Ein Reasoning Model denkt in Tokens, bevor es in Tokens antwortet
Stellt man einem Standardmodell eine schwierige Frage, beginnt es sofort mit der Antwort zu schreiben. Sein einziges "Nachdenken" ist das, was im Netzwerk zwischen dem Lesen des Prompts und der Erzeugung des ersten Wortes passiert.
Ein Reasoning Model ist darauf trainiert, etwas anderes zu tun: zuerst eine Kette von Zwischenschritten auszuformulieren, oft Tausende Tokens davon, und erst danach die Antwort zu schreiben. Die Zwischenschritte sind Text, den das Modell für sich selbst erzeugt. Es probiert einen Ansatz aus, bemerkt einen Widerspruch, geht zurück, überprüft die Rechnung und entscheidet sich schließlich. Die meisten Produkte verbergen diese Kette oder zeigen nur eine Zusammenfassung davon und nennen das Ganze "Thinking".
Das Nachdenken ist dieselbe Next-Token-Vorhersage, die was ist ein LLM beschreibt, nur länger auf das Problem gerichtet. Ein Reasoning Model ist ein Sprachmodell, das durch Reinforcement Learning an Problemen mit überprüfbaren Antworten trainiert wurde, mehr Tokens aufzuwenden, bevor es sich festlegt. Deshalb hilft es am meisten bei Problemen, deren Rechenweg überprüfbar ist, und am wenigsten dort, wo es nichts durchzuarbeiten gibt.
Woher die Idee kommt, in drei Daten
Im Januar 2022 zeigten Jason Wei und Kollegen bei Google, dass ein paar ausformulierte, schrittweise Beispiele im Prompt die Ergebnisse eines Modells bei Mathematik- und Logikproblemen verbesserten. Sie nannten es Chain-of-Thought-Prompting, und es funktionierte, weil das Ausformulieren der Schritte dem Modell mehr Tokens und damit mehr Rechenleistung pro Problem verschaffte.
Im September 2024 veröffentlichte OpenAI o1, das erste breit verfügbare Modell, das dies standardmäßig tat statt nur auf Anfrage. Das dahinterstehende Reinforcement Learning belohnte Ketten, die zu richtigen Antworten bei Mathematik und Code führten, sodass das Modell lernte, von selbst lange, selbstkorrigierende Zwischenschritte zu erzeugen.
Im Januar 2025 veröffentlichte DeepSeek R1 mit offenen Gewichten und einem Paper, das das Trainingsrezept beschrieb, wodurch jedes Labor den Ansatz nachbauen konnte. Innerhalb des Jahres wurde Reasoning eher zu einem Modus als zu einem eigenen Modell: ein Umschalter in GPT, Claude und Gemini, sowie eine Reihe eigener Modelle wie Kimi K2 Thinking im breiteren Katalog.
Wann sich Nachdenken auszahlt, und wann es reine Kosten sind
Das Muster über jeden Benchmark und jede reale Aufgabe hinweg ist dasselbe: Reasoning hilft im Verhältnis dazu, wie viele Schritte ein Problem hat und wie überprüfbar die Antwort ist.
| Aufgabe | Denkmodus | Warum |
|---|---|---|
| Mehrstufige Mathematik, Textaufgaben, Einheitenumrechnungen | Lohnt sich | Schritte lassen sich überprüfen; Fehler summieren sich ohne Zwischenschritte |
| Debugging, Verfolgen eines Fehlers durch den Code | Lohnt sich | Das Modell prüft Hypothesen am Code, bevor es sich festlegt |
| Planung eines Zeitplans, einer Migration, eines Budgets mit Einschränkungen | Lohnt sich | Einschränkungen wirken zusammen; ein erster Entwurf verletzt meist eine davon |
| Logikrätsel, Beweise, Regeln mit Ausnahmen | Lohnt sich | Genau die Kette ist der springende Punkt |
| Faktennachschlag ("in welchem Jahr geschah X") | Verschwendet | Keine Schritte; das Modell weiß es oder eben nicht |
| Umformulieren, Übersetzen, Zusammenfassen, Ton ändern | Verschwendet | Ein Durchgang ist die Aufgabe; Nachdenken bringt nur Verzögerung, keine Qualität |
| Lockere Unterhaltung, Ideen für eine Liste sammeln | Verschwendet | Nichts zu überprüfen; mehr Tokens für dieselbe Antwort |
Zwei ehrliche Grenzen. Nachdenken behebt keine Halluzination bei Fakten; ein Modell, das die Hauptstadt eines Landes nicht kennt, denkt sich mit mehr Selbstsicherheit zur falschen durch. Und lange Ketten können auf eine Art schiefgehen, die bei einer kurzen Antwort nicht möglich ist: Das Modell redet sich einen richtigen ersten Instinkt aus. Bei leichten Fragen landet eine lange Kette manchmal an einem schlechteren Ort als die erste Antwort des einfachen Modells.
