En reasoning model tænker i tokens, før den svarer i tokens
Stil en almindelig model et svært spørgsmål, og den begynder at skrive svaret med det samme. Dens eneste "tænkning" er det, der sker inde i netværket mellem det, den læser i din prompt, og det første ord, den producerer.
En reasoning model er trænet til noget andet: den skriver først en kæde af arbejde, ofte tusindvis af tokens af det, og skriver først derefter svaret. Arbejdet er tekst, modellen genererer til sig selv. Den prøver en tilgang, opdager en modsigelse, går tilbage, tjekker regnestykket og forpligter sig til sidst. De fleste produkter skjuler denne kæde eller viser et resumé af den og kalder det hele "tænkning".
Tænkningen er den samme forudsigelse af næste token, som hvad er en LLM beskriver, bare rettet mod problemet i længere tid. En reasoning model er en sprogmodel, der gennem reinforcement learning på problemer med efterprøvelige svar er blevet trænet til at bruge flere tokens, før den forpligter sig. Det er derfor, den hjælper mest på problemer, hvor arbejdet kan tjekkes, og mindst på problemer, hvor der ikke er noget at arbejde igennem.
Hvor idéen kom fra, i tre årstal
I januar 2022 viste Jason Wei og kolleger hos Google, at det at sætte et par gennemregnede, trin-for-trin eksempler ind i prompten hævede en models score på matematik- og logikopgaver. De kaldte det chain-of-thought prompting, og det virkede, fordi det at skrive trinene ud gav modellen flere tokens og dermed mere beregning per opgave.
I september 2024 udgav OpenAI o1, den første bredt tilgængelige model, der var trænet til at gøre dette som standard og ikke kun på forespørgsel. Den reinforcement learning, der lå bag, belønnede kæder, der førte til korrekte svar på matematik og kode, så modellen lærte selv at producere lange, selvkorrigerende arbejdsgange.
I januar 2025 udgav DeepSeek R1 med åbne vægte og en artikel, der beskrev træningsopskriften, hvilket betød, at ethvert laboratorium kunne genskabe metoden. I løbet af året blev reasoning en tilstand snarere end en model: en kontakt inde i GPT, Claude og Gemini, og en familie af dedikerede rækker som Kimi K2 Thinking i det bredere katalog.
Hvornår tænkning betaler sig, og hvornår den er ren omkostning
Mønstret på tværs af alle benchmarks og alle rigtige opgaver er det samme: reasoning hjælper i forhold til, hvor mange trin problemet har, og hvor efterprøveligt svaret er.
| Opgave | Tænketilstand | Hvorfor |
|---|---|---|
| Flertrinsmatematik, tekstopgaver, enhedsomregning | Det er det værd | Trin kan tjekkes; fejl lægger sig oveni hinanden uden arbejde |
| Fejlsøgning, sporing af en fejl gennem kode | Det er det værd | Modellen tester hypoteser mod koden, før den forpligter sig |
| Planlægning af en tidsplan, en migrering, et budget med begrænsninger | Det er det værd | Begrænsninger spiller sammen; et første udkast overtræder som regel en af dem |
| Logikgåder, beviser, regler med undtagelser | Det er det værd | Hele pointen er kæden |
| Faktaopslag ("hvilket år skete X") | Spild | Ingen trin; modellen ved det, eller også gør den ikke |
| Omskrivning, oversættelse, opsummering, ændring af tone | Spild | Ét gennemløb er opgaven; tænkning tilføjer forsinkelse og ingen kvalitet |
| Afslappet samtale, brainstorming af en liste | Spild | Intet at tjekke; flere tokens for det samme svar |
To ærlige begrænsninger. Tænkning fjerner ikke hallucination på fakta; en model, der ikke kender et lands hovedstad, vil ræsonnere sig frem til den forkerte med endnu mere selvsikkerhed. Og lange kæder kan gå galt på måder, et kort svar ikke kan: modellen taler sig selv fra en korrekt første indskydelse. På lette spørgsmål ender en lang kæde nogle gange et sted, der er værre end den almindelige models første svar.
Hvad tænkning koster: tokens, sekunder og credits
Tænkekæden er output-tokens, den dyre slags, og hvad er tokens i AI viser, at output koster fem til seks gange så meget som input på alle større modeller. En reasoning-tur, der skriver 3.000 tokens arbejde, før den giver et svar på 300 tokens, har genereret ti gange så meget output som det almindelige svar. Den tager også omtrent ti gange så lang tid, fordi output produceres ét token ad gangen.
Rangeringerne prissætter nu skalaen direkte. Artificial Analysis scorer hver model ved hver indsatsindstilling, dens udbyder eksponerer, så prisen kan måles: samme model, ved dens laveste og højeste reasoning-indsats, med dens Intelligence Index-score over hver ende. De tre stiger nedenfor blev aflæst den 2026-09-17.
