作者注：詳解 Gemini 3.1 Pro Preview 輸出 Token 遠超可見文字的原因：Thinking Tokens 推理鏈機制、計費規則、thinking_level 調參省錢技巧
 

「我就發了一句話，模型也只回了十幾個字，爲什麼輸出 Token 顯示將近 900？錢花到哪裏去了？」——這是很多開發者第一次使用 Gemini 3.1 Pro Preview 時的真實困惑。截圖中的數據也清楚地展示了這個現象：輸入 13 個 Token，輸出卻高達 898 個 Token。

答案就是 Thinking Tokens（推理 Token）。Gemini 3.1 Pro 是一個推理模型，它在給你回答之前，會先在「腦子裏」進行一大段思考推理。這些推理內容默認不會展示給你，但會被計入輸出 Token 並正常計費。

核心價值: 讀完本文，你將徹底理解推理模型的 Thinking Tokens 機制，學會用 thinking_level 參數控制推理深度，在保證質量的前提下節省 50-80% 的輸出 Token 開銷。

<！– 標題 –> Gemini 3.1 Pro 輸出 Token 的「冰山真相」 你看到的回答只是冰山一角，95% 的 Token 消耗在隱藏的推理過程中

<！– 水面線 –> 水面線

<！– 水面上：可見回答（冰山頂部） –> 可見回答 ~50 Token

<！– 標註：可見部分 –> 用戶看到的回答 約 5% 的輸出 Token

<！– 水面下方背景（水） –>

<！– 水面下：Thinking Tokens（冰山底部，更大） –> Thinking Tokens 隱藏的推理過程 ~850 Token

<！– 推理鏈內容示意 –> 「讓我分析這個問題… 首先需要理解用戶意圖… 綜合考慮後，答案是…」

<！– 標註：隱藏部分 –> 隱藏的推理鏈 約 95% 的輸出 Token 正常計費！

<！– 左側數據卡片 –> 實際案例數據 輸入: 13 Token 輸出: 898 Token 費用: $0.009722

<！– 底部品牌 –> API易 apiyi.com — 統一接口調用推理模型與非推理模型，靈活控制成本

推理模型和普通對話模型的最大區別，就在於輸出 Token 的構成完全不同。以下是你需要理解的核心概念：

回到截圖中的例子。用戶發了一個簡單問題，模型回覆了大約十幾個字，但輸出 Token 顯示 891-898 個。這些 Token 的構成大致如下：

• 可見回答: 約 30-50 個 Token（你看到的那十幾個字）
• Thinking Tokens: 約 840-860 個 Token（模型內部的推理過程）

也就是說，超過 95% 的輸出 Token 你是看不到的，它們消耗在了模型的推理鏈中。這就好比你問一個數學老師「1+1 等於幾」，老師嘴上只說了「等於 2」，但腦子裏其實想了：「這是一個基礎算術問題，需要用到加法運算……」——然後你爲老師的整個思考過程付了費。

這個機制不是 Bug，而是推理模型的設計特性。Gemini 3.1 Pro 之所以在複雜問題上表現更好（MATH 基準 95.1%、ARC-AGI-2 達 77.1%），正是因爲它在回答前進行了深度推理。

<！– 標題 –> 普通模型 vs 推理模型：Token 消耗對比 同一個簡單問題，輸出 Token 差異可達 10 倍以上

<！– ===== 左側：普通模型 ===== –> 普通模型（GPT-4o） 所見即所得

<！– 輸入 –> 輸入: 「今天天氣怎麼樣？」 13 Token

<！– 箭頭 –> ↓

<！– 輸出：全部可見 –> 可見回答 「今天天氣晴朗，適合出行」

<！– Token 統計 –> 輸出 Token: 50 100% 可見 | 費用極低

<！– 評價 –> ✓ 簡單任務首選，Token 透明

<！– ===== 右側：推理模型 ===== –> 推理模型（Gemini 3.1 Pro） 先思考再回答

<！– 輸入 –> 輸入: 「今天天氣怎麼樣？」 13 Token

<！– 箭頭 –> ↓

<！– 輸出：推理鏈（隱藏） –> 隱藏推理鏈 ~848 Token

<！– 輸出：可見回答 –> 可見回答 ~50 Token

<！– Token 統計 –> 輸出 Token: 898 僅 5% 可見 | 費用約 18 倍

<！– 評價 –> ⚠ 簡單任務不划算，複雜任務才值得

<！– 底部對比結論 –> 結論: 簡單任務用普通模型 （GPT-4o） 省 18 倍 | 複雜推理任務才需要 Gemini 3.1 Pro

普通模型（如 GPT-4o）收到你的問題後，直接生成回答。你看到多少字，就消耗多少輸出 Token。這就是「所見即所得」。

推理模型（如 Gemini 3.1 Pro Preview）收到問題後，會先生成一段內部推理鏈（Chain of Thought），然後基於推理結果生成最終回答。你看到的只是最終回答，但計費的是「推理鏈 + 回答」的總 Token 數。

