AI reasoning berpikir dalam token sebelum menjawab dengan token
Ajukan pertanyaan sulit ke model standar dan ia langsung menulis jawaban. Satu-satunya "berpikir" yang terjadi adalah proses di dalam jaringan antara membaca prompt Anda dan menghasilkan kata pertama.
Reasoning model dilatih untuk melakukan sesuatu yang berbeda: menuliskan rantai kerja dulu, sering kali ribuan token panjangnya, baru kemudian menulis jawaban. Kerja ini adalah teks yang dihasilkan model untuk dirinya sendiri. Ia mencoba satu pendekatan, menyadari ada kontradiksi, mundur, memeriksa hitungan, dan akhirnya memutuskan. Kebanyakan produk menyembunyikan rantai ini atau menampilkan ringkasannya, dan melabeli semuanya "thinking".
Proses berpikir ini adalah prediksi token berikutnya yang sama seperti dijelaskan di apa itu LLM, hanya diarahkan pada masalah lebih lama. Reasoning model adalah model bahasa yang dilatih, lewat reinforcement learning pada soal dengan jawaban yang bisa diperiksa, untuk menghabiskan lebih banyak token sebelum memutuskan. Karena itu ia paling membantu pada masalah yang kerjanya bisa diperiksa dan paling tidak membantu pada masalah yang tidak ada apa pun untuk dikerjakan.
Asal usul idenya, dalam tiga tanggal
Pada Januari 2022, Jason Wei dan rekan-rekannya di Google menunjukkan bahwa memasukkan beberapa contoh langkah demi langkah ke dalam prompt meningkatkan skor model pada soal matematika dan logika. Mereka menyebutnya chain-of-thought prompting, dan ini berhasil karena menuliskan langkah-langkah memberi model lebih banyak token, sehingga lebih banyak komputasi, per soal.
Pada September 2024, OpenAI merilis o1, model tersedia luas pertama yang dilatih melakukan ini secara default, bukan atas permintaan. Reinforcement learning di baliknya memberi imbalan pada rantai yang berujung jawaban benar pada matematika dan kode, sehingga model belajar menghasilkan proses kerja panjang yang mengoreksi dirinya sendiri.
Pada Januari 2025, DeepSeek merilis R1 dengan open weights dan makalah yang menjelaskan resep pelatihannya, yang berarti setiap lab bisa mereplikasi pendekatan ini. Dalam setahun, reasoning menjadi mode, bukan model tersendiri: sebuah sakelar di dalam GPT, Claude dan Gemini, serta sekumpulan baris khusus seperti Kimi K2 Thinking di katalog yang lebih luas.
Kapan berpikir sepadan, dan kapan cuma biaya
Polanya sama di setiap benchmark dan setiap tugas nyata: reasoning membantu sebanding dengan berapa banyak langkah yang dimiliki masalah dan seberapa bisa diperiksa jawabannya.
| Tugas | Mode berpikir | Alasan |
|---|---|---|
| Matematika berjenjang, soal cerita, konversi satuan | Sepadan | Langkah bisa diperiksa; kesalahan menumpuk tanpa proses kerja |
| Debugging, melacak kegagalan lewat kode | Sepadan | Model menguji hipotesis terhadap kode sebelum memutuskan |
| Merencanakan jadwal, migrasi, anggaran dengan batasan | Sepadan | Batasan saling berkaitan; draf pertama biasanya melanggar satu |
| Teka-teki logika, pembuktian, aturan dengan pengecualian | Sepadan | Inti persoalannya memang rantai itu sendiri |
| Pencarian fakta ("tahun berapa X terjadi") | Sia-sia | Tidak ada langkah; model tahu atau tidak tahu |
| Menulis ulang, menerjemahkan, meringkas, mengubah nada | Sia-sia | Satu kali proses adalah tugasnya; berpikir menambah jeda tanpa kualitas |
| Percakapan santai, brainstorming daftar | Sia-sia | Tidak ada yang diperiksa; lebih banyak token untuk jawaban yang sama |
Dua batasan yang jujur. Berpikir tidak memperbaiki halusinasi pada fakta; model yang tidak tahu ibu kota suatu negara akan bernalar menuju jawaban salah dengan lebih percaya diri. Dan rantai panjang bisa salah dengan cara yang tidak dialami jawaban singkat: model membujuk dirinya sendiri menjauh dari insting pertama yang benar. Pada pertanyaan mudah, rantai panjang kadang berakhir lebih buruk dari jawaban pertama model biasa.
Berapa biaya berpikir: token, detik dan kredit
Rantai berpikir adalah token output, jenis yang mahal, dan apa itu token dalam AI menunjukkan bahwa output berbiaya lima hingga enam kali input pada setiap model utama. Giliran reasoning yang menulis 3.000 token proses kerja sebelum jawaban 300 token telah menghasilkan sepuluh kali lipat output dibanding balasan biasa. Ini juga memakan waktu kira-kira sepuluh kali lebih lama, karena output dihasilkan satu token pada satu waktu.
Papan peringkat kini memberi harga langsung pada dial ini. Artificial Analysis menilai setiap model pada setiap pengaturan effort yang diekspos penyedianya, sehingga pajaknya bisa diukur: model yang sama, pada pengaturan reasoning terendah dan tertinggi, dengan skor Intelligence Index di atas masing-masing ujung. Tiga tangga di bawah ini dibaca pada 2026-09-17.
Petakan setiap pengaturan dan kurvanya bersilangan dengan cara yang menarik. GPT-6 Astra mencapai 53 pada $2.31 per juta token; Claude Fable 5.1 mencapai 53 yang sama pada $5.98. Claude Opus 5 pada effort maksimal berhenti di 51, dua poin di bawah keduanya, pada $5.86. Effort membeli poin di setiap kurva, dan kurva mana yang Anda pakai menentukan berapa harga poin itu.