Was Nachdenken kostet: die Tokens, die Sekunden und die Credits
Die Denkkette besteht aus Output-Tokens, der teuren Sorte, und was sind Tokens in KI zeigt, dass Output bei jedem großen Modell fünf- bis sechsmal so viel kostet wie Input. Eine Reasoning-Anfrage, die 3.000 Tokens Zwischenschritte schreibt, bevor eine 300-Token-Antwort folgt, hat das Zehnfache an Output der einfachen Antwort erzeugt. Sie braucht auch etwa zehnmal so lange, weil Output Token für Token erzeugt wird.
Die Ranglisten bepreisen den Regler inzwischen direkt. Artificial Analysis bewertet jedes Modell bei jeder Aufwandsstufe, die sein Anbieter freigibt, sodass die Zusatzkosten messbar sind: dasselbe Modell, bei niedrigster und höchster Reasoning-Stufe, mit seinem Intelligence-Index-Wert über jedem Ende. Die drei folgenden Leitern wurden am 2026-09-17 abgelesen.
Trägt man jede Einstellung auf, kreuzen sich die Kurven auf aufschlussreiche Weise. GPT-6 Astra erreicht 53 Punkte bei $2.31 pro Million Tokens; Claude Fable 5.1 erreicht dieselben 53 Punkte bei $5.98. Claude Opus 5 landet bei maximalem Aufwand bei 51, zwei Punkte unter beiden, für $5.86. Aufwand kauft auf jeder Kurve Punkte, und welche Kurve man wählt, entscheidet, was diese Punkte kosten.
Whizis Auto-Router macht daraus einen festen Preis, den man sieht. Auto liest jede Nachricht und schickt sie auf eine von sechs Stufen; die Stufe legt die Credit-Kosten fest, und mehrstufiges Reasoning liegt bei Powerhouse ganz oben. Pro erreicht maximal die 10-Credit-Code-Stufe, und Starter bleibt beim Hausmodell für 1.
Eine Reasoning-Anfrage kostet 20 Credits gegenüber 1 für eine schnelle Frage: eine 20-zu-1-Spanne, die die Token-Kosten dahinter widerspiegelt. Auto verweigert außerdem, Credits zu verschwenden. Eine neue Nachricht, die es als Umformulierung oder Nachschlagefrage einstuft, geht auf die 1- oder 2-Credit-Stufe, und eine Folgenachricht in einem Thread, der sich die Reasoning-Stufe bereits verdient hat, bleibt dort, weil das Modell der vorherigen Anfrage als Untergrenze wirkt. Wie Auto ein Modell auswählt enthält die Stufentabelle mit dem Modell hinter jeder Zeile.
Wie man den Denkmodus nutzt, ohne überall dafür zu zahlen
Behandelt Nachdenken als Werkzeug, zu dem man greift, nicht als Einstellung, die man dauerhaft anlässt.
- Standardmäßig das schnelle Modell nutzen. Die meisten Nachrichten sind Nachschlagefragen, Umformulierungen und kurze Fragen. Nachdenken kostet nur Sekunden und Credits und ändert nichts.
- Für die schwierige Anfrage einschalten. Hat die Frage mehrere Schritte und eine überprüfbare Antwort, diese eine Nachricht auf ein Reasoning Model umstellen oder den Denkmodus aktivieren, dann wieder zurückwechseln.
