---
title: "LLM کا جواب خالی؟ ریزننگ ٹوکن اور max_tokens | BroadRouter"
description: "DeepSeek V4.1 Flash، GLM 5.3 اور Qwen3.8 27B جواب سے پہلے سوچتے ہیں، اور یہ ریزننگ max_tokens میں گنی جاتی ہے۔ خالی جوابات سے بچنے کا طریقہ۔"
url: https://broadrouter.com/ur/guides/reasoning-tokens-empty-response/
lang: ur
updated: 2026-11-16
publisher: BroadRouter (a BroadNet site); API by BroadNet Inference, https://inference.broadnet.ai
---

یہ صفحہ انگریزی سے AI کی مدد سے ترجمہ کیا گیا ہے۔ [انگریزی اصل پڑھیں](https://broadrouter.com/guides/reasoning-tokens-empty-response/) (اپ ڈیٹ: 2026-11-16).

# ریزننگ ماڈل خالی جواب کیوں لوٹاتا ہے

اپ ڈیٹ 2026-11-16

ماڈل نے نظر آنے والا جواب شروع کرنے سے پہلے پورا max\_tokens بجٹ ریزننگ پر خرچ کر دیا۔ BroadNet Inference پر DeepSeek V4.1 Flash، GLM 5.3 اور Qwen3.8 27B پہلے ریزننگ کرتے ہیں، اور ریزننگ max\_tokens میں گنی جاتی ہے۔ 1,000 یا اس سے زیادہ ٹوکن دیں، یا reasoning\_effort کو low پر سیٹ کریں۔

آپ `max_tokens: 100` کے ساتھ ایک مختصر پرامپٹ بھیجتے ہیں، درخواست کامیاب ہوتی ہے، اور `choices[0].message.content` خالی ہے۔ کچھ خراب نہیں ہوا: جواب کبھی شروع ہی نہیں ہوا۔

## ہوتا کیا ہے

ریزننگ ماڈل نظر آنے والے جواب سے پہلے ایک چھپی ہوئی سوچ (chain of thought) لکھتے ہیں۔ دونوں ایک ہی `max_tokens` بجٹ میں شریک ہیں۔ حد چھوٹی ہو تو ریزننگ سارا بجٹ لے لیتی ہے، اور معیاری chat-completions ساخت میں تب `finish_reason` کی قدر `length` ہوتی ہے۔

## تین حل

**1\. جگہ چھوڑیں۔** BroadNet کی دستاویزات کے مشورے کے مطابق `max_tokens` کو 1,000 یا اس سے زیادہ رکھیں۔ [ریزننگ ماڈلز کے لیے max\_tokens کیلکولیٹر](https://broadrouter.com/tools/reasoning-token-budget/) آپ کے جواب کی لمبائی کے حساب سے حد طے کرتا ہے اور لاگت دکھاتا ہے۔

**2\. کم ریزننگ کروائیں۔** آسان کاموں کے لیے `reasoning_effort` کو `low` پر سیٹ کریں:

```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\. usage پر نظر رکھیں۔** جب ماڈل اسے رپورٹ کرتا ہے تو `usage.completion_tokens_details.reasoning_tokens` بتاتا ہے کہ کتنا ریزننگ میں گیا:

