O que é um modelo de raciocínio?

Um modelo de raciocínio pensa em tokens antes de responder em tokens

Faça uma pergunta difícil a um modelo padrão e ele começa a escrever a resposta imediatamente. Seu único "pensamento" é o que acontece dentro da rede entre ler seu prompt e produzir a primeira palavra.

Um modelo de raciocínio é treinado para fazer algo diferente: primeiro escrever uma cadeia de trabalho, muitas vezes milhares de tokens dela, e só depois escrever a resposta. O trabalho é texto que o modelo gera para si mesmo. Ele tenta uma abordagem, percebe uma contradição, volta atrás, verifica a aritmética e, por fim, se compromete com uma resposta. A maioria dos produtos esconde essa cadeia ou mostra um resumo dela, chamando o conjunto todo de "pensamento".

O pensamento é a mesma previsão de próximo token que o que é um LLM descreve, só que direcionada ao problema por mais tempo. Um modelo de raciocínio é um modelo de linguagem que foi treinado, por aprendizado por reforço em problemas com respostas verificáveis, a gastar mais tokens antes de se comprometer. É por isso que ele ajuda mais em problemas cujo trabalho pode ser conferido, e menos em problemas onde não há nada para percorrer.

De onde veio a ideia, em três datas

Em janeiro de 2022, Jason Wei e colegas do Google mostraram que colocar alguns exemplos resolvidos, passo a passo, no prompt elevava as pontuações do modelo em problemas de matemática e lógica. Eles chamaram isso de chain-of-thought prompting, e funcionava porque escrever as etapas dava ao modelo mais tokens e, portanto, mais computação por problema.

Em setembro de 2024, a OpenAI lançou o o1, o primeiro modelo amplamente disponível treinado para fazer isso por padrão, e não sob demanda. O aprendizado por reforço por trás dele recompensava cadeias que levavam a respostas corretas em matemática e código, então o modelo aprendeu a produzir, sozinho, um trabalho longo e autocorretivo.

Em janeiro de 2025, a DeepSeek lançou o R1 com pesos abertos e um artigo descrevendo a receita de treinamento, o que significou que qualquer laboratório podia reproduzir a abordagem. Ao longo do ano, o raciocínio virou um modo em vez de um modelo: um interruptor dentro do GPT, do Claude e do Gemini, além de uma família de faixas dedicadas como o Kimi K2 Thinking no catálogo mais amplo.

Quando pensar se paga, e quando é puro custo

O padrão em cada benchmark e cada tarefa real é o mesmo: o raciocínio ajuda na proporção de quantas etapas o problema tem e o quanto a resposta é verificável.

Dois limites honestos. Pensar não corrige alucinação sobre fatos; um modelo que não sabe a capital de um país vai raciocinar até chegar na errada com mais confiança. E cadeias longas podem dar errado de formas que uma resposta curta não daria: o modelo se convence a abandonar um primeiro instinto correto. Em perguntas fáceis, uma cadeia longa às vezes termina em algo pior do que a primeira resposta do modelo simples.

O que pensar custa: os tokens, os segundos e os créditos

A cadeia de pensamento é feita de tokens de saída, o tipo caro, e o que são tokens em IA mostra que a saída custa de cinco a seis vezes o preço da entrada em todos os modelos principais. Um turno de raciocínio que escreve 3.000 tokens de trabalho antes de uma resposta de 300 tokens gerou dez vezes a saída da resposta simples. Também leva aproximadamente dez vezes mais tempo, porque a saída é produzida um token de cada vez.

Os rankings agora precificam esse ajuste diretamente. A Artificial Analysis pontua cada modelo em cada nível de esforço que seu provedor expõe, então o imposto é mensurável: o mesmo modelo, no seu nível de esforço de raciocínio mais baixo e mais alto, com sua pontuação no Intelligence Index acima de cada extremo. As três escadas abaixo foram lidas em 2026-09-17.

Plote cada ajuste e as curvas se cruzam de um jeito instrutivo. O GPT-6 Astra chega a 53 por $2.31 por milhão de tokens; o Claude Fable 5.1 chega aos mesmos 53 por $5.98. O Claude Opus 5 no esforço máximo cai em 51, dois pontos abaixo dos dois, por $5.86. O esforço compra pontos em toda curva, e em qual curva você está decide quanto esses pontos custam.

O roteador Auto da Whizi transforma isso em um preço fixo que você consegue ver. O Auto lê cada mensagem e a envia para uma de seis faixas; a faixa é o que define o custo em créditos, e o raciocínio de vários passos fica no topo no Powerhouse. O Pro chega ao máximo na faixa de código de 10 créditos, e o Starter fica no modelo da casa a 1.

Um turno de raciocínio custa 20 créditos contra 1 de uma pergunta rápida: uma diferença de 20 para 1 que reflete o custo em tokens por baixo. O Auto também se recusa a desperdiçar isso. Uma mensagem nova que ele classifica como reescrita ou busca vai para a faixa de 1 ou 2 créditos, e uma continuação em uma conversa que já ganhou a faixa de raciocínio permanece lá, porque o modelo do turno anterior serve como piso. Como o Auto escolhe um modelo tem a tabela de faixas com o modelo por trás de cada uma.

Como usar o modo de pensamento sem pagar por ele em tudo

Trate o pensamento como uma ferramenta que você busca, não uma configuração que você deixa ligada.

1. Use o modelo rápido por padrão. A maioria das mensagens são buscas, reescritas e perguntas curtas. Pensar adiciona segundos e créditos e não muda nada.
2. Ative para o turno difícil. Quando a pergunta tem várias etapas e uma resposta verificável, mova essa mensagem para um modelo de raciocínio ou ative o pensamento, depois volte.
3. Dê as restrições no prompt. Um modelo de raciocínio está no seu melhor quando tem regras para checar seu plano. "Precisa caber em 40 horas, sem reuniões nas sextas, o lançamento é dia 12" é o tipo de prompt que merece a espera.
4. Leia o trabalho quando ele é mostrado. A cadeia é onde o modelo revela uma suposição errada. Se o primeiro passo está errado, a resposta está errada, não importa quanto tempo ele pensou.
5. Não use isso para verificar fatos. Use busca, um documento, ou um segundo modelo para isso; o que é uma alucinação de IA explica por que mais pensamento não ajuda nesse caso.

A regra de decisão em uma linha: se você quisesse ver o raciocínio de alguém antes de confiar na resposta, use um modelo de raciocínio. Se não quisesse, não pague por isso.