- Die Einschränkungen im Prompt mitgeben. Ein Reasoning Model ist dann am besten, wenn es Regeln hat, an denen es seinen Plan prüfen kann. "Muss in 40 Stunden passen, keine Meetings freitags, der Launch ist am 12." ist die Art von Prompt, die das Warten lohnt.
- Die Zwischenschritte lesen, wenn sie angezeigt werden. Die Kette ist der Ort, an dem das Modell eine falsche Annahme offenbart. Ist der erste Schritt falsch, ist die Antwort falsch, egal wie lange gedacht wurde.
- Nicht nutzen, um Fakten zu prüfen. Dafür Suche, ein Dokument oder ein zweites Modell verwenden; was ist eine KI-Halluzination erklärt, warum mehr Nachdenken dort nicht hilft.
Die Faustregel in einem Satz: Möchte man jemandes Rechenweg sehen, bevor man dessen Antwort vertraut, ein Reasoning Model nutzen. Möchte man das nicht, muss man auch nicht dafür bezahlen.
- Das schnelle Modell als Standard behalten und den Denkmodus gezielt für die eine schwierige Anfrage nutzen
- Reasoning für Mathematik, Logik, Planung mit Einschränkungen und Debugging einsetzen
- Bei Nachschlagefragen, Umformulierungen, Übersetzungen und Zusammenfassungen darauf verzichten; es ist langsamer und nicht besser
- Die Einschränkungen in den Prompt schreiben, damit das Modell etwas hat, woran es seinen Plan prüfen kann
- Fakten mit Suche oder einem zweiten Modell prüfen, nicht mit einer längeren Denkkette
Häufige Fragen
Was macht ein Reasoning Model tatsächlich anders?
Es schreibt vor der endgültigen Antwort eine Kette von Zwischenschritten aus, probiert Ansätze, prüft Rechnungen und geht zurück, alles als erzeugter Text. Ein Standardmodell beginnt sofort mit der Antwort zu schreiben. Das Reasoning ist dieselbe Next-Token-Vorhersage, nur länger auf das Problem verwendet, weshalb es bei mehrstufigen Aufgaben hilft und bei Nachschlagefragen nicht.
Ist der Denkmodus immer besser?
Nein. Bei Faktennachschlag, Umformulierungen, Übersetzungen und lockeren Fragen ist er langsamer, kostet mehr Tokens und verbessert die Antwort nicht. Bei leichten Fragen kann eine lange Kette das Modell von einem richtigen ersten Instinkt abbringen. Er ist besser bei Mathematik, Logik, Planung mit Einschränkungen und Debugging, wo die Antwort Schritte hat, die sich überprüfen lassen.
Warum ist der Denkmodus langsamer und teurer?
Weil die Zwischenschritte Output-Tokens sind, die einzeln erzeugt werden, und Output bei jedem großen Modell fünf- bis sechsmal so viel kostet wie Input. Eine Anfrage, die 3.000 Tokens Zwischenschritte schreibt, bevor eine 300-Token-Antwort folgt, erzeugt das Zehnfache an Output der einfachen Antwort und braucht etwa zehnmal so lange.
Welche Modelle sind Reasoning Models?
OpenAIs o1 im September 2024 war das erste breit verfügbare, und DeepSeek R1 im Januar 2025 veröffentlichte das Rezept mit offenen Gewichten. Seither ist Reasoning meist ein Modus innerhalb von GPT, Claude und Gemini statt ein eigenständiges Produkt, neben eigenen Modellen wie Kimi K2 Thinking. Whizi leitet mehrstufige Fragen automatisch auf seine Reasoning-Stufe.
Halluziniert ein Reasoning Model weniger?
Bei mehrstufigen Problemen ja, weil es eigene Rechen- und Logikfehler in der Kette abfängt. Bei Fakten nein: Ein Modell, das etwas nicht weiß, denkt sich mit mehr Selbstsicherheit zu einer falschen Antwort durch. Bei Fakten helfen Grounding mit Suche oder einem Dokument sowie die Meinung eines zweiten Modells; eine längere Denkkette hilft dabei nicht.
