---
title: "思考 token 怎么计费：为什么输出费用偏高 | BroadRouter"
description: "思考（推理）模型把隐藏的思考过程按输出 token 计费。怎样测量、各模型要花多少钱，以及怎样用 reasoning_effort、max_tokens 和模型路由来降低费用。"
url: https://broadrouter.com/zh/blog/reasoning-tokens-cost/
lang: zh-Hans
updated: 2026-11-14
publisher: BroadRouter (a BroadNet site); API by BroadNet Inference, https://inference.broadnet.ai
---

本页由英文原文借助 AI 翻译。[阅读英文原文](https://broadrouter.com/blog/reasoning-tokens-cost/)（2026-11-16 更新）。

# 思考 token：为什么你付费的输出比看到的多

BroadNet Inference 团队 · 阅读约 4 分钟 · 发布于 2026-11-14 · 更新于 2026-11-16

思考模型在回答之前会写出隐藏的思考过程，这些思考 token 按输出价格计费。一条 200 token 的回复，背后可能有 1,000 个甚至更多的思考 token。在 BroadNet Inference 上，DeepSeek V4.1 Flash、GLM 5.3 和 Qwen3.8 27B 会思考。把 reasoning\_effort 设为 low、设置合理的 max\_tokens、简单步骤改用不思考的模型，都能降低费用。

## 要点

-   思考 token 计入 completion\_tokens，按输出价格计费，尽管你从来看不到它们。
-   1,000 条回复、每条 1,000 个思考 token，就多出 100 万输出 token：在 DeepSeek V4.1 Flash 上为 $0.52，在 GLM 5.3 上为 $3.46。
-   读取 usage.completion\_tokens\_details.reasoning\_tokens，测量账单中有多少花在了思考上。
-   简单任务把 reasoning\_effort 设为 low，max\_tokens 要留够让模型写完，简单步骤路由到不思考的模型。
-   在不限量的 DeepSeek V4.1 Flash 套餐上，思考不产生 token 费用。

**本页内容**

1.  什么是思考 token？
2.  思考 token 怎么计费？
3.  思考会让账单增加多少？
4.  怎样测量思考 token？
5.  控制思考费用的四种方法
6.  什么任务用什么设置？
7.  什么时候思考不再额外花钱？
8.  BroadNet Inference 适合什么场景

你发了一个简短的问题，得到两行回答，账单上却显示 1,400 个输出 token。这并没有出错。模型在回答之前先思考了，而思考也要计费。本文解释思考 token 怎样计数、在各个模型上要花多少钱，以及控制它们的四个设置。

## 什么是思考 token？

思考（推理）模型会先写出一段内部的思维链，然后才是可见的回答。两者来自同一次生成。思考部分由[思考 token](https://broadrouter.com/zh/glossary/reasoning-tokens/) 组成。在标准的 chat completions 响应中，回答在 `message.content` 里，而思考只计数、不显示。

OpenAI 的推理指南把规则说得很直白：思考 token “still occupy space in the model’s context window and are billed as” output tokens（译文：仍然占用模型上下文窗口的空间，并按输出 token 计费）。其他服务商也遵循同样的规则。

## 思考 token 怎么计费？

它们属于 `completion_tokens`，所以按输出价格计费。而输出正是贵的那一项：

| 模型 | 先思考 | 每百万输出 | 每百万输入 |
| --- | --- | --- | --- |
| [DeepSeek V4.1 Flash](https://broadrouter.com/zh/models/deepseek-v4.1-flash/) | 是 | $0.52 | $0.175 |
| [GLM 5.3](https://broadrouter.com/zh/models/glm-5.3/) | 是 | $3.46 | $0.78 |
| [Qwen3.8 27B](https://broadrouter.com/zh/models/qwen3.8-27b/) | 是 | $2.17 | $0.175 |
| [Gemma 4 VL 26B](https://broadrouter.com/zh/models/gemma-4-vl-26b/) | 未列出 | $0.22 | $0.10 |