細節一：Thinking Tokens 的計費方式。 根據 Google 官方文檔，Thinking Tokens 按照輸出 Token 的標準價格計費。Gemini 3.1 Pro 的輸出 Token 價格爲 $12/百萬 Token。當模型花 4000 個 Token 推理、500 個 Token 回答時，你需要爲 4500 個輸出 Token 付費——而不是 500 個。

細節二：API 返回中如何區分。 在 Gemini API 的響應中，usage_metadata 字段會分別返回 thoughts_token_count（推理 Token 數）和 candidates_token_count（總輸出 Token 數）。但需要注意：Gemini API 的 candidatesTokenCount 已包含 Thinking Tokens，而 Vertex AI 的 candidatesTokenCount 則不包含。

細節三：推理鏈內容默認不可見。 你可以通過設置 includeThoughts: true 來獲取推理過程的摘要（不是完整推理鏈），也可以在 Cherry Studio 等工具中開啓推理鏈展示功能查看模型的思考過程。

🎯 省錢建議: 如果你只是簡單對話或翻譯任務，不需要深度推理，建議切換到普通模型（如 GPT-4o-mini 或 Claude Sonnet 4.6）。API易 apiyi.com 支持通過修改一個 model 參數即可切換模型，無需改動其他代碼。

Gemini 3.1 Pro 提供了 thinking_level 參數，支持 LOW、MEDIUM、HIGH 三檔。不同檔位的 Token 消耗差異巨大：

以下是設置 thinking_level 的代碼示例：

GPT plus 代充 只需 145import openai

client = openai.OpenAI（

api_key="YOUR_API_KEY"， base_url="https://vip.apiyi.com/v1" 

）

簡單任務用 LOW，大幅減少 Thinking Tokens

response = client.chat.completions.create（

GPT plus 代充 只需 145model="gemini-3.1-pro-preview"， messages=[{"role": "user"， "content": "把這句話翻譯成英文：今天天氣真好"}]， extra_body={"thinking_level": "LOW"} # LOW / MEDIUM / HIGH 

） print（response.choices[0].message.content） print（f"總輸出 Token: {response.usage.completion_tokens}"）

import openai import json

def smart_gemini_call（

GPT plus 代充 只需 145prompt: str， complexity: str = "auto"， api_key: str = "YOUR_API_KEY" 

） -> dict:

""" 智能調用 Gemini 3.1 Pro，根據任務複雜度自動選擇推理深度 Args: prompt: 用戶輸入 complexity: "low" / "medium" / "high" / "auto" api_key: API密鑰 Returns: 包含回答和 Token 使用統計的字典 """ client = openai.OpenAI（ api_key=api_key， base_url="https://vip.apiyi.com/v1" ） # 自動判斷複雜度 if complexity == "auto": simple_keywords = ["翻譯"， "translate"， "分類"， "classify"， "總結"， "summarize"] complex_keywords = ["推導"， "證明"， "計算"， "分析"， "比較"， "爲什麼"] prompt_lower = prompt.lower（） if any（kw in prompt_lower for kw in simple_keywords）: thinking_level = "LOW" elif any（kw in prompt_lower for kw in complex_keywords）: thinking_level = "HIGH" else: thinking_level = "MEDIUM" else: thinking_level = complexity.upper（） response = client.chat.completions.create（ model="gemini-3.1-pro-preview"， messages=[{"role": "user"， "content": prompt}]， extra_body={"thinking_level": thinking_level} ） return { "answer": response.choices[0].message.content， "thinking_level": thinking_level， "input_tokens": response.usage.prompt_tokens， "output_tokens": response.usage.completion_tokens， "total_tokens": response.usage.total_tokens } 

使用示例

簡單任務 → 自動選擇 LOW

result = smart_gemini_call（"翻譯：今天天氣真好"） print（f"推理深度: {result[‘thinking_level’]}， 輸出Token: {result[‘output_tokens’]}"）

複雜任務 → 自動選擇 HIGH

result = smart_gemini_call（"證明勾股定理的至少兩種方法"） print（f"推理深度: {result[‘thinking_level’]}， 輸出Token: {result[‘output_tokens’]}"）

建議: 通過 API易 apiyi.com 調用 Gemini 3.1 Pro 時支持傳遞 thinking_level 參數。建議日常使用設爲 MEDIUM，僅在數學/科學等複雜推理場景使用 HIGH。

