Токены рассуждений в OpenAI, Claude и Gemini: оплата и контроль

Токены рассуждений (reasoning tokens, thinking) у OpenAI, Anthropic и Google оплачиваются по ставке выходных токенов — отдельной цены для них нет, и платите вы за всё, что модель сгенерировала, а не за то, что видно в ответе. Поэтому счёт считают по полю usage, а не по длине текста:

• OpenAI (Responses и Chat Completions) и Claude (Messages API): рассуждения уже входят в output_tokens / completion_tokens. Поле с разбивкой — только справка, прибавлять его нельзя.
• Gemini generateContent: candidatesTokenCount рассуждений не содержит, оплачиваемый выход = candidatesTokenCount + thoughtsTokenCount.

Расходом управляют двумя разными рычагами. Жёсткий лимит (max_output_tokens, max_tokens) обрезает один запрос, но может оставить вас с оплаченным пустым ответом. Параметры глубины (effort, thinking_level) уменьшают объём рассуждений в среднем, но точного числа токенов не гарантируют. Цены ниже приведены по состоянию на 25 сентября 2026 года; все суммы — арифметические примеры по официальным тарифам, а не замеры реальных счетов.

Почему рассуждения оплачиваются, хотя их не видно

Reasoning-модель перед ответом генерирует внутренние токены: разбирает задачу, пробует варианты, планирует вызовы инструментов. Это такая же генерация, как и видимый текст, поэтому провайдеры тарифицируют её как выход. У OpenAI это сказано прямо: рассуждения не видны через API, но занимают место в контекстном окне и оплачиваются как выходные токены. У Gemini строка тарифа так и называется — «Output price (including thinking tokens)» в таблице цен Gemini API.

Видимый результат не показывает оплаченный объём ни у одного из трёх провайдеров:

• Claude по умолчанию скрывает текст рассуждений на Opus 5.5, Opus 5, Sonnet 5, Fable и Mythos (display: "omitted"), но списывает их полностью. Если включить display: "summarized", вы увидите краткое изложение; его генерация бесплатна, а оплачиваются всё равно полные рассуждения. Anthropic отдельно предупреждает, что оплаченное число выходных токенов не совпадает с видимым.
• Gemini возвращает только резюме мыслей, а тарифицирует полный объём thought-токенов.
• OpenAI включает в выходной счётчик ещё и невидимые служебные токены форматирования. Поэтому output_tokens − reasoning_tokens — это приблизительный, а не точный объём видимого текста (подсчёт выходных токенов).

Практический вывод: длина ответа на экране и размер показанного резюме ничего не говорят о стоимости. Единственный надёжный источник — объект usage в ответе API.

Какое поле usage умножать на цену выхода

Сначала определите интерфейс, через который пришёл ответ, и только потом модель: одна и та же формула для разных API даёт ошибку в разные стороны.

Официальные примеры показывают масштаб. В руководстве OpenAI ответ с output_tokens: 1186 содержит reasoning_tokens: 1024 — почти всё, за что заплачено, пользователь не видит. В документации Claude пример с output_tokens: 348 и thinking_tokens: 312 Anthropic называет output_tokens «включающим и авторитетным итогом для биллинга», а разбивку — полем только для наблюдения. У Gemini в описании UsageMetadata thoughtsTokenCount перечислен отдельно, а в примере Interactions API итог 530 складывается из входа 62, ответа 171 и мыслей 297.

Ещё три ловушки:

• total_tokens у OpenAI и totalTokenCount у Gemini включают вход. Если умножить их на цену выхода, расчёт будет завышен даже с выключенными рассуждениями.
• promptTokenCount у Gemini уже содержит кэшированный контент. Чтобы применить к кэшу его тариф, берите cachedContentTokenCount как часть входа, а не как прибавку к нему.
• Посредники, которые отдают Gemini в формате OpenAI, могли уже сложить поля в один completion_tokens — или не передать разбивку вовсе. Пока документация конкретного шлюза этого не описывает, храните сырой ответ и не применяйте к нему формулу generateContent.

Если в ответе Gemini нет поля thoughtsTokenCount, сверьтесь с totalTokenCount: по документации он равен сумме промпта, мыслей и ответа. Подставлять ноль вместо отсутствующего значения опасно — «данных нет» превращается в «рассуждений не было».

