ریزننگ ایفورٹ اور تھنکنگ ٹوکنز: سوچ زیادہ مہنگی کیوں ہے

آپ کی درخواست ایک حقائق پر مبنی سوال تھی۔ جواب تین سطروں کا تھا۔ آؤٹ پٹ کاؤنٹر ہزاروں ٹوکنز دکھا رہا ہے۔ یہ کوئی بگ نہیں ہے: جواب دینے سے پہلے، بہت سے ماڈلز ایک پوشیدہ اسکریچ پیڈ میں سوچتے ہیں، اور وہ سوچنے والے ٹوکنز آؤٹ پٹ ٹوکنز کے طور پر بل کیے جاتے ہیں۔ ایفورٹ سیٹنگ فیصلہ کرتی ہے کہ اس سوچ کا کتنا حصہ ہوگا، اور max_tokens کو اس کے لیے جگہ چھوڑنی ہوگی، ورنہ آپ کو کٹا ہوا یا خالی جواب ملے گا۔

ماڈل جواب دینے سے پہلے کیا کرتا ہے#

ایک امتحان کا تصور کریں۔ آپ جواب سیدھا لکھ سکتے ہیں، یا پہلے ایک صفحہ کچا کام بھر سکتے ہیں۔ کچا کام اکثر مشکل مسئلے پر بہتر نتیجہ دیتا ہے، لیکن کاغذ مفت نہیں ہے۔ ریزننگ وہی کچا کام ہے، اور یہ باقی سب کی طرح ٹوکنز میں شمار ہوتی ہے۔

Anthropic کی ایکسٹینڈڈ-تھنکنگ دستاویزات (23 اکتوبر 2026 کو چیک شدہ) کے مطابق سوچنے والے ٹوکنز بل کیے جانے والے آؤٹ پٹ ٹوکنز کا حصہ ہیں، اور جواب بتاتا ہے کہ کتنے: usage.output_tokens_details.thinking_tokens۔ فرض کریں ایک جواب اس یوسیج بلاک کے ساتھ آتا ہے (مثال کے اعداد):

"usage": {
  "input_tokens": 480,
  "output_tokens": 2150,
  "output_tokens_details": { "thinking_tokens": 1900 }
}

آپ سے 2,150 آؤٹ پٹ ٹوکنز کا بل لیا جاتا ہے۔ سوچ نے ان میں سے 1,900 لیے، تو جو متن آپ واقعی پڑھتے ہیں وہ 2,150 − 1,900 = 250 ٹوکنز ہے۔ یہی بات اس وقت بھی لاگو ہوتی ہے جب سوچ کا متن آپ کو واپس نہ دیا جائے: یہ پھر بھی شمار ہوتا ہے۔ اگر آپ پہلے ان پٹ اور آؤٹ پٹ کے فرق کی تفصیل چاہتے ہیں، تو ان پٹ بمقابلہ آؤٹ پٹ ٹوکنز سے شروع کریں۔

ایفورٹ: سوچ کا ڈائل#

Claude کے API میں ڈائل output_config.effort ہے۔ Anthropic کے ایفورٹ صفحے (23 اکتوبر 2026 کو چیک شدہ) میں پانچ لیول درج ہیں: low، medium، high، xhigh، max۔ تین تفصیلات ایک مبتدی کے لیے اہم ہیں:

• یہ ہر آؤٹ پٹ ٹوکن پر اثر ڈالتا ہے، صرف سوچ پر نہیں: متن، ٹول کالز اور سوچ مل کر۔
• یہ ایک رویے کا اشارہ ہے، سخت بجٹ نہیں۔ کم ایفورٹ کا مطلب کچھ صلاحیت کی قیمت پر کم ٹوکنز؛ کم ایفورٹ پر Claude کسی سادہ مسئلے پر سوچنا مکمل طور پر چھوڑ سکتا ہے۔
• Claude Opus 5.5 اور Claude Haiku 5.5 پر ڈیفالٹ medium ہے، اور اس پیرامیٹر کو سپورٹ کرنے والے زیادہ تر دیگر ماڈلز پر high۔ ڈیفالٹ کو واضح طور پر سیٹ کرنا اسے چھوڑ دینے کے برابر ہے۔

لیول ہر ماڈل کے لیے دوبارہ کیلیبریٹ کیے جاتے ہیں، لہٰذا ایک ماڈل پر high اتنی سوچ نہیں جتنی دوسرے پر high، اور ہر ماڈل ہر لیول قبول نہیں کرتا۔ ایک شائع شدہ ویڈیو میں کسی نے Claude Opus 5.5 کے ہر ایفورٹ لیول کو ایک ہی موشن-گرافکس ٹاسک پر چلایا اور تصاویر کا موازنہ کیا۔ یہ دیکھنے کا اچھا طریقہ ہے کہ زیادہ سوچ کیا دیتی ہے۔ یہ آپ کا بل نہیں بتائے گا، کیونکہ آپ کا ٹاسک ان کا نہیں ہے۔

