Modelos de razonamiento: qué son los tokens de pensamiento y cuánto cuestan

Un modelo de razonamiento es un modelo de lenguaje que trabaja el problema con tokens antes de escribir la respuesta que ves. La guía de OpenAI dice que estos modelos usan tokens de razonamiento internos antes de responder, y Anthropic describe a Claude reformulando la pregunta, probando enfoques, comprobando resultados intermedios y descartando los caminos que no se sostienen. La respuesta corta a 23 de octubre de 2026: ese trabajo extra ayuda en matemáticas, código, análisis y tareas de varios pasos, y se paga como tokens de salida aunque el razonamiento no se te muestre. Esta guía explica cómo funciona en las API de OpenAI, Anthropic, Google y DeepSeek, cuánto cuesta y cómo controlarlo, a partir de la documentación de cada fabricante leída el 23 de octubre de 2026.

Qué cambia cuando un modelo razona

Anthropic lo resume bien: un modelo que responde de una sola pasada tiene que acertarlo todo a la primera, sin borrador, sin comprobaciones y sin poder cambiar de enfoque a mitad. Un modelo de razonamiento tiene ese borrador. Escribe un primer plan, lo pone a prueba, detecta un error y corrige el rumbo, y solo después redacta la respuesta final. El resultado mejora en las tareas cuya respuesta depende de pasos intermedios, que Anthropic enumera como matemáticas, programación, análisis y trabajo de agentes de larga duración.

No es una garantía de verdad. Un modelo que razona puede partir de una premisa falsa, así que los consejos de nuestra guía sobre alucinaciones de los modelos siguen valiendo. Y razonar cuesta tiempo y tokens, por eso todos los fabricantes permiten ya elegir cuánto razonamiento quieres.

El razonamiento en cuatro API

Tabla: controles del razonamiento por fabricante (documentación oficial, comprobada el 23 de octubre de 2026)

Dos detalles explican casi todas las sorpresas. En Claude Opus 5.5, Sonnet 5.5 y Haiku 5.5 el razonamiento ya viene activado y no hay que configurarlo, y el texto del razonamiento está oculto por defecto (display vale "omitted"). Y lo que te enseñan Claude, OpenAI y Gemini es un resumen, nunca la cadena de razonamiento en bruto: Anthropic aclara que ningún ajuste la devuelve tal cual.

Pagas un razonamiento que no ves

Esta es la parte que cambia los presupuestos:

• OpenAI: los tokens de razonamiento no se ven a través de la API, ocupan ventana de contexto y se cobran como tokens de salida. El límite max_output_tokens también los incluye, y si una respuesta lo alcanza su estado es incomplete, algo que puede ocurrir antes de que salga ningún texto visible: puedes pagar el razonamiento y quedarte sin respuesta. OpenAI recomienda reservar al menos 25.000 tokens para razonamiento y salida al empezar a probar.
• Anthropic: los tokens de razonamiento se cobran como tokens de salida aunque no te devuelva el texto. Con un resumen, se cobra todo el razonamiento generado y no los tokens del resumen, así que la cifra facturada no coincide con lo que ves. El campo usage.output_tokens_details.thinking_tokens indica cuántos fueron.
• Google: el precio de la respuesta es la suma de los tokens de salida y los de razonamiento, y se factura todo el razonamiento aunque solo vuelva un resumen.

Como ejemplo, una respuesta de 500 tokens visibles que necesitó 4.000 tokens de razonamiento se factura como 4.500 tokens de salida, nueve veces lo que lees. Nuestra calculadora de precios de API de LLM te deja probar tus propias cifras, y la guía sobre qué es un token explica la unidad.

Cómo controlar la profundidad y el coste

• Baja primero el esfuerzo. El consejo de Anthropic para reducir coste o latencia es bajar effort antes que nada, porque reduce toda la respuesta, razonamiento incluido.
• Pon un techo con el límite de tokens. Según Anthropic, el esfuerzo es una orientación y max_tokens es un límite estricto.
• Deja sitio en la ventana de contexto. El razonamiento comparte ventana con tu prompt y con la respuesta, así que un documento largo con mucho razonamiento puede quedarse sin espacio. Nuestra guía sobre la ventana de contexto explica las cuentas.
• No cambies los ajustes si usas caché. Anthropic advierte de que cambiar la configuración del razonamiento entre peticiones invalida los puntos de la caché de prompts.
• Los presupuestos antiguos de Claude. El budget_tokens manual tiene un mínimo de 1.024 tokens, Anthropic sugiere 16.000 o más para tareas complejas y procesamiento por lotes por encima de 32.000. Está obsoleto en los modelos 4.6 y se rechaza desde la 4.7, donde lo sustituye el razonamiento adaptativo.

Razonamiento y herramientas

Donde más se nota el razonamiento es en los agentes, porque el modelo puede pensar entre una llamada a una herramienta y la siguiente. Anthropic lo llama razonamiento intercalado, y el modo adaptativo lo hace solo. También obliga a arrastrar más estado: DeepSeek exige devolver el reasoning_content de los turnos anteriores en las peticiones con herramientas, o responde con un error 400, y Gemini indica que en modo sin estado hay que reenviar los bloques de razonamiento exactamente como llegaron. Con el modo manual antiguo de Claude, el uso de herramientas solo admite tool_choice en auto o none. Si vas a trabajar con herramientas, empieza por nuestra explicación de la llamada a funciones.

Cuándo compensa un modelo de razonamiento

Usa más razonamiento para matemáticas de varios pasos, depuración de código, planificación, análisis con muchas condiciones y tareas de agentes. Usa poco esfuerzo, o desactívalo si el modelo lo permite, para clasificar, extraer datos, reescribir textos cortos o conversar, donde los tokens de salida y la espera adicionales casi nunca cambian el resultado. Anthropic avisa de que los presupuestos más altos dan rendimientos decrecientes que dependen de la tarea, así que la única respuesta fiable es probar tus propios prompts con dos niveles de esfuerzo y comparar calidad, tiempo y tokens de salida facturados.