Ниже — минимальная нормализация для сырого JSON-ответа REST (в SDK имена полей могут отличаться, например быть в snake_case). Функция возвращает число токенов для умножения на цену выхода или None, если данных недостаточно:

def billable_output_tokens(api: str, usage: dict) -> int | None:
    """Выходные токены для умножения на цену выхода; None — данных нет."""
    if api in ("openai.responses", "claude.messages"):
        return usage.get("output_tokens")          # рассуждения уже внутри
    if api == "openai.chat":
        return usage.get("completion_tokens")      # рассуждения уже внутри
    if api == "gemini.generateContent":
        candidates = usage.get("candidatesTokenCount")
        thoughts = usage.get("thoughtsTokenCount")
        if candidates is None or thoughts is None:
            return None                            # проверить по totalTokenCount
        return candidates + thoughts
    if api == "gemini.interactions":
        output = usage.get("total_output_tokens")
        thoughts = usage.get("total_thought_tokens")
        if output is None or thoughts is None:
            return None
        return output + thoughts
    raise ValueError(f"Неизвестный API: {api}")

Функция нарочно не угадывает API по названию модели и не превращает отсутствующие значения в ноль. Разбивку рассуждений храните отдельным полем для аналитики и никогда не прибавляйте её к итогу OpenAI или Claude.

Как обе ошибки выглядят в деньгах, видно на условном тарифе 10 $ за 1 млн выходных токенов. Пусть итог выхода равен 1 200 токенам, из которых 800 — рассуждения. Правильная стоимость выхода — 1 200 × 10 $ / 1 000 000 = 0,012 $. Если к итогу ещё раз прибавить 800, отчёт покажет 0,020 $. Если у Gemini учесть только 400 токенов ответа без мыслей, получится 0,004 $. Провайдер при этом спишет те же 0,012 $: ошибка живёт только в вашем отчёте.

Реальный пример такой ошибки — issue #4065 в browser-use: функция _get_usage() прибавляла reasoning_tokens к completion_tokens, и для reasoning-моделей отображаемый расход вырастал примерно вдвое. Ошибку исправили, issue закрыли 10 февраля 2026 года. Это сбой клиентского учёта, а не двойное списание со стороны OpenAI.

Сколько стоит запрос: цены и пример расчёта

Цены на 25 сентября 2026 года

Стандартные тарифы прямых API, доллары за 1 млн токенов; строки Google сверены 10 октября 2026 года. Отдельного столбца для рассуждений нет ни у кого: они входят в выход.

Источники: цены OpenAI API (короткий контекст, вход до 272 тыс. токенов; для длинного контекста ставки выше), цены Claude API, цены Gemini Developer API (платный уровень, режим Standard). Batch у всех трёх снижает цену вдвое. Цифра 6,75 $ за выход у Gemini 3.8 Flash относится к режиму Priority, а не к Standard. gemini-3.5-flash (прежняя цена 1,50 $ / 9,00 $) и gemini-3.7-flash 8 октября 2026 года объявлены устаревшими: все запросы к ним автоматически выполняют gemini-3.6-flash и gemini-3.8-flash, отдельных строк в прайсе больше нет (журнал изменений Gemini API). Какой тариф применяется к запросам на старый ID, Google не уточняет. Логично ожидать цену модели, которая фактически отвечает, но это наш вывод: сверьте строки по SKU в отчётах Cloud Billing. Тарифы Gemini в Google Cloud (Agent Platform, Vertex AI) считаются отдельно, и смешивать их с Developer API нельзя. Подробнее о режимах и миграции — в разборе Gemini 3.8 Flash API: ID модели, цены, лимиты и миграция.

Пример: 2 000 токенов на входе, 6 000 на выходе

Возьмём один запрос без кэша: 2 000 входных токенов, 6 000 выходных, из них 5 000 — рассуждения (для Gemini это 1 000 токенов ответа и 5 000 мыслей). Одинаковые объёмы для всех моделей — допущение ради арифметики: на одну и ту же задачу разные модели тратят разное число токенов, а токенизаторы у них различаются. Поэтому это не сравнение провайдеров, а шаблон, в который подставляются ваши цифры из usage.

Что видно из этого расчёта:

• У GPT-6 Sol рассуждения стоят 5 000 × 10 $ / 1 млн = 0,050 $, то есть 78 % цены запроса. Именно они, а не видимый ответ, определяют счёт.
• Если прибавить reasoning_tokens к итогу ещё раз, отчёт покажет 2 000 × 2 $ / 1 млн + 11 000 × 10 $ / 1 млн = 0,114 $ вместо 0,064 $.
• Если у Gemini забыть thoughtsTokenCount, выйдет 0,00525 $ — в четыре с лишним раза меньше правильной суммы.

Цена за токен не равна цене задачи. Модель с дешёвым токеном может рассуждать дольше или чаще ошибаться, и тогда задача обходится дороже. Как это считать на реальных сценариях, разобрано в статьях GPT-6 Luna или Sol: сколько стоят и когда Sol окупается и Claude Opus 5.5 или GPT-5.6 Sol: одинаковая цена, разные счета.

