Un reasoning model gândește în tokeni înainte să răspundă în tokeni
Pune unui model standard o întrebare grea și acesta începe imediat să scrie răspunsul. Singura lui "gândire" este ceea ce se întâmplă în rețea între citirea promptului tău și producerea primului cuvânt.
Un reasoning model este antrenat să facă altceva: mai întâi scrie un lanț de raționament, adesea mii de tokeni din el, și abia apoi scrie răspunsul. Raționamentul este text pe care modelul îl generează pentru sine. Încearcă o abordare, observă o contradicție, se întoarce, verifică un calcul și, în final, se hotărăște. Majoritatea produselor ascund acest lanț sau afișează un rezumat al lui, etichetând totul drept "gândire".
Raționamentul este aceeași predicție a următorului token pe care ce este un LLM o descrie, îndreptată spre problemă pentru mai mult timp. Un reasoning model este un model de limbaj care a fost antrenat, prin învățare prin întărire pe probleme cu răspunsuri verificabile, să cheltuiască mai mulți tokeni înainte de a se hotărî. De aceea ajută cel mai mult la probleme unde raționamentul poate fi verificat și cel mai puțin la probleme unde nu există nimic de parcurs.
De unde a apărut ideea, în trei date
În ianuarie 2022, Jason Wei și colegii săi de la Google au arătat că introducerea în prompt a câtorva exemple rezolvate, pas cu pas, a crescut scorurile unui model la probleme de matematică și logică. Au numit asta chain-of-thought prompting, și a funcționat pentru că scrierea pașilor a oferit modelului mai mulți tokeni, deci mai multă putere de calcul, per problemă.
În septembrie 2024, OpenAI a lansat o1, primul model disponibil pe scară largă antrenat să facă asta implicit, nu la cerere. Învățarea prin întărire din spatele lui recompensa lanțurile care duceau la răspunsuri corecte la matematică și cod, așa că modelul a învățat să producă singur un raționament lung, autocorectiv.
În ianuarie 2025, DeepSeek a lansat R1 cu ponderi deschise și o lucrare care descria rețeta de antrenare, ceea ce a permis oricărui laborator să reproducă abordarea. În cursul anului, raționamentul a devenit un mod, nu un model: un comutator în GPT, Claude și Gemini, și o familie de rânduri dedicate precum Kimi K2 Thinking în catalogul mai larg.
Când gândirea se răsplătește și când este cost pur
Tiparul este același pe orice benchmark și pe orice sarcină reală: raționamentul ajută proporțional cu numărul de pași ai problemei și cu cât de verificabil este răspunsul.
| Sarcină | Modul de gândire | De ce |
|---|---|---|
| Matematică pe mai mulți pași, probleme cu enunț, conversii de unități | Merită | Pașii pot fi verificați; erorile se acumulează fără raționament |
| Depanare, urmărirea unei erori prin cod | Merită | Modelul testează ipoteze pe cod înainte de a se hotărî |
| Planificarea unui program, a unei migrări, a unui buget cu constrângeri | Merită | Constrângerile interacționează; o primă variantă încalcă de obicei una |
| Puzzle-uri logice, demonstrații, reguli cu excepții | Merită | Tot rostul e lanțul de raționament |
| Căutare factuală ("în ce an s-a întâmplat X") | Risipă | Nu există pași; modelul știe sau nu știe |
| Rescriere, traducere, rezumare, schimbarea tonului | Risipă | O singură trecere este sarcina; gândirea adaugă întârziere, nu calitate |
| Conversație obișnuită, brainstorming pentru o listă | Risipă | Nimic de verificat; mai mulți tokeni pentru același răspuns |
Două limite oneste. Gândirea nu rezolvă halucinația pe fapte; un model care nu știe capitala unei țări va raționa spre un răspuns greșit cu mai multă încredere. Iar lanțurile lungi pot greși în moduri în care un răspuns scurt nu poate: modelul se convinge singur să renunțe la un prim instinct corect. La întrebări ușoare, un lanț lung ajunge uneori undeva mai rău decât primul răspuns al modelului simplu.
Cât costă gândirea: tokenii, secundele și creditele
Lanțul de raționament este format din tokeni de ieșire, tipul scump, iar ce sunt tokenii în IA arată că ieșirea costă de cinci până la șase ori mai mult decât intrarea la orice model important. O solicitare de raționament care scrie 3.000 de tokeni de lucru înainte de un răspuns de 300 de tokeni a generat de zece ori mai multă ieșire decât răspