low یا ڈیفالٹ | 2,000 | DeepSeek V4.1 Flash |
| ڈیبگنگ، منصوبہ بندی، کوڈ ریویو | ڈیفالٹ یا زیادہ | 8,000 یا سیٹ نہ کریں | DeepSeek V4.1 Flash یا GLM 5.3 |
یہ ابتدائی نکات ہیں۔ اپنے ڈیٹا پر آؤٹ پٹ ٹوکنز اور معیار ناپیں، پھر تبدیلی کریں۔
ریزننگ کی اضافی لاگت کب ختم ہوتی ہے؟
مقررہ قیمت والے پلان پر۔ BroadNet کا Full Moon پلان لامحدود DeepSeek V4.1 Flash کے لیے ہر سیشن $60 ماہانہ ہے، بغیر ٹوکن میٹر کے، اس لیے ریزننگ ٹوکنز کی کوئی فی ٹوکن لاگت نہیں۔ پھر بھی وہ وقت لیتے ہیں: تقریباً 100 ٹوکن فی سیکنڈ کی عام رفتار پر ہر ریزننگ ٹوکن جواب شروع ہونے سے پہلے بنتا ہے، اس لیے لمبی سوچ جواب میں تاخیر کرتی ہے۔ مقررہ قیمت والا پلان فی ٹوکن سے کب بہتر ہے، اور کوڈنگ ایجنٹ کا بل کم کرنے کے دس مزید طریقے۔
BroadNet Inference کہاں فٹ ہوتا ہے
BroadNet تین ریزننگ ماڈلز اور ایک بغیر درج ریزننگ والا ماڈل، https://inference.broadnet.ai/v1 پر ایک ہی OpenAI-compatible کلید سے چلاتا ہے، اور ہر ریسپانس میں استعمال بتاتا ہے۔ اس سے کام کے لحاظ سے روٹ کرنا اور فرق ناپنا آسان ہو جاتا ہے۔ اگر آپ کو نظر آنے والے ریزننگ خلاصے والا کلوزڈ ماڈل چاہیے تو اس وینڈر کا API استعمال کریں؛ BroadNet کے چیٹ کیٹلاگ میں کوئی کلوزڈ ماڈل نہیں۔ پلانز دیکھیں۔