Лимит расхода и глубина рассуждений (effort) — разные рычаги

У каждого провайдера есть два вида настроек, и путать их дорого. Жёсткий лимит ограничивает, сколько токенов модель вправе сгенерировать за один запрос, включая рассуждения. Параметр глубины подсказывает модели, насколько подробно думать, но не обещает конкретного числа токенов.

Детали, которые меняют поведение:

• OpenAI. Допустимые значения effort зависят от модели: GPT-6 Sol, Luna и GPT-5.6 принимают от none до max, а GPT-6 Astra на none отвечает ошибкой 400. Режим reasoning.mode: "pro" в Responses API выполняет больше работы и тарифицирует её по обычным ставкам модели — расход токенов растёт (раздел о reasoning effort). Выбор между GPT-6 и GPT-5.6 — в статье Какую модель OpenAI выбрать для API: GPT-6 или GPT-5.6.
• Claude. На моделях с адаптивным мышлением бюджета рассуждений нет: старый параметр budget_tokens на Claude 4.7 и новее отклоняется с ошибкой 400, так что инструкции с ним к актуальным моделям не подходят. На Opus 5.5 мышление не отключается, и effort — главный способ управлять ценой. Effort влияет на все выходные токены, включая текст и вызовы инструментов. Смена effort между запросами сбрасывает кэш промпта; у Opus 5.5 и Fable 5.1 есть бета-режим смены effort внутри диалога, который кэш сохраняет (документация effort). Как выбрать уровень для Opus 5.5 — в статье Claude Opus 5.5: какой уровень effort выбрать и как его задать.
• Gemini. В generateContent помимо thinkingLevel есть thinkingBudget — желаемое число токенов мыслей, но для Gemini 3 и новее Google рекомендует уровни (ThinkingConfig).

Сколько токенов тратит каждый уровень effort, ни один провайдер не публикует: это зависит от задачи. Измеряйте на собственных запросах по полю разбивки рассуждений.

Почему пустой ответ всё равно оплачен

Лимит выхода считает рассуждения вместе с текстом. Если модель израсходовала его на размышления, текст ответа может так и не начаться, а вход и рассуждения уже оплачены. OpenAI описывает этот сценарий прямо и советует на старте оставлять под рассуждения и ответ не меньше 25 000 токенов. Google пишет то же для Gemini: при исчерпании max_output_tokens мысли тарифицируются, даже если ответ пуст.

Пример по тарифу GPT-6 Sol: запрос с 2 000 входных токенов и max_output_tokens 4 096, целиком ушедшими на рассуждения, стоит 2 000 × 2 $ / 1 млн + 4 096 × 10 $ / 1 млн ≈ 0,045 $ — и не приносит ни строки текста. Маленький лимит, выставленный «для экономии», превращает часть трафика в такие запросы.

Что менять: счёт слишком большой или ответ обрывается

• Ответы нормальные, но дорого. Снижайте глубину: reasoning.effort, output_config.effort или thinking_level. Google прямо рекомендует понижать thinking_level, а не урезать max_output_tokens. Проверяйте качество на своих задачах: экономия имеет смысл, только если результат не портится.
• Ответы обрываются, incomplete или stop_reason: "max_tokens". Решите, нужны ли этим запросам рассуждения. Если качество важно — поднимайте лимит; если модель передумывает простые задачи — снижайте глубину. Anthropic даёт тот же выбор в разделе об управлении стоимостью.
• Нужен потолок на всю операцию, а не на запрос. У Claude max_tokens действует на каждый запрос отдельно, поэтому в цикле с инструментами он не ограничивает весь ход агента. Потолок на операцию придётся считать в своём коде, суммируя usage по запросам.

Масштаб эффекта легко оценить. Допустим, после снижения effort рассуждения у GPT-6 Sol сократились с 5 000 до 1 000 токенов на запрос. При 1 000 запросов в день это 1 000 × 4 000 × 10 $ / 1 млн = 40 $ в день. Реальное снижение будет другим: цифры 5 000 и 1 000 взяты для примера.

Как свести свой учёт со счётом

Даже с правильной формулой отчёт расходится со счётом, если одно и то же потребление записано несколько раз или, наоборот, потеряно.

Потоковые ответы

• Claude. Значения usage в событиях message_delta накопительные: если промежуточное событие показало 40 выходных токенов, а финальное — 100, итог равен 100, а не 140. Берите последнее значение или итоговое сообщение SDK (потоковая передача в Claude API). Разбивка thinking_tokens приходит только в финальном message_delta.
• OpenAI Chat Completions. С stream_options.include_usage перед data: [DONE] приходит отдельный чанк с usage за весь запрос. Если поток оборвался, этого чанка может не быть — и тогда итог неизвестен, а не равен нулю.
• OpenAI Responses. Поток завершается событием response.completed; usage берите из итогового объекта ответа. Чем ещё отличаются два API OpenAI, включая потоковую передачу, — в статье Chat Completions или Responses API: что меняется в интеграции.

