Reasoning token nima? Siz ko'rmagan, lekin pul to'lagan tokenlar

Model javob berishdan oldin «o’ylaydi». Ushbu o’ylash — ichki qoralama, tokenlarda yoziladi, lekin sizga ko’rsatilmaydi. Va hisobda chiqish tokeni sifatida to’lanadi. Bu — reasoning token: ko’rinmas, lekin pul ketadigan token.

ChatGPT’da «Deep Research kutyapti…» yozuvini ko’rgansiz. Claude «extended thinking» bilan sekin javob beradi. Gemini «Thinking…» deb ko’rsatadi. Uchala holatda ham model javobdan oldin minglab ichki token generatsiya qiladi.

Uchta kompaniya — bitta narsa, uchta nom

Kompaniya	Nomi	Rasmiy hujjatda
OpenAI	reasoning tokens	javobda qaytarilmaydi, chiqish narxida to’lanadi
Anthropic	thinking tokens	output_tokens_details.thinking_tokens’da ko’rinadi
Google	thought tokens	«faqat xulosa qaytariladi, to’lov to’liq tokenlarga»

Mexanizm bir xil: model qisqa javob berish uchun uzun ichki zanjir (chain of thought) yozadi. Siz ko’rgan javob — muztog’ning uchi; suv ostidagi qism — hisobda.

Oddiy misol

API’da reasoning modelga vazifa bering (taxminiy sonlar):

Sizning savolingiz: 1 000 kirish tokeni
Modelning ichki o’ylashi: 5 000 token — siz ko’rmaysiz
Ko’rinadigan javob: 500 token

Hisob-kitobda chiqish = 5 500 token. Ko’rinadigan javob bo’yicha 11 barobar. Shuning uchun «sticker narx» bir xil bo’lgan ikki model bir vazifada bir necha barobar farq qilishi mumkin — biri o’ylaydi, biri yo’q.

Byudjetni boshqarish — uch kompaniyada uch usul

OpenAI: reasoning_effort parametri (low/medium/high) — asosiy vosita. Oddiy vazifada low qo’ysangiz, o’ylash keskin qisqaradi. Bundan tashqari max_completion_tokens reasoning va javobni birga cheklaydi.

Anthropic: eski usul — budget_tokens (min 1024 token). Yangi modellarda (Claude 4.7+, Fable 5.1, Mythos 5.1) u olib tashlangan: o’rnida adaptive thinking — model har so’rovda o’zi qaror qiladi: oddiy savolda umuman o’ylamaydi, murakkabda chuqur. Chuqurlikni effort bilan boshqarasiz.

Google: Gemini 3 Pro’da o’ylash standart yoqilgan — bilmasdan pul to’lashingiz mumkin. thinking_budget bilan cheklanadi (0 = umuman o’chirish, -1 = dinamik).

To’rt amaliy qadam

Kerakmi-o’zi savoli. Tarjima, klassifikatsiya, qayta formatlash — bularni reasoning modelga bermang. Oddiy model 10-20 baravar arzon chiqadi.
Pastdan boshlang. Effort/budget ni minimal qo’yib, sifat tushsa oshiring. Teskarisi — standart sozlamada qoldirish — eng qimmat xato.
Hisobni o’qing. OpenAI: completion_tokens_details.reasoning_tokens. Anthropic: output_tokens_details.thinking_tokens. Ko’rinadigan javobdan bir necha barobar katta ekanini ko’rasiz — shu yerda sizning pulingiz.
Batch va chegov. Kutadigan ishlarni Batch API’ga (OpenAI’da 50% arzon) chiqaring, chiqishni max_completion_tokens bilan cheklang.

Ikki tuzoq (rasmiy hujjatlardan)

Temperatura bilan to’qnashadi. Claude’da thinking yoqilganda temperature=1 bo’lishi shart — boshqa qiymat 400 xato beradi. Temperatura nima postida aytganimizdek, o’ylayotgan modelga ijodiylik aralashtirilmaydi.
O’tgan gaplashmalar qayta to’lanadi. Yangi Claude modellarida oldingi navbatlarning thinking bloklari kontekstda saqlanadi va keyingi so’rovda kirish tokeni sifatida hisoblanadi — uzun suhbatda ikkinchi marta pul. Bu kontekst oynasi mavzusining pul tomoni.

Oddiy foydalanuvchiga nima o’zgaradi?

ChatGPT Plus yoki Claude Pro obunachisi sifatida — hech nima: reasoning limitlar ichida, alohida to’lanmaydi. Sekin javob = model o’ylayapti, xolos. Bu mavzu faqat API’dan foydalanib bot, RAG yoki avtomatlashtirish qurayotgan jamoalar uchun kritik: token hisobingizning ko’rinmas yarmi shu yerda.

Yana bir yo’l — ochiq modellar: DeepSeek R1 kabi reasoning modellar ochiq og’irlikda, o’z serveringizda reasoning token «pul birligi» sifatida umuman hisoblanmaydi — faqat GPU vaqti.

Xulosa: reasoning token — AI’ning qoralama daftari. Model uni yozadi, siz o’qiysizmi-yo’qmi — siz to’laysiz. API’da jiddiy ish qilsangiz, birinchi tekshiradigan joyingiz shu bo’lishi kerak: javob emas, hisob.