ایک سادہ سوال کی درخواست، ایفورٹ کم کر کے:

{
  "model": "claude-opus-5-5",
  "max_tokens": 4000,
  "output_config": { "effort": "low" },
  "messages": [
    { "role": "user", "content": "What is the capital of Australia?" }
  ]
}

خالی جواب کا جال: سوچ max_tokens میں شمار ہوتی ہے#

یہ غلط کیسے ہوتا ہے۔ آپ دو جملوں کا جواب توقع کرتے ہیں، تو آپ max_tokens کو 300 پر سیٹ کرتے ہیں۔ ماڈل سوچنا شروع کرتا ہے، اپنے اسکریچ پیڈ پر 300 خرچ کرتا ہے، حد پر پہنچ کر رک جاتا ہے۔ آپ کو خالی جواب یا درمیانِ لفظ ختم ہونے والا جملہ ملتا ہے، اور اسٹاپ ریزن max_tokens کہتا ہے۔

دستاویزات واضح ہیں: max_tokens کل آؤٹ پٹ پر سخت حد ہے، سوچ کے علاوہ جوابی متن، اور سوچ اس وقت بھی شمار ہوتی ہے جب اس کا مواد واپس نہ دیا جائے۔ high ایفورٹ اور اس سے اوپر، Anthropic کہتا ہے کہ بڑی ویلیو سیٹ کریں۔

عملی طور پر:

1. اپنے مطلوبہ جواب کی لمبائی لیں۔
2. سوچ کے لیے فراخ جگہ شامل کریں۔ low سے اوپر کسی بھی چیز کے لیے چند ہزار ٹوکنز ایک معقول آغاز ہے۔
3. پہلے رنز کے بعد اسٹاپ ریزن چیک کریں۔ اگر یہ اب بھی max_tokens کہتا ہے، تو حد بڑھائیں۔ اگر جواب مکمل ہے، تو آپ اسے کم کر سکتے ہیں۔

کٹ آف خود، finish_reason اور کانٹیکسٹ ونڈو کے ساتھ، AI جواب درمیانِ جملہ کیوں رک جاتا ہے میں شامل ہے۔

طویل ریزننگ بل پر کیا اثر ڈالتی ہے#

فرض کریں آپ ایک سپورٹ بوٹ چلاتے ہیں جس میں روزانہ 2,000 ٹکٹیں ہیں۔ ہر ٹکٹ تقریباً 500 ٹوکنز ان پٹ ہے۔ ایک مختصر، براہ راست جواب تقریباً 400 ٹوکنز آؤٹ پٹ ہے۔ وہی ٹکٹ طویل پوشیدہ ریزننگ کے ساتھ تقریباً 4,000 ٹوکنز آؤٹ پٹ ہے۔ یہ مثال کے لیے مفروضات ہیں؛ اپنے اعداد کے لیے ایک درخواست کتنے ٹوکنز استعمال کرتی ہے دیکھیں۔

روزانہ یہ 2,000 × 500 = 1,000,000 ان پٹ ٹوکنز ہے، اور یا تو 2,000 × 400 = 800,000 آؤٹ پٹ ٹوکنز یا 2,000 × 4,000 = 8,000,000 آؤٹ پٹ ٹوکنز۔ ٹکٹ پڑھنے والا دونوں صورتوں میں وہی دو سطریں دیکھتا ہے۔ صرف آؤٹ پٹ والیوم بدلا ہے، اور آؤٹ پٹ وہ پہلو ہے جسے ریزننگ بڑھاتی ہے۔

حساب کسی بھی ماڈل پر یکساں ہے جو پوشیدہ ریزننگ کا بل لیتا ہے: آؤٹ پٹ ٹوکنز × آؤٹ پٹ قیمت۔ DeepSeek-V4-Flash کے لیے وہ قیمت $0.10 فی 1M آؤٹ پٹ ٹوکنز ہے، اور اس کا آؤٹ پٹ پہلو OpenRouter کی ریفرنس قیمت سے سستا ہے۔ یہ ایک وقت میں 32,768 ٹوکنز تک جواب دیتا ہے 380K کانٹیکسٹ کے ساتھ، تو ایک بڑا max_tokens فٹ ہو جاتا ہے۔ قیمتیں فی ماڈل مقرر ہیں، کوئی پیک آورز نہیں، اور اوپر کا جدول لائیو قیمت کی فہرست سے دوبارہ حساب کرتا ہے۔ تمام قیمتیں قیمتوں کے صفحے پر ہیں؛ DeepSeek صفحے پر ماڈل کی تفصیلات ہیں۔

