面试官问：“你算过 reasoning 模型一次思考烧多少 token 吗？”

“3 年大模型应用开发，深度使用 GPT-5、Claude Opus、Gemini 等主流模型，熟悉 API 调用与成本优化。”

看到这份简历，我问了个看起来很简单的问题：你最近接的 reasoning 模型，单次请求里 reasoning_tokens 占多少？

候选人沉默了几秒，说大概几百吧，跟输出差不多。

错。差得不是一点半点。在 GPT-5.5 默认配置下，一次简单的算术推理就能烧掉 3k-8k 个 reasoning token，而你看到的最终回答可能只有 200 字。这部分 token 不会出现在 output 里，但按 output 价计费。同样是 GPT-5.5，输出价 $30/M tokens，你账单上凭空多出来的 $0.20 就是它。

这不是个别现象。OpenAI 自己的文档写得很清楚：reasoning tokens 默认开启 medium effort，即便你没传 reasoning 参数，模型也在烧。绝大多数应用上线后第一次看账单，都会被吓一跳。

今天这场面试，把 reasoning 模型最烧钱的隐形成本讲透。

---

Round 1：你以为输出 1000 token，实际烧了多少？

面试官：“我给 GPT-5.5 发一个简单数学题，输出 500 个 token 答案。usage 里 reasoning_tokens 大概是多少？”

候选人：“应该跟输出差不多吧，几百？”

正解：

默认配置下，reasoning_tokens 通常是 output_tokens 的 5-15 倍，你的账单大头根本不在你看得到的回答里。

GPT-5.5 系列出厂默认 reasoning_effort = medium，意味着模型把约 50% 的 max_tokens 预算分给内部思考。一个真实的对照——同一道简单数学题用 GPT-5：

reasoning_effort	reasoning_tokens	output_tokens	倍数
minimal	~150	420	0.4x
low	~800	420	1.9x
medium（默认）	~3,500	420	8.3x
high	~9,200	420	22x

数据来自 Artificial Analysis 的 GPT-5 评测：从 minimal 到 high，token 消耗增加 23 倍，而 Intelligence Index 只从 44 涨到 68。简单任务下，多烧 22 倍 token 换不回什么准确率提升。

更让人头疼的是，reasoning tokens 按 output 价计费。GPT-5.5 输出价 $30/M，单次 high 配置加上长 prompt 烧 20k reasoning token，光思考就 $0.60，比你看到的回答还贵 10 倍。OpenAI 文档原话：reasoning tokens are billed as output tokens。

OpenAI o-series 还有个坑：它不返回 reasoning 内容给你，只在 usage.completion_tokens_details.reasoning_tokens 里告诉你我用了这么多。DeepSeek-V4 和 Anthropic 大方一些，把 reasoning 内容放在 reasoning_content 字段。Gemini 3.1 的 thinkingLevel 干脆完全黑盒，连数字都是 Google 内部决定。

来源：OpenAI Reasoning Models Docs | Artificial Analysis GPT-5 Benchmarks

要点速记

• GPT-5.5 默认 medium effort，reasoning_tokens 常是 output 的 5-15 倍
• reasoning tokens 按 $30/M 的 output 价计费，high 单次可烧 20k
• 从 minimal 到 high，token 消耗增加 23x，但准确率只从 44 涨到 68
• OpenAI o-series 不返回 reasoning 内容，DeepSeek-V4 / Claude 会返回

---

Round 2：reasoning_effort 这个参数到底分了多少 token？

面试官：“reasoning_effort 设成 high，模型就慢一点呗？”

候选人：“对，high 就是多想几步，把 max_tokens 调大一点就行。”

正解：

reasoning_effort 不只是多想几步，它直接按比例切走你 max_tokens 预算的一大块。high 档位会预占 80%，留给最终输出的空间只剩 20%。

OpenRouter 公开过这个换算公式（适用于 GPT-5.5、Grok、Qwen3.6 等可控 effort 的模型）：

budget_tokens = max(min(max_tokens × effort_ratio, 128000), 1024)

其中 effort_ratio 是档位对应的预算比例：

effort	预算比例	典型用途
minimal	10%	提取、改写、分类
low	20%	普通问答、轻量任务
medium	50%	默认，通用场景
high	80%	复杂推理、代码生成
xhigh	95%	算法设计、安全审计

举个具体例子：你设 max_tokens = 4096, reasoning_effort = high，模型先拿走 4096 × 0.8 = 3276 个 token 做内部推理，最终回答最多只能写 820 token。如果你的任务需要 2000 字答案，high 档位反而会截断输出。

OpenAI 在 2026 年 4 月新增的 xhigh 档位，effort_ratio 0.95，几乎把全部预算交给推理。官方承认这档位只在质量优先的关键任务用，潜台词是贵到日常用不起。

不同厂商的实现差别也很大。Claude Opus 4.5 用 medium effort 即可匹配 Sonnet 4.5 的能力，token 还少了 76%；high 档反超 Sonnet 4.3%，token 仍少 48%。Anthropic 在 token 效率上做了专门优化。反观行业整体，OckBench 评测覆盖 16 个模型显示，相似准确率下不同 reasoning 模型 token 消耗最多差 5 倍。思考效率差距比思考能力差距大得多。