Plot hver indstilling, og kurverne krydser hinanden på en lærerig måde. GPT-6 Astra når 53 for $2.31 per million tokens; Claude Fable 5.1 når samme 53 for $5.98. Claude Opus 5 ved maks indsats lander på 51, to point under begge, for $5.86. Indsats giver point på hver kurve, og hvilken kurve du er på, afgør, hvad de point koster.
Whizis Auto-router gør det til en fast pris, du kan se. Auto læser hver besked og sender den til en af seks rækker; rækken afgør credit-prisen, og flertrinsreasoning ligger øverst på Powerhouse. Pro topper ud på den 10-credit koderække, og Starter bliver på husmodellen til 1.
En reasoning-tur koster 20 credits mod 1 for et hurtigt spørgsmål: et spænd på 20 til 1, der afspejler tokenomkostningen bagved. Auto nægter også at spilde det. En ny besked, den klassificerer som en omskrivning eller et opslag, går til 1- eller 2-credit-rækken, og en opfølgning i en tråd, der allerede har optjent reasoning-rækken, bliver der, fordi den forrige turs model fungerer som et gulv. Sådan vælger Auto en model har rækketabellen med modellen bag hver række.
Sådan bruger du tænketilstand uden at betale for den alle steder
Behandl tænkning som et værktøj, du griber til, ikke en indstilling, du lader stå tændt.
- Brug som standard den hurtige model. De fleste beskeder er opslag, omskrivninger og korte spørgsmål. Tænkning tilføjer sekunder og credits og ændrer ikke noget.
- Slå til på den svære tur. Når spørgsmålet har flere trin og et efterprøveligt svar, flyt den ene besked til en reasoning model eller slå tænkning til, og flyt så tilbage.
- Giv den begrænsningerne i prompten. En reasoning model er bedst, når den har regler at tjekke sin plan op imod. "Skal passe inden for 40 timer, ingen møder om fredagen, lanceringen er den 12." er den slags prompt, der tjener ventetiden.
- Læs arbejdet, når det bliver vist. Kæden er der, hvor modellen afslører en forkert antagelse. Hvis det første trin er forkert, er svaret forkert, uanset hvor længe den tænkte.
- Brug den ikke til at tjekke fakta. Brug søgning, et dokument eller en anden model til det; hvad er en AI-hallucination forklarer, hvorfor mere tænkning ikke hjælper der.
Beslutningsreglen i én sætning: hvis du gerne vil se nogens arbejde, før du stoler på deres svar, så brug en reasoning model. Hvis du ikke vil, så betal ikke for det.
- Behold den hurtige model som standard, og grib til tænketilstand på den specifikke svære tur
- Brug reasoning til matematik, logik, planlægning med begrænsninger og fejlsøgning
- Spring den over til opslag, omskrivninger, oversættelse og resuméer; den er langsommere og ikke bedre
- Sæt begrænsningerne i prompten, så modellen har noget at tjekke sin plan op imod
- Verificer fakta med søgning eller en anden model, ikke med en længere tankekæde
Ofte stillede spørgsmål
Hvad gør en reasoning model egentlig anderledes?
Den skriver en kæde af mellemliggende trin, før det endelige svar, prøver tilgange, tjekker regnestykker og går tilbage, alt sammen som genereret tekst. En almindelig model begynder at skrive svaret med det samme. Reasoning er den samme forudsigelse af næste token, brugt i længere tid på problemet, hvilket er derfor, den hjælper på flertrinsopgaver og ikke på opslag.
Er tænketilstand altid bedre?
Nej. Ved faktaopslag, omskrivninger, oversættelse og afslappede spørgsmål er den langsommere, koster flere tokens og forbedrer ikke svaret. Ved lette spørgsmål kan en lang kæde tale modellen fra en korrekt første indskydelse. Den er bedre til matematik, logik, planlægning under begrænsninger og fejlsøgning, hvor svaret har trin, der kan tjekkes.
Hvorfor er tænketilstand langsommere og dyrere?
Fordi tænkningen er output-tokens, produceret ét ad gangen, og output koster fem til seks gange så meget som input på alle større modeller. En tur, der skriver 3.000 tokens arbejde, før den giver et svar på 300 tokens, genererer ti gange så meget output som det almindelige svar og tager omtrent ti gange så lang tid.
Hvilke modeller er reasoning models?
OpenAIs o1 i september 2024 var den første bredt tilgængelige, og DeepSeek R1 i januar 2025 udgav opskriften med åbne vægte. Siden da er reasoning som regel en tilstand inde i GPT, Claude og Gemini snarere end et separat produkt, sammen med dedikerede rækker som Kimi K2 Thinking. Whizi sender automatisk flertrinsspørgsmål til sin reasoning-række.
Hallucinerer en reasoning model mindre?
På flertrinsproblemer, ja, fordi den fanger sine egne regne- og logikfejl i kæden. Ved fakta, nej: en model, der ikke kender noget, vil ræsonnere sig frem til et forkert svar med endnu mere selvsikkerhed. Til fakta virker grounding med søgning eller et dokument og en anden models mening; en længere tankekæde gør ikke.