یہاں ایک درخواست ہے جو آپ خود بھیج سکتے ہیں۔ یہ ایک سادہ خلاصہ ٹاسک ہے، تو آپ کو طویل ریزننگ کی ضرورت نہیں، اور حد کافی جگہ چھوڑتی ہے:

curl https://api.cheaptokens.dev/v1/chat/completions \
  -H "Authorization: Bearer $CHEAPTOKENS_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "deepseek-ai/DeepSeek-V4-Flash-0731",
    "max_tokens": 2000,
    "messages": [
      {"role": "user", "content": "Summarize in one sentence: A token is a small piece of text that a model reads and writes, and APIs bill by the token."}
    ]
  }'

جواب میں، usage.completion_tokens وہ ہے جس کی آپ آؤٹ پٹ پہلو پر ادائیگی کرتے ہیں، اور finish_reason کو stop ہونا چاہیے۔ اگر یہ length کہتا ہے، تو حد نے جواب کاٹ دیا۔ کلید حاصل کرنا اور پہلی کال: دستاویزات۔

کس کام کے لیے کون سا ایفورٹ#

• ایک حقیقت، ایک سطری خلاصہ، ایک لیبل۔ سب سے کم ایفورٹ۔ یہ مضمون کے آغاز والا معاملہ ہے: آپ کو کچے کام کی ضرورت نہیں۔
• روزمرہ تحریر، ایک مختصر وضاحت، ایک سادہ ترمیم۔ ماڈل کے لیے ڈیفالٹ۔ اسے صرف اس وقت تبدیل کریں جب آپ دیکھ لیں کہ جوابات کی لاگت کتنی ہے۔
• ایک مشکل بگ، ایک کثیر المرحلہ منصوبہ، ایک ریاضی کا مسئلہ۔ high یا اس سے اوپر، اور ایک بڑا max_tokens۔ یہاں اضافی سوچ ہی مقصود ہے۔

شک کی صورت میں، ایک ہی پرامپٹ دو لیولز پر چلائیں، جوابات کا موازنہ کریں، اور output_tokens کا موازنہ کریں۔ اگر سستا جواب اتنا ہی اچھا ہے، تو آپ کا لیول مل گیا۔

پرانی درخواست منتقل کرنا: 400 ایرر#

پرانے کوڈ نے سوچ کو ٹوکن بجٹ سے کنٹرول کیا۔ Claude 4.7 اور بعد کے ماڈلز (Opus 5.5، Sonnet 5.5، Haiku 5.5، Fable 5.1) پر وہ فارم 400 ایرر کے ساتھ مسترد ہوتا ہے۔ آپ ایڈاپٹو تھنکنگ پر سوئچ کرتے ہیں اور گہرائی ایفورٹ سے سیٹ کرتے ہیں:

// before: returns 400 on newer models
"thinking": { "type": "enabled", "budget_tokens": 8000 }

// after
"thinking": { "type": "adaptive" },
"output_config": { "effort": "medium" }

ایک اور جال: Opus 5.5 پر ایڈاپٹو تھنکنگ ہمیشہ آن ہوتی ہے، اور thinking: { "type": "disabled" } ہر ایفورٹ لیول پر 400 واپس کرتا ہے۔ Haiku 5.5 high ایفورٹ یا اس سے کم پر تھنکنگ کو غیر فعال کرنے کی اجازت دیتا ہے۔ اگر آپ Opus 5.5 پر کم سوچ چاہتے ہیں، تو اسے بند کرنے کے بجائے ایفورٹ کم کریں۔

ایجنٹس اور طویل چیٹس: ایک لیول چنیں اور اسے رکھیں#

اگر آپ کا پرامپٹ کیشڈ ہے، تو درخواستوں کے درمیان ٹاپ-لیول ایفورٹ تبدیل کرنا اس گفتگو کے کیش بریک پوائنٹس کو باطل کر دیتا ہے۔ ایجنٹ لوپ یا طویل چیٹ کے لیے، شروع میں ایک لیول چنیں۔ کچھ ماڈلز بیٹا میں فی-پیغام ایفورٹ پیش کرتے ہیں جو کیش رکھتا ہے، جو بنیادی باتیں سیکھ لینے کے بعد ایک نظر ڈالنے کے قابل ہے۔ طویل چیٹس میں لاگت کا دوسرا محرک ہوتا ہے، جو طویل چیٹ زیادہ مہنگی کیوں ہوتی ہے میں شامل ہے۔

اپنی درخواست پر آزمائیں#

1. اپنا اصل پرامپٹ ایک بار بھیجیں اور usage پڑھیں: کتنے آؤٹ پٹ ٹوکنز، اور ان میں سے کتنے سوچ ہیں۔
2. ایفورٹ ایک قدم کم کریں اور دوبارہ بھیجیں۔ جوابات اور گنتی کا موازنہ کریں۔
3. max_tokens کو اپنے مطلوبہ جواب کے علاوہ سوچ کے لیے جگہ پر سیٹ کریں، اور اسٹاپ ریزن چیک کریں۔

پھر اپنے ٹوکن کاؤنٹس قیمتوں کے صفحے پر لائیو قیمت کے جدول میں ڈالیں اور آپ کے پاس ماہانہ تخمینہ ہوگا۔