最容易踩的坑：默认是 medium，不是 minimal。团队从 GPT-5.4 升级到 GPT-5.5 不改 reasoning 参数，账单往往翻 3-5 倍。

来源：OpenRouter Reasoning Tokens Guide | Claude Opus 4.5 Cost Analysis

要点速记

• effort_ratio: minimal 10% / low 20% / medium 50% / high 80% / xhigh 95%
• budget_tokens = max_tokens × effort_ratio，从 max_tokens 里切走，不是额外加
• Claude Opus 4.5 medium 即匹配 Sonnet 4.5，token 少 76%
• GPT-5.5 默认 medium，从 GPT-5.4 升级忘改参数账单翻 3-5 倍

---

Round 3：账单里的思考刺客怎么揪出来？

面试官：“上线两周账单翻倍，你怎么定位是不是 reasoning 烧的？”

候选人：“看总 token 数，调小 max_tokens 应该就好了。”

正解：

调 max_tokens 治标不治本，会同步截断输出。真正的工程做法是分三层：监控 reasoning_tokens 单项、按任务路由 effort 档位、用缓存和 Batch 砍掉重复开销。

第一层:在 usage 里把 reasoning_tokens 单独取出来。 OpenAI Python SDK 的标准取法:

python

`response = client.responses.create(
model=“gpt-5.5”,
input=“…”,
reasoning={“effort”: “medium”}
)

usage = response.usage
reasoning_t = usage.output_tokens_details.reasoning_tokens
output_t = usage.output_tokens - reasoning_t
cached_t = usage.input_tokens_details.cached_tokens

print(f"reasoning ratio: {reasoning_t / usage.output_tokens:.1%}")`

LangChain 也支持，但要注意一个坑：早期版本没把 reasoning tokens 算进 total_cost，需要手动校正（参见 langchain issue #29779）。

第二层：按任务难度路由 effort。 不要全局一个档位。社区经验值参考：

场景类型	建议 effort
自动补全、实时聊天	minimal/none
RAG 问答、文档摘要	low
通用对话、Agent 工具调用	medium
代码生成、批量代码审查	high
安全审计、算法设计、迁移规划	xhigh

这套路由能直接砍掉 50%-70% 的 reasoning 成本。一个常见模式是先用 GPT-5.4-mini 做意图分类，再决定丢给哪个档位的 GPT-5.5。

第三层：组合优化拳。

• Prompt Cache

  ：GPT-5.5 缓存输入 $0.50/M，对比标准 $5/M，省 90%。注意 cached_tokens 走单独价表，但 reasoning_tokens 不享受缓存折扣，缓存优化只对 input 端有效。

• Batch API

  ：所有 token（含 reasoning）50% off，24h 内返回。GPT-5.5 Batch 价 = $2.50/M input + $15/M output，等于 GPT-5.4 标准价。代码审查、文档分析这类非实时任务全走 Batch。

• Flex 模式

  ：同样 50% off，但延迟不可控，从几秒到几分钟不等。

• 超 272k 长上下文

  ：GPT-5.5 触发 2x input、1.5x output 阶梯价，整 session 都涨。长 prompt 配合 reasoning 是双重烧钱。

报警阈值：把 reasoning_tokens / total_output_tokens > 0.8 设成 P0 告警，意味着模型大概率在做无效深思。Langfuse、Traceloop、Helicone 都支持 reasoning_tokens 维度拆分，建议直接接 OpenLLMetry 标准，按 user_id 和 feature 打标。

来源：OpenAI Reasoning Models Docs | Langfuse Token & Cost Tracking | OpenAI Pricing

要点速记

• 在 usage.output_tokens_details.reasoning_tokens 单独拿数据，别只看 total
• 按任务路由 effort：实时聊天 minimal，代码生成 high，能砍 50%-70% 成本
• Prompt Cache 输入省 90%，Batch 全 token 50% off，但 reasoning 不享受 cache 折扣
• 报警阈值：reasoning/output > 0.8 视为异常深思

---

Round 4：用小 reasoning 模型省钱，真省到了吗？

面试官：“那我换 GPT-5.4-mini 或开源的小推理模型呢？参数小肯定便宜。”

候选人：“对啊，单价便宜十倍，账单肯定降下来。”

正解：

这是 reasoning 模型最反直觉的现象——叫 Overthinking Tax。小模型为了弥补智能不足，会生成更冗长的思考链，单次请求总 token 数反而超过大模型，最终账单不降反升。

OckBench（arXiv 2511.05722，2025 年 11 月发表）做过一组实测：相似准确率下不同 reasoning 模型 token 消耗最多差 5 倍；同尺寸 7B reasoning 模型之间，因思考链长短不同，延迟差 10.7 倍、token 用量差 18.3 倍（Nemotron-7B vs Sky-T1-7B）。Qwen3.6 系列内部对比也有类似现象：dense 27B 在 SWE-bench Verified 上反超上代 MoE 397B-A17B（77.2% vs 76.2%），参数规模缩小一个量级，token 效率反而更高。