```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")
```

اسٹریم میں `stream_options={"include_usage": True}` شامل کریں، وہی usage آخری chunk میں آتا ہے۔ [اسٹریمنگ chat completions](https://broadrouter.com/ur/guides/streaming-chat-completions/) دیکھیں۔

## کون سے ماڈل ریزننگ کرتے ہیں

| ماڈل | پہلے ریزننگ کرتا ہے |
| --- | --- |
| DeepSeek V4.1 Flash (`broadnet/deepseek-v4.1-flash`) | ہاں |
| GLM 5.3 (`broadnet/glm-5.3`) | ہاں |
| Qwen3.8 27B (`broadnet/qwen3.8-27b`) | ہاں |
| BroadNet Gemma 4 VL 26B (`broadnet/gemma-4-26b-a4b`) | درج نہیں |

## مسائل کا حل

-   **`content` خالی، `finish_reason` ہے `length`۔** `max_tokens` بڑھائیں یا `reasoning_effort` کو `low` پر سیٹ کریں۔
-   **`content` خالی، `finish_reason` ہے `stop`۔** وجہ حد نہیں تھی۔ اپنا پرامپٹ جانچیں اور پورا جواب پرنٹ کر کے دیکھیں کہ کیا واپس آیا۔
-   **`completion_tokens_details` پر `AttributeError`۔** ماڈل نے اس درخواست کے لیے تفصیل رپورٹ نہیں کی؛ اوپر کی مثال کی طرح `None` کی جانچ رکھیں۔
-   **اسٹریم میں پہلا ٹوکن دیر سے آتا ہے۔** ماڈل جواب لکھنے سے پہلے ریزننگ کر رہا ہے۔ کم `reasoning_effort` انتظار گھٹا سکتا ہے۔

اگر آپ دن بھر ایجنٹس چلاتے ہیں تو استعمال کے مطابق ادائیگی میں ریزننگ ٹوکن جمع ہوتے جاتے ہیں۔ [BroadNet پرائسنگ کیلکولیٹر](https://broadrouter.com/ur/pricing/) دکھاتا ہے کہ کب ایک فلیٹ [لامحدود پلان](https://broadrouter.com/ur/guides/unlimited-llm-api-sessions/) سستا پڑتا ہے۔

## اس گائیڈ کی اصطلاحات

[ٹوکن (token)](https://broadrouter.com/ur/glossary/token/)

ٹوکن متن کی وہ اکائی ہے جسے لینگویج ماڈل پڑھتا اور لکھتا ہے: کوئی لفظ، لفظ کا حصہ، رموزِ اوقاف کی کوئی علامت یا بائٹس کا سلسلہ، جو ماڈل کا ٹوکنائزر بناتا ہے۔ LLM API استعمال کو ٹوکنز میں گنتے ہیں، انہی میں حدیں لگاتے ہیں اور عموماً بل بھی بناتے ہیں۔

[استعمال کے مطابق ادائیگی (pay-as-you-go)](https://broadrouter.com/ur/glossary/pay-as-you-go/)

استعمال کے مطابق ادائیگی (pay-as-you-go) قیمت طے کرنے کا ایک ماڈل ہے جس میں آپ صرف اتنا دیتے ہیں جتنا استعمال کرتے ہیں، ٹوکن، درخواستوں یا آڈیو منٹ جیسی اکائیوں میں ناپ کر، بغیر سبسکرپشن یا کم از کم وابستگی کے۔ زیادہ تر LLM API اسی طرح بل بناتے ہیں، پری پیڈ بیلنس یا وقتاً فوقتاً بننے والی انوائس سے۔

[اسٹریمنگ (streaming)](https://broadrouter.com/ur/glossary/streaming/)

اسٹریمنگ، لینگویج ماڈل کے جواب کو آخر میں ایک ساتھ لوٹانے کے بجائے، بنتے وقت ہی چھوٹے چھوٹے ٹکڑوں (chunks) میں لوٹانے کا طریقہ ہے۔ OpenAI-compatible APIs، درخواست میں stream کو true سیٹ کرنے پر server-sent events کے ذریعے اسٹریم کرتے ہیں۔

[ٹول کالنگ (tool calling)](https://broadrouter.com/ur/glossary/tool-calling/)

ٹول کالنگ، جسے function calling بھی کہتے ہیں، LLM API کی وہ سہولت ہے جس میں ماڈل ڈویلپر کے طے کردہ کسی فنکشن کو چلانے کی ایک منظم درخواست، JSON آرگیومنٹس کے ساتھ، لوٹاتا ہے۔ ایپلیکیشن فنکشن چلا کر نتیجہ واپس بھیجتی ہے؛ ماڈل خود کبھی کوڈ نہیں چلاتا۔

[ریزننگ ٹوکن (reasoning tokens)](https://broadrouter.com/ur/glossary/reasoning-tokens/)