並不是所有場景都需要推理模型。對於翻譯、格式轉換、簡單問答等任務，使用非推理模型可以節省 5-10 倍的 Token 開銷：

• GPT-4o-mini: 性價比極高，日常對話首選
• Claude Sonnet 4.6（關閉 Extended Thinking）: 輸出質量高，Token 所見即所得
• Gemini 3.1 Flash: Google 的輕量級模型，速度快、成本低

給 API 調用加上 max_tokens 參數可以防止推理模型「過度思考」。但需要注意：max_tokens 限制的是總輸出（推理 + 回答），如果設置過低可能導致回答被截斷。建議根據預期回答長度設置爲 2-3 倍。

🎯 綜合建議: 在 API易 apiyi.com 平臺上，你可以用統一接口同時接入推理模型和非推理模型，根據任務類型動態切換。一個 API Key 即可調用 Gemini、Claude、GPT 全系列模型。

GPT plus 代充 只需 145 
     
    
        
         
         
        
     
    
        
         
         
        
     
    
        
         
         
        
     
    
        
         
         
        
     
    
        
         
         
        

<！– 標題 –> 同一個簡單問題：4 種調用方式的 Token 消耗對比 問題: 「今天天氣怎麼樣？」 | 選對方式最高可省 95% Token

<！– Y軸標籤 –> Gemini 3.1 Pro thinking_level: HIGH

Gemini 3.1 Pro thinking_level: MEDIUM

Gemini 3.1 Pro thinking_level: LOW

GPT-4o-mini 非推理模型

<！– 橫向柱狀圖 –> <！– HIGH: 900 Token –> 900 Token 推理鏈 ~850 + 回答 ~50

<！– MEDIUM: 400 Token –> 400 Token 節省 ~55%

<！– LOW: 150 Token –> 150 Token 節省 ~83%

<！– 非推理模型: 50 Token –> 50 Token 節省 ~95%

<！– 費用標註區域 –> 費用估算（每千次調用）: HIGH: ~ \(0.01/次 MEDIUM: ~\)0.005/次 LOW: ~ \(0.002/次 GPT-4o-mini: ~\)0.0001/次

<！– 底部推薦 –> 通過 API易 apiyi.com 一個接口靈活切換推理模型與非推理模型

Gemini 3.1 Pro Thinking Tokens 的核心要點：

1. 輸出 Token 包含隱藏的推理鏈: 你看到的只是回答部分，95% 以上的輸出 Token 消耗在不可見的 Thinking Tokens 中
2. Thinking Tokens 正常計費: 按輸出 Token 標準價格收費，簡單問題的成本可能是非推理模型的 5-10 倍
3. 用 thinking_level 參數省錢: LOW 檔可節省 80%+ Token，MEDIUM 適合日常使用，僅複雜任務用 HIGH
4. 簡單任務選非推理模型: 翻譯、分類、簡單問答等場景直接用 GPT-4o-mini 或 Claude Sonnet 4.6 更划算

理解了 Thinking Tokens 機制，你就能合理分配推理預算。推薦通過 API易 apiyi.com 統一接口管理多模型調用，根據任務複雜度動態選擇推理模型或非推理模型，實現最優的質量/成本平衡。

1. Google Cloud 文檔 – Thinking 推理模式: Gemini 推理模型的官方技術文檔
   • 鏈接: docs.cloud.google.com/vertex-ai/generative-ai/docs/thinking
   • 說明: Thinking Tokens 計費規則和 thinking_level 參數配置的權威來源
2. Google AI 開發者文檔 – Token 計數: 官方 Token 計數和 usage_metadata 字段說明
   • 鏈接: ai.google.dev/gemini-api/docs/tokens
   • 說明: 如何在 API 響應中區分 thoughts_token_count 和 candidates_token_count
3. Google DeepMind – Gemini 3.1 Pro 模型卡片: 模型能力和推理基準測試詳情
   • 鏈接: deepmind.google/models/model-cards/gemini-3-1-pro/
   • 說明: MATH 95.1%、ARC-AGI-2 77.1% 等性能數據的官方來源
4. OpenRouter – 推理 Token **實踐: 推理模型 Token 管理的社區**實踐
   • 鏈接: openrouter.ai/docs/guides/best-practices/reasoning-tokens
   • 說明: 跨模型的推理 Token 計費規則對比和優化建議

作者: APIYI 技術團隊
技術交流: 歡迎在評論區討論推理模型的 Token 優化經驗，更多模型調用教程可訪問 API易 docs.apiyi.com 文檔中心