为什么会这样？ 三个根因：

1. 小模型思考密度低

   ：每个 reasoning 步骤携带的信息量小，需要更多步骤才能逼近正确答案。

2. RL 训练副作用

   ：用强化学习训出来的 reasoning 模型有 backward-checking CoT 偏好，简单题也要反复自检。

3. token budget 设置失灵

   ：TALE 论文（arXiv 2412.18547）发现，给小模型加 token 预算限制，参数最小的那档掉分最狠——它想不完就答不对。

真实换算：处理一道中等数学题，三种模型的成本对比（输出按当前 OpenAI 牌价）：

模型	reasoning tokens	output tokens	计费 token	输出价 $/M	单次成本
GPT-5.5 medium	3500	500	4000	$30	$0.12
GPT-5.4-mini medium	8000	500	8500	$4.50	$0.038
7B 自部署推理模型	18000	500	18500	等效 ~$3	$0.05-0.08

mini 这层仍然便宜，但和单价便宜十倍的直觉差距没那么大。一旦切到更小的 7B 自部署模型，token 膨胀往往把单价优势吃光。

怎么破？ 行业现在两条路：

• CoThink 两阶段管线

  （arXiv 2505.22017）：用 instruct 模型做大纲，reasoning 模型只做精修。简单题让非推理模型直接答，难题才走 reasoning，整体 token 砍 30%-50%。

• NoWait（抑制反思 token）

  ：在解码时屏蔽 wait、let me reconsider 之类的反思 token，CoT 长度可压 27%-51%，准确率几乎不掉。

工程上更现实的做法：别在管线里默认上 reasoning 模型。提取、分类、改写这类任务，GPT-5.4-mini 不开 reasoning 比 GPT-5.5 开 minimal 还便宜。reasoning 是奢侈品，不是日用品。

来源：OckBench: Measuring LLM Reasoning Efficiency | Stop Overthinking Survey | CoThink Pipeline

要点速记

• Overthinking Tax：同准确率下小模型 token 消耗多 5x，账单不降反升
• GPT-5.5 medium 单次 $0.12，GPT-5.4-mini medium $0.038，差距远小于单价差
• 简单任务（提取/分类/改写）禁用 reasoning，用 instruct 模型直答
• CoThink token 砍 30%-50%，NoWait CoT 压 27%-51%

---

面试官点评

候选人对 reasoning 模型的认知停留在能力强一点、慢一点这个旧观念。2026 年 reasoning 模型已经是工程化基建，不是 demo 玩具。面试时三个问题答得最虚：reasoning_tokens 占比、effort_ratio 切预算的机制、Overthinking Tax。

给一份可执行清单：

1. 接入第一天就埋监控

   ：拆出 reasoning_tokens 单项，设置 reasoning/output > 0.8 的 P0 告警；

2. 按任务路由 effort

   ：实时聊天 minimal、Agent medium、代码生成 high，不要全局一个档；

3. 重新评估小模型省钱假设

   ：跑一次 OckBench 风格的对照实验，看自家业务下小模型的实际 token 消耗，再决定要不要换。

---

reasoning 模型最贵的不是它说的，是它没说的。账单上那串你从没读过的隐形 token，才是真正在燃烧的钱。

学AI大模型的正确顺序，千万不要搞错了

🤔2026年AI风口已来！各行各业的AI渗透肉眼可见，超多公司要么转型做AI相关产品，要么高薪挖AI技术人才，机遇直接摆在眼前！

有往AI方向发展，或者本身有后端编程基础的朋友，直接冲AI大模型应用开发转岗超合适！

就算暂时不打算转岗，了解大模型、RAG、Prompt、Agent这些热门概念，能上手做简单项目，也绝对是求职加分王🔋

📝给大家整理了超全最新的AI大模型应用开发学习清单和资料，手把手帮你快速入门！👇👇

学习路线:

✅大模型基础认知—大模型核心原理、发展历程、主流模型（GPT、文心一言等）特点解析
✅核心技术模块—RAG检索增强生成、Prompt工程实战、Agent智能体开发逻辑
✅开发基础能力—Python进阶、API接口调用、大模型开发框架（LangChain等）实操
✅应用场景开发—智能问答系统、企业知识库、AIGC内容生成工具、行业定制化大模型应用
✅项目落地流程—需求拆解、技术选型、模型调优、测试上线、运维迭代
✅面试求职冲刺—岗位JD解析、简历AI项目包装、高频面试题汇总、模拟面经

以上6大模块，看似清晰好上手，实则每个部分都有扎实的核心内容需要吃透！

我把大模型的学习全流程已经整理📚好了！抓住AI时代风口，轻松解锁职业新可能，希望大家都能把握机遇，实现薪资/职业跃迁～

这份完整版的大模型 AI 学习资料已经上传CSDN，朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】