以上是 BroadNet Inference 的价格，同步于 2026-11-14。其他服务商对同一模型的收费见[大模型 API 价格表](https://broadrouter.com/zh/llm-api-pricing/)，例如[各服务商 GLM 5.3 价格](https://broadrouter.com/zh/llm-api-pricing/glm-5.3/)。

## 思考会让账单增加多少？

以一个只返回一个单词标签的分类器为例，可见 token 大约 10 个。如果模型先思考了 1,000 个 token，那么输出账单的 99% 都是思考。

放大到规模上看：**1,000 条回复、每条 1,000 个思考 token，就多出 100 万输出 token。** 这在 DeepSeek V4.1 Flash 上要 $0.52，在 Qwen3.8 27B 上要 $2.17，在 GLM 5.3 上要 $3.46，而且是在可见回答之外额外产生的。

具体多少因任务而异。困难的数学题或涉及多个文件的代码推理，可能要几千个 token；一句问候几乎不需要思考。所以要测量。

## 怎样测量思考 token？

只要模型提供了数量，usage 字段就会报告它们：

```python
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))
```

按任务类型记录一周。你通常会发现，大部分思考集中在少数几种任务上。使用流式输出时，加上 `stream_options: {"include_usage": true}`；数量会在最后一个数据块中返回（[流式输出指南](https://broadrouter.com/zh/guides/streaming-chat-completions/)）。

## 控制思考费用的四种方法

### 1\. 简单任务调低 `reasoning_effort`

`reasoning_effort` 让模型少想一些。BroadNet 的指南在分类、信息抽取和格式化任务上使用 `low`：

```python
client.chat.completions.create(model="broadnet/deepseek-v4.1-flash", reasoning_effort="low",
                               max_tokens=1000, messages=msgs)
```

OpenAI 在自家模型上记录了更多取值，从 `none` 和 `minimal`，到 `low`、`medium` 和 `high`，再到 `xhigh` 和 `max`，并指出 “some models support only a subset”（译文：部分模型只支持其中一部分）。请确认你的模型接受哪些取值，并在相同样本上比较调整前后的输出 token 数。

### 2\. 把 `max_tokens` 当作上限，而不是压缩手段

[`max_tokens`](https://broadrouter.com/zh/glossary/max-tokens/) 同时限制思考和回答。它能阻止回复失控，但设得太低时，模型可能把全部额度都花在思考上，返回一个 `finish_reason: "length"` 的空回答。你为这些思考付了费，还得重试。BroadNet 建议思考模型设置 1,000 token 或以上。参见[为什么思考模型会返回空回答](https://broadrouter.com/zh/guides/reasoning-tokens-empty-response/)。

### 3\. 把简单步骤路由到不思考的模型

不是每一步都需要思考。格式化 JSON、重命名字段或回答常见问题查询，可以交给 Gemma 4 VL 26B，每百万输出 $0.22，BroadNet 没有为它列出思考功能。把思考模型留给规划、调试和多步骤的回答。在路由之前，先用你自己的样本测试质量。

### 4\. 从提示词中删掉“一步一步思考”

思考模型本来就会思考。再要求它写出可见的逐步推理，会让它写两遍：一遍隐藏，一遍在回答里。直接要求它按你需要的格式给出最终答案。

## 什么任务用什么设置？

| 任务 | 思考强度 | max\_tokens | 模型建议 |
| --- | --- | --- | --- |
| 分类、路由 | low | 1,000 | Gemma 4 VL 26B 或 DeepSeek V4.1 Flash |
| 抽取为 JSON | low | 1,000 到 2,000 | DeepSeek V4.1 Flash，结构化输出可用 GLM 5.3 |
| 起草客户回复 | low 或默认 | 2,000 | DeepSeek V4.1 Flash |
| 调试、规划、代码审查 | 默认或更高 | 8,000 或不设置 | DeepSeek V4.1 Flash 或 GLM 5.3 |