Если финальных данных нет, пометьте запись как неполную. Последнее увиденное промежуточное число — не подтверждённый расход.

Повторная доставка и новая попытка

Для собственной базы важно различать три случая:

• Обновление того же ответа. Накопительное значение заменяет предыдущее, а не прибавляется к нему.
• Повторная доставка того же события. Очередь или вебхук прислали финальную запись дважды — расход не меняется. Запись должна быть идемпотентной по идентификатору ответа.
• Новая попытка запроса. Клиент получил тайм-аут и отправил запрос заново. Провайдер мог обработать обе попытки, и тогда оплачены обе, даже если промпт совпадает до символа.

Храните идентификатор своей операции, номер попытки и идентификаторы запроса и ответа провайдера. Тогда одна пользовательская операция с двумя оплаченными попытками не будет выглядеть как ошибка учёта.

Рассуждения прошлых ходов во входе

В многоходовом диалоге рассуждения могут вернуться в счёт уже как вход следующего запроса. У Claude на моделях, которые сохраняют мышление всех ходов (Opus 4.5 и более поздние Opus, Sonnet 4.6 и более поздние Sonnet, Fable, Mythos), прошлые thinking-блоки по умолчанию остаются в контексте и оплачиваются как входные токены. Это новое потребление на следующем шаге, а не повторная оплата прошлого выхода. Блоки, которые целевая модель прочитать не может, API отбрасывает без ошибки и не тарифицирует. Если в длинном диалоге внезапно дорожает отдельный ход, проверьте и кэш — это разобрано в статье Claude Code cache miss и стоимость токенов: почему один turn внезапно дорогой.

У OpenAI модели GPT-5.6 по умолчанию подставляют доступные рассуждения прошлых ходов в следующий запрос (reasoning.context: "all_turns"), у более ранних моделей по умолчанию — только текущий ход. Как именно эти рассуждения отражаются в usage следующего запроса, в документации не расписано. Если это важно для бюджета, прогоните один и тот же диалог с all_turns и current_turn и сравните входные токены.

Порядок проверки при расхождении

Возьмите одну попытку запроса, для которой есть сырой usage и запись провайдера, и пройдите по шагам:

1. Совпадают ли модель, API, время и идентификатор ответа. Через посредника — его описание полей и тарифов.
2. Правильная ли формула выхода: не прибавлена ли разбивка к итогу OpenAI или Claude, не потеряны ли мысли Gemini.
3. Финальный ли это usage и записан ли он один раз. Накопительные снимки не складываются.
4. Верно ли разделены вход, кэш и выход и выбран ли тариф нужной модели, даты и режима (Standard, Batch, Priority, длинный контекст).
5. Были ли другие попытки той же операции и прошлые рассуждения во входе следующих запросов.

Если после пятого шага разница осталась, сохраните сырые ответы и идентификаторы: с ними поддержка провайдера или посредника сможет найти конкретные записи.

Короткие ответы

Оплачиваются ли рассуждения, если модель их не показывает?

Да. У OpenAI, Claude и Gemini скрытые рассуждения тарифицируются по цене выходных токенов в полном объёме. Показанное резюме мыслей (у Claude оно бесплатное) или его отсутствие на сумму не влияет.

Можно ли задать точное число токенов рассуждений?

У актуальных моделей Claude — нет: budget_tokens на Claude 4.7 и новее не принимается, есть только effort и жёсткий max_tokens. У OpenAI точного бюджета тоже нет: effort задаёт глубину, а max_output_tokens — потолок. У Gemini в generateContent доступен thinkingBudget, но для Gemini 3 Google рекомендует thinkingLevel. Жёсткий лимит выхода ограничивает объём, но может оставить ответ пустым.

Сколько токенов тратят high, xhigh и max?

Эти цифры не публикует ни один провайдер: effort — подсказка модели, а не бюджет, и расход зависит от задачи. Прогоните несколько уровней на своих запросах и сравните reasoning_tokens или thinking_tokens вместе с качеством результата.

Почему посредник показывает другие числа, чем официальный API?

У шлюзов свои параметры reasoning и свой формат usage. Проверьте, возвращает ли посредник разбивку рассуждений и не объединяет ли поля Gemini в один completion_tokens, прежде чем применять формулы из таблицы выше.

Работают ли API OpenAI, Anthropic и Gemini из России?

Россия и Беларусь не входят в списки поддерживаемых стран OpenAI, Anthropic и Gemini API; OpenAI предупреждает, что доступ из стран вне списка может привести к блокировке или приостановке аккаунта. Казахстан, Армения, Грузия, Узбекистан и Кыргызстан в этих списках есть. Значение имеет местоположение, а не язык интерфейса.