---
title: "大模型返回空内容？思考 token 与 max_tokens | BroadRouter"
description: "DeepSeek V4.1 Flash、GLM 5.3 和 Qwen3.8 27B 会先思考再回答，思考内容计入 max_tokens。本文说明如何避免收到空回复。"
url: https://broadrouter.com/zh/guides/reasoning-tokens-empty-response/
lang: zh-Hans
updated: 2026-11-16
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/guides/reasoning-tokens-empty-response/)（2026-11-16 更新）。

# 推理模型为什么返回空回答

更新于 2026-11-16

模型在开始写可见回答之前，就把 max\_tokens 预算全部用在了思考上。在 BroadNet Inference 上，DeepSeek V4.1 Flash、GLM 5.3 和 Qwen3.8 27B 都会先思考，而思考内容计入 max\_tokens。请留出 1,000 token 或更多，或者把 reasoning\_effort 设为 low。

你发送了一个很短的提示词，设置 `max_tokens: 100`，请求成功了，但 `choices[0].message.content` 是空的。并没有出故障：回答根本还没开始。

## 发生了什么

推理模型在写出可见回答之前，会先写一段隐藏的思维链。两者共用同一个 `max_tokens` 预算。上限设得太小，思考就会把预算全部用光；在标准的 chat completions 格式中，这时 `finish_reason` 为 `length`。

## 三种解决办法

**1\. 留出空间。** 按照 BroadNet 文档的建议，把 `max_tokens` 设为 1,000 或更多。[推理模型 max\_tokens 计算器](https://broadrouter.com/tools/reasoning-token-budget/)会根据你需要的回答长度算出上限，并显示费用。

**2\. 少思考一些。** 简单任务把 `reasoning_effort` 设为 `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\. 查看 usage。** 如果模型有报告，`usage.completion_tokens_details.reasoning_tokens` 会显示有多少 token 用在了思考上：

```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")
```

流式输出时，加上 `stream_options={"include_usage": True}`，同样的 usage 会出现在最后一个 chunk 中。参见[流式对话补全](https://broadrouter.com/zh/guides/streaming-chat-completions/)。

## 哪些模型会思考

| 模型 | 先思考再回答 |
| --- | --- |
| DeepSeek V4.1 Flash（`broadnet/deepseek-v4.1-flash`） | 是 |
| GLM 5.3（`broadnet/glm-5.3`） | 是 |
| Qwen3.8 27B（`broadnet/qwen3.8-27b`） | 是 |
| BroadNet Gemma 4 VL 26B（`broadnet/gemma-4-26b-a4b`） | 未列出 |

## 故障排查

-   **`content` 为空，`finish_reason` 为 `length`。** 调高 `max_tokens`，或把 `reasoning_effort` 设为 `low`。
-   **`content` 为空，`finish_reason` 为 `stop`。** 问题不在上限。检查你的提示词，并打印完整响应看看返回了什么。
-   **访问 `completion_tokens_details` 时出现 `AttributeError`。** 模型没有为这次请求报告明细；像上面的示例那样先判断是否为 `None`。
-   **流式输出的第一个 token 来得很慢。** 模型在写回答之前正在思考。降低 `reasoning_effort` 可以缩短等待时间。

如果你整天运行智能体，按量付费时思考 token 会不断累积。[BroadNet 价格计算器](https://broadrouter.com/zh/pricing/)会显示什么时候固定价格的[不限量套餐](https://broadrouter.com/zh/guides/unlimited-llm-api-sessions/)更划算。

## 本指南涉及的术语

[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。

[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。

[工具调用（tool calling / function calling）](https://broadrouter.com/zh/glossary/tool-calling/)

工具调用（也叫函数调用，function calling）是大模型 API 的一项功能：模型返回一个结构化请求，要求执行开发者定义的某个函数，并附上 JSON 参数。应用执行该函数并把结果发回；模型自己从不执行代码。

[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。

[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。

[AI 智能体（AI agent）](https://broadrouter.com/zh/glossary/agent/)

AI 智能体是由语言模型自主决定步骤、朝目标推进的系统：它决定调用哪些工具、读取结果，然后重复，直到给出最终回答或触及上限。在固定位置调用模型的固定脚本，通常称为工作流（workflow）。

[Chat Completions API（对话补全接口）](https://broadrouter.com/zh/glossary/chat-completions-api/)

Chat Completions API 是 OpenAI 的 HTTP 端点 POST /v1/chat/completions，它接收模型名称和一组带角色标记的消息，返回模型的下一条消息。它的请求与响应结构已成为 OpenAI 兼容服务商和各类 SDK 通用的格式。

[max\_tokens（最大输出 token 数）](https://broadrouter.com/zh/glossary/max-tokens/)

max\_tokens 是大模型 API 的一个参数，用于设定模型在一次回复中最多能生成多少 token。生成达到上限时就会停止，响应会被标记为截断，例如 finish\_reason 为 "length"。

## 常见问题

### 思考要花钱吗？

按量付费时，思考 token 包含在 completion token 中，按输出价格计费。在 DeepSeek V4.1 Flash 的不限量套餐上没有 token 计量，所以不会产生额外费用。

### BroadNet Gemma 4 VL 26B 会思考吗？

BroadNet 的文档为 DeepSeek V4.1 Flash、GLM 5.3 和 Qwen3.8 27B 列出了思考能力，没有为 Gemma 4 VL 26B 列出。

### finish\_reason 是 length 时，为什么 message 的 content 是空的？

可见回答还没开始，token 预算就用完了。推理模型会先写思考内容，而这些 token 计入 max\_tokens。把 max\_tokens 调到 1,000 或更多，或者降低 reasoning\_effort。

### reasoning\_effort 设为 low 有什么作用？

它让模型在回答前少思考一些。当较小的上限导致回答为空时，BroadNet 的文档建议用它来代替调大 max\_tokens。适合分类、信息提取这类简单任务。

### 怎么查看有多少 token 用在了思考上？

如果模型有报告，读取响应中的 usage.completion\_tokens\_details.reasoning\_tokens。流式输出时，发送 stream\_options 并把 include\_usage 设为 true，然后从最后一个 chunk 中读取。

## 相关指南

-   [用 OpenAI Python SDK 调用 BroadNet Inference](https://broadrouter.com/zh/guides/openai-python-sdk/)
-   [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/)
-   [BroadNet Inference 错误码，以及什么时候该重试](https://broadrouter.com/zh/guides/errors-and-retries/)

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

**来源**

-   [BroadNet Inference API 参考文档：思考 token 与缓存 token（核对于 2026-11-16）（英文）](https://inference.broadnet.ai/docs?utm_source=broadrouter&utm_medium=referral&utm_campaign=zh-guides-reasoning-tokens-empty-response&utm_content=sources#models)