Router Auto milik Whizi mengubah itu menjadi harga tetap yang bisa Anda lihat. Auto membaca setiap pesan dan mengirimkannya ke salah satu dari enam baris; baris inilah yang menentukan biaya kredit, dan reasoning berjenjang berada di puncak pada Powerhouse. Pro berhenti pada baris kode 10 kredit, dan Starter tetap pada model rumah di angka 1.
Giliran reasoning berharga 20 kredit dibanding 1 untuk pertanyaan cepat: rentang 20 banding 1 yang mencerminkan biaya token di baliknya. Auto juga menolak menyia-nyiakannya. Pesan baru yang diklasifikasikan sebagai penulisan ulang atau pencarian dikirim ke baris 1 atau 2 kredit, dan pesan lanjutan dalam sebuah thread yang sudah mendapat baris reasoning tetap di sana, karena model giliran sebelumnya bertindak sebagai batas bawah. Cara Auto memilih model memuat tabel baris lengkap dengan model di balik setiap barisnya.
Cara memakai mode berpikir tanpa membayarnya di mana-mana
Perlakukan berpikir sebagai alat yang Anda ambil saat perlu, bukan pengaturan yang dibiarkan menyala.
- Gunakan model cepat sebagai default. Sebagian besar pesan adalah pencarian, penulisan ulang dan pertanyaan singkat. Berpikir hanya menambah detik dan kredit tanpa mengubah apa pun.
- Nyalakan untuk giliran yang sulit. Saat pertanyaan punya beberapa langkah dan jawaban yang bisa diperiksa, pindahkan pesan itu ke reasoning model atau nyalakan mode berpikir, lalu kembali lagi.
- Beri batasan di dalam prompt. Reasoning model paling optimal ketika punya aturan untuk memeriksa rencananya. "Harus muat dalam 40 jam, tidak ada rapat pada hari Jumat, peluncuran tanggal 12" adalah jenis prompt yang sepadan dengan waktu tunggunya.
- Baca proses kerjanya saat ditampilkan. Rantai ini adalah tempat model mengungkap asumsi yang salah. Jika langkah pertama salah, jawabannya salah betapapun lamanya ia berpikir.
- Jangan gunakan untuk memeriksa fakta. Gunakan pencarian, dokumen, atau model kedua untuk itu; apa itu halusinasi AI menjelaskan mengapa berpikir lebih lama tidak membantu di sana.
Aturan keputusannya dalam satu kalimat: jika Anda ingin melihat proses kerja seseorang sebelum memercayai jawabannya, gunakan reasoning model. Jika tidak, jangan bayar untuk itu.
- Pertahankan model cepat sebagai default dan ambil mode berpikir untuk giliran sulit tertentu
- Gunakan reasoning untuk matematika, logika, perencanaan dengan batasan dan debugging
- Lewati untuk pencarian, penulisan ulang, terjemahan dan ringkasan; ini lebih lambat dan tidak lebih baik
- Masukkan batasan dalam prompt supaya model punya sesuatu untuk memeriksa rencananya
- Verifikasi fakta dengan pencarian atau model kedua, bukan dengan rantai berpikir yang lebih panjang
Pertanyaan Umum
Apa yang sebenarnya dilakukan reasoning model secara berbeda?
Ia menuliskan rantai langkah antara sebelum jawaban akhir, mencoba berbagai pendekatan, memeriksa hitungan dan mundur, semuanya sebagai teks yang dihasilkan. Model standar langsung menulis jawaban. Reasoning ini adalah prediksi token berikutnya yang sama, hanya dihabiskan lebih lama pada masalah, itulah sebabnya ia membantu pada tugas berjenjang dan tidak pada pencarian.
Apakah mode berpikir selalu lebih baik?
Tidak. Pada pencarian fakta, penulisan ulang, terjemahan dan pertanyaan santai, ini lebih lambat, menghabiskan lebih banyak token dan tidak meningkatkan jawaban. Pada pertanyaan mudah, rantai panjang bisa membujuk model menjauh dari insting pertama yang benar. Ini lebih baik pada matematika, logika, perencanaan dengan batasan dan debugging, tempat jawabannya punya langkah yang bisa diperiksa.
Mengapa mode berpikir lebih lambat dan lebih mahal?
Karena proses berpikir adalah token output, dihasilkan satu per satu, dan output berbiaya lima hingga enam kali input pada setiap model utama. Giliran yang menulis 3.000 token proses kerja sebelum jawaban 300 token menghasilkan sepuluh kali lipat output dibanding balasan biasa dan memakan waktu kira-kira sepuluh kali lebih lama.
Model mana saja yang termasuk reasoning model?
o1 milik OpenAI pada September 2024 adalah yang pertama tersedia luas, dan DeepSeek R1 pada Januari 2025 mempublikasikan resepnya dengan open weights. Sejak itu reasoning biasanya menjadi mode di dalam GPT, Claude dan Gemini, bukan produk terpisah, berdampingan dengan baris khusus seperti Kimi K2 Thinking. Whizi mengalihkan pertanyaan berjenjang ke baris reasoning-nya secara otomatis.
Apakah reasoning model berhalusinasi lebih sedikit?
Pada masalah berjenjang, ya, karena ia menangkap kesalahan hitungan dan logikanya sendiri di dalam rantai. Pada fakta, tidak: model yang tidak tahu sesuatu akan bernalar menuju jawaban salah dengan lebih percaya diri. Untuk fakta, pendasaran dengan pencarian atau dokumen dan pendapat model kedua berhasil; rantai berpikir yang lebih panjang tidak.
