你盯着账单上的"output tokens"，觉得输出 token 就是模型给你的那段答案。错。2026 年推理模型（reasoning model）真正的大头，是它在出答案之前自己跟自己嘀咕的那几千个"思考 token"——它们不在答案里、多数客户端默认不显示，但按输出价全额计费。一行请求你以为花 200 token 的钱，实际扣了 2200。下面拆解三招把这笔"思考税"砍掉七成，外加两笔同样看不见的账（图片 token、工具 schema），都附真实开关和省钱测算。
先建立认知。一个推理模型的输出由两段组成：
两者单价相同（都是 output 价）。问题在于，对一道普通题，思考段往往是答案段的 5～15 倍。也就是说你以为花 1 块，实际花了 6～16 块，其中绝大部分你根本没"看到价值"。
举一个结构性的真实测算（token 单价为示意，以各官网为准）：
| 场景 | 最终答案 token | 思考 token | 你实付 output token | 相对成本 |
|---|---|---|---|---|
| 翻译一句英文 | 120 | 0（非思考模型） | 120 | 1× |
| 同句，用思考模型默认开 | 120 | 1800 | 1920 | 16× |
| 同句，思考开但 effort=minimal | 120 | 150 | 270 | 2.25× |
| 同句，思考关 / no_think | 120 | 0 | 120 | 1× |
一张表说清核心信息差：同一道题、同一个模型，思考开关不同，账单差 16 倍，答案几乎一样。这不是"模型路由"（那是换小模型），而是同一个模型身上第二个成本旋钮，绝大多数人从来没拧过它。
| 平台/模型 | 关思考 / 限思考的参数 | 关掉后效果 |
|---|---|---|
| OpenAI GPT-5 系（含 Sol/5.6） | reasoning_effort: minimal\|low\|medium\|high |
minimal 几乎不产生思考 token |
| Anthropic Claude 扩展思考 | thinking={"type":"enabled","budget_tokens":N} |
调小 N 直接封顶思考量 |
| DeepSeek | 选 V3（不思考） vs R1（思考）；R1 的 reasoning_content 单独返回 |
跑常规活选 V3，输出价约为 R1 的一半 |
| Qwen3 / GLM 系 | enable_thinking=false，或 prompt 里 /no_think |
零思考 token，又快又便宜 |
| Google Gemini 2.5 | thinkingConfig.thinkingBudget: N（0 即关） |
Flash 可设 0，Pro 调小 N |
记一个口诀：所有主流推理模型，2026 年都给了你一个"想多少"的开关，但默认值都偏向"使劲想"——因为它对模型口碑有利、对你钱包不利。你要做的，是把它从默认值往回拧。
在 API 调用前加一个极便宜的"复杂度分流"。可以用规则（正则判长度/是否含"翻译、提取、格式化"），也可以花 1 个 Haiku/Flash 级小模型做分类。经验比例：约 70% 的请求根本不需要思考——翻译、摘要、信息提取、JSON 格式化、改字段名这类活，关掉思考答案一模一样，账单直接打 1 折。
flowchart TD
Q[请求进来] --> C{复杂度分流}
C -->|提取/翻译/格式化<br/>约70%| OFF[思考关<br/>reasoning_effort=minimal<br/>或 no_think]
C -->|常规编码/多步规划<br/>约25%| LOW[思考低<br/>budget_tokens=1k]
C -->|调试难题/数学证明<br/>约5%| HIGH[思考高<br/>budget_tokens=8k]
OFF --> O1[相对成本 1×]
LOW --> O2[相对成本 3×]
HIGH --> O3[相对成本 15×]
O1 --> Save[整体账单 ≈ -70%]
O2 --> Save
O3 --> Save
这一招的本质：把"思考"当成一种可按请求开关的算力，而不是模型的固定属性。
不分流也行，至少在每个请求里显式传思考预算，避免模型自言自语刹不住车：
reasoning_effort: low（日常）或 minimal（机械活）thinking.budget_tokens: 1024（而不是放任到 32k）thinkingConfig.thinkingBudget: 2048/no_think，需要时再 /think实测：把 budget 从默认高降到 1～2k，对 90% 的工程任务答案质量无损，思考 token 掉一个数量级。默认高 budget 是给刷榜用的，不是给你跑生产用的。
这是信息差里最值钱的一招。Agent 多轮对话里，每一轮如果把上下文从头重新喂，模型会把同一道题的思考过程再算一遍、再付一遍钱。
两条具体做法：
一笔账：Agent 跑 20 步。若每步都开思考，每步 ~2000 思考 token × 20 = 4 万 token 的思考税。改成"想一次跑十次"，思考税 ≈ 2000 token，省 95%。
思考 token 是最大的一笔，但还有两笔同样藏在账单里：
账单二：图片 token 随分辨率平方涨。 多模态模型把图片切成 512×512 的 tile，token 数 ≈ ⌈宽/512⌉ × ⌈高/512⌉ × 系数。一张 2048² 的图约 16 个 tile，压到 768² 后约 4 个 tile——同一个 OCR/看图任务，先压图再喂，省 4 倍。上传前用脚本把最长边限到 768～1024px，识别类任务几乎无损。
账单三：工具 schema（function calling）每轮都重传。 你挂了 20 个 MCP 工具、每个 300 token 的 JSON schema，每轮请求都把这 6000 token 当 input 重新发一遍。砍法：精简工具描述、删掉示例值；或用按需加载工具（tool search / 动态挂载），首轮只暴露元信息，用到哪个加载哪个。一个 20 工具的 Agent，瘦身 + 按需加载后，input 端能掉一半。
| 你以为的 | 实际上的 |
|---|---|
| 思考 token 是免费的副产品 | 按输出价全额计费，常是答案的 5～15 倍 |
| 推理模型就是"更聪明"，没法关 | 2026 全主流都给了 effort/budget/no_think 开关，默认值偏贵 |
| 多轮对话每轮都得重新想 | 思考块可缓存复用，第二次近乎免费 |
| 图片越大 AI 越清楚 | 图片 token 随分辨率平方涨，先压再喂 |
| 工具挂得越多越强 | 工具 schema 每轮重传，是 input 端的隐形税 |
reasoning_effort / budget_tokens / thinkingBudget / enable_thinking 这类参数——哪怕先统一设成最低档。reasoning_tokens / thinking_tokens 单独打成一个看板。你砍不掉你没看见的东西——先让它显形，是第一笔省的钱。本文由「51学通信」技术团队出品。51学通信由通信行业18年老兵爱卫生（微信ID: gprshome201101）维护。 聚焦5G/6G核心网、3GPP标准、AI工具实战。知识星球「51学通信」提供深度技术答疑和行业洞察。
[!tip] 51学通信知识星球 星主：爱卫生（微信：gprshome201101）——公众号「51学通信」创办者，19 年通信行业运维与讲师经验，著有《GPRS网络信令实例详解》《EPC原理与实践》《5G核心网原理与实践》三本纸质书（各大电商平台有售）。 星球定位：深耕 5G 核心网、IMS、NFV/AI、云原生等 ICT 领域，主打运维岗位与信令分析。 当前规模：5200 篇主题 / 990 个回答，198 元/年。 加入福利：加入星球后请加爱卫生微信，拉您进知识星球年度陪伴与答疑群——不限量回复您的各种问题，另有群内分享。 AI 加持：51学通信知识星球已作为 skill 接入 WorkBuddy，使用 deepseek-4-flash 在海量星球帖子中精准找贴、找视频、找 FAQ 和案例，做总结、找文档和 PPT 等场景全覆盖。