ریزننگ ٹوکن وہ ٹوکن ہیں جو ریزننگ ماڈل اپنا نظر آنے والا جواب لکھنے سے پہلے مسئلہ حل کرنے کے لیے بناتا ہے۔ ان کا بل عموماً آؤٹ پٹ ٹوکنز کی طرح بنتا ہے، یہ آؤٹ پٹ کی حد اور کانٹیکسٹ ونڈو میں شمار ہوتے ہیں، اور API انہیں چھپا سکتا ہے یا ان کا خلاصہ دے سکتا ہے۔

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

Chat Completions API، OpenAI کا HTTP اینڈپوائنٹ POST /v1/chat/completions ہے، جو ایک ماڈل کا نام اور رول والے پیغامات کی فہرست لیتا ہے اور ماڈل کا اگلا پیغام لوٹاتا ہے۔ اس کی درخواست اور جواب کی ساخت وہ عام فارمیٹ بن گئی جسے OpenAI-compatible فراہم کنندگان اور SDKs اپناتے ہیں۔

[max\_tokens (آؤٹ پٹ ٹوکن کی حد)](https://broadrouter.com/ur/glossary/max-tokens/)

max\_tokens ایک LLM API پیرامیٹر ہے جو طے کرتا ہے کہ ماڈل ایک جواب میں زیادہ سے زیادہ کتنے ٹوکن بنا سکتا ہے۔ حد پر پہنچتے ہی جنریشن رک جاتی ہے اور جواب کو کٹا ہوا قرار دیا جاتا ہے، مثلاً finish\_reason کو "length" پر سیٹ کر کے۔

## عام سوالات

### کیا ریزننگ کے پیسے لگتے ہیں؟

استعمال کے مطابق ادائیگی میں ریزننگ completion ٹوکنز کے اندر رپورٹ ہوتی ہے، جن کا بل آؤٹ پٹ کی قیمت پر بنتا ہے۔ DeepSeek V4.1 Flash کے لامحدود پلان پر کوئی ٹوکن میٹر نہیں، اس لیے ان کا کوئی اضافی خرچ نہیں۔

### کیا BroadNet Gemma 4 VL 26B ریزننگ کرتا ہے؟

BroadNet کی دستاویزات ریزننگ DeepSeek V4.1 Flash، GLM 5.3 اور Qwen3.8 27B کے لیے درج کرتی ہیں، Gemma 4 VL 26B کے لیے نہیں۔

### finish\_reason length ہو تو message content خالی کیوں ہوتا ہے؟

نظر آنے والا جواب شروع ہونے سے پہلے ٹوکن بجٹ ختم ہو گیا۔ ریزننگ ماڈل پہلے اپنی ریزننگ لکھتا ہے، اور وہ ٹوکن max\_tokens میں گنے جاتے ہیں۔ max\_tokens کو 1,000 یا زیادہ کریں، یا reasoning\_effort کم کریں۔

### reasoning\_effort low کیا کرتا ہے؟

یہ ماڈل سے جواب دینے سے پہلے کم ریزننگ کرنے کو کہتا ہے۔ جب چھوٹی حد کی وجہ سے جواب خالی رہ جائے تو BroadNet کی دستاویزات بڑے max\_tokens کے متبادل کے طور پر اسے تجویز کرتی ہیں۔ اسے درجہ بندی یا ایکسٹریکشن جیسے آسان کاموں کے لیے استعمال کریں۔

### کیسے دیکھوں کہ کتنے ٹوکن ریزننگ میں گئے؟

جب ماڈل اسے رپورٹ کرے تو جواب میں usage.completion\_tokens\_details.reasoning\_tokens پڑھیں۔ اسٹریم میں stream\_options کے ساتھ include\_usage true بھیجیں اور اسے آخری chunk سے پڑھیں۔

## متعلقہ گائیڈز

-   [BroadNet Inference کے ساتھ OpenAI Python SDK استعمال کریں](https://broadrouter.com/ur/guides/openai-python-sdk/)
-   [chat completions اسٹریم کریں اور ٹوٹے کنکشن سنبھالیں](https://broadrouter.com/ur/guides/streaming-chat-completions/)
-   [BroadNet Inference کے ایرر کوڈز اور دوبارہ کوشش کب کریں](https://broadrouter.com/ur/guides/errors-and-retries/)

اسے اپنے اصل کام پر آزمائیں۔ نئے اکاؤنٹس Gemma اور ٹرانسکرپشن کے لیے US$5 کے کریڈٹ سے شروع ہوتے ہیں۔ DeepSeek، GLM، اور Qwen3.8 کے لیے ٹاپ اپ ضروری ہے۔

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

**ذرائع**

-   [BroadNet Inference API ریفرنس، ریزننگ اور کیشڈ ٹوکن (2026-11-16 کو جانچا گیا) (انگریزی میں)](https://inference.broadnet.ai/docs?utm_source=broadrouter&utm_medium=referral&utm_campaign=ur-guides-reasoning-tokens-empty-response&utm_content=sources#models)