这些只是起点。在你自己的数据上测量输出 token 和质量，然后再调整。

## 什么时候思考不再额外花钱？

用固定价格套餐时。BroadNet 的 Full Moon 套餐每个会话每月 $60，不限量使用 DeepSeek V4.1 Flash，不计 token，所以思考 token 没有按 token 的费用。但它们仍然要花时间：即使按 约每秒 100 个 token 的典型速度，所有思考 token 也都要在回答开始前生成，所以思考越长，回答来得越晚。参见[固定价格什么时候比按 token 更划算](https://broadrouter.com/zh/blog/flat-rate-vs-pay-per-token-llm-api/)，以及[再省一点：降低编程智能体账单的十种方法](https://broadrouter.com/zh/blog/cut-coding-agent-llm-costs/)。

## BroadNet Inference 适合什么场景

BroadNet 在一个 [OpenAI 兼容](https://broadrouter.com/zh/glossary/openai-compatible-api/)的密钥上（`https://inference.broadnet.ai/v1`）提供三个思考模型和一个未列出思考功能的模型，每个响应都会报告用量。这样就很容易按任务路由并测量差异。如果你需要一个能显示思考摘要的闭源模型，请使用该厂商的 API；BroadNet 的聊天模型目录中没有闭源模型。[查看套餐](https://inference.broadnet.ai/plans?utm_source=broadrouter&utm_medium=referral&utm_campaign=zh-blog-reasoning-tokens-cost&utm_content=body)。

相关免费工具（英文）

-   [LLM API cost calculator](https://broadrouter.com/tools/llm-api-cost-calculator/) Price a workload on every model at once, with cache hits, reasoning and a flat-plan check.
-   [Flat-rate vs per-token LLM cost calculator](https://broadrouter.com/tools/flat-rate-vs-per-token-calculator/) Break-even between an unlimited plan and paying per token, per agent.
-   [Prompt caching savings calculator](https://broadrouter.com/tools/prompt-caching-calculator/) Bill with and without caching, by prefix share and hit rate.
-   [Prompt token diff](https://broadrouter.com/tools/prompt-token-diff/) Two prompt versions side by side: changed lines, exact token delta and the monthly cost difference.

[免费工具（英文）](https://broadrouter.com/tools/)

## 本文涉及的术语

[Token（词元）](https://broadrouter.com/zh/glossary/token/)

token（词元）是大语言模型读写文本的基本单位：由模型的分词器切分出的一个词、词的一部分、一个标点或一段字节序列。大模型 API 按 token 计数、设定限制，通常也按 token 计费。

[思考 token（reasoning tokens）](https://broadrouter.com/zh/glossary/reasoning-tokens/)

思考 token（reasoning tokens）是推理模型在写出可见回答之前、为解决问题而生成的 token。它们通常按输出 token 计费，计入输出上限和上下文窗口，API 可能将其隐藏或只返回摘要。

[输入 token 与输出 token](https://broadrouter.com/zh/glossary/input-and-output-tokens/)

输入 token 是语言模型在一次请求中读取的 token，包括系统提示词、对话历史、工具定义和图片。输出 token 是模型生成回复的 token，包括思考内容。大模型 API 通常分别计价，输出一般更贵。

[思维链（CoT，chain-of-thought）](https://broadrouter.com/zh/glossary/chain-of-thought/)

思维链（CoT）是一种提示技巧：给语言模型示范或要求它在给出最终答案之前，先写出中间的推理步骤。它能提高算术、逻辑等多步问题的准确率，如今思考模型会自动生成思维链。

[上下文窗口（context window）](https://broadrouter.com/zh/glossary/context-window/)

上下文窗口是语言模型在单次请求中能处理的最大 token 数。它涵盖提示词、对话历史、工具定义、图片以及生成的输出（包括思考 token）。放不下的内容必须删减、摘要，或拆分到多个请求中。

[大模型包月套餐（flat-rate LLM plan）](https://broadrouter.com/zh/glossary/flat-rate-llm-plan/)

大模型包月套餐（固定价格套餐）是按一个周期（如一个月）收取固定费用、提供大模型 API 使用权的计价方式，不按 token 计费。这类套餐通常会限制别的东西，如并发、速度、模型或使用时间窗口，所以限制条件和价格同样重要。

[结构化输出（structured output）](https://broadrouter.com/zh/glossary/structured-output/)

结构化输出是大模型 API 的一项功能，它把模型的回复约束为开发者指定的格式（通常是 JSON Schema），让代码能可靠地解析。它比 JSON mode 更严格：JSON mode 只保证输出是合法 JSON，不保证特定结构。

[命名实体识别（NER）](https://broadrouter.com/zh/glossary/named-entity-recognition/)

命名实体识别（NER）是在文本中找出名称、并为每个名称标注类型（如人物、机构或地点）的任务。传统系统给每个 token 打标签；大模型则通常被要求以 JSON 返回实体列表，再与原文核对。

## 常见问题

### 思考 token 按输入还是输出计费？

按输出。它们由模型生成，计入 completion\_tokens，按每百万 token 的输出价格计费。

### 能完全关闭思考吗？

取决于模型。OpenAI 的文档说明，部分模型的 effort 取值可以包括 none 或 minimal。在 BroadNet 上，可以把 reasoning\_effort 设为 low，或者使用 BroadNet 没有列出思考功能的 Gemma 4 VL 26B。

### 把 max\_tokens 设低一点，能在思考模型上省钱吗？

只能省一部分。它能给账单封顶，但如果思考用光了全部额度，你要为思考付费，却得到一个空回答。应该降低思考强度，并把 max\_tokens 保持在 1,000 或以上。

### 我能看到思考的内容吗？

通常不会出现在 content 字段里。如果模型报告了思考 token 的数量，usage 字段会在 completion\_tokens\_details.reasoning\_tokens 中给出。

## 继续阅读

-   [大模型 API 怎么计费：输入、缓存、输出与思考 token 详解](https://broadrouter.com/zh/blog/llm-api-pricing-explained/)
-   [降低编程智能体大模型成本的 10 个方法（附节省估算）](https://broadrouter.com/zh/blog/cut-coding-agent-llm-costs/)
-   [大模型 API 包月还是按 token 付费：盈亏平衡怎么算](https://broadrouter.com/zh/blog/flat-rate-vs-pay-per-token-llm-api/)
-   [2026 年 10 月大模型 API 价格变动：3 次涨价，没有降价](https://broadrouter.com/zh/blog/llm-api-price-changes-october-2026/)
-   [大模型 API 价格多久变一次？三年存档价格页数据](https://broadrouter.com/zh/blog/how-often-llm-api-prices-change/)
-   [指南：推理模型为什么返回空回答](https://broadrouter.com/zh/guides/reasoning-tokens-empty-response/)
-   [指南：对话补全的流式输出，以及连接中断的处理](https://broadrouter.com/zh/guides/streaming-chat-completions/)

用你的真实业务负载试一试。新账户可获得 US$5 初始额度，用于 Gemma和转写。DeepSeek、GLM和Qwen3.8 需要先充值。

[开始使用](https://inference.broadnet.ai/account/?utm_source=broadrouter&utm_medium=referral&utm_campaign=zh-blog-reasoning-tokens-cost&utm_content=page-cta) ·

**来源**

-   [BroadNet Inference API 参考：思考与缓存 token（2026-11-15 核实）（英文）](https://inference.broadnet.ai/docs?utm_source=broadrouter&utm_medium=referral&utm_campaign=zh-blog-reasoning-tokens-cost&utm_content=sources#models)
-   [BroadNet Inference 机器可读价格（pricing.json）（2026-11-15 核实）（英文）](https://inference.broadnet.ai/pricing.json?utm_source=broadrouter&utm_medium=referral&utm_campaign=zh-blog-reasoning-tokens-cost&utm_content=sources)
-   [OpenAI 推理指南：计费、effort 取值与 max\_output\_tokens（2026-11-14 核实）](https://developers.openai.com/api/docs/guides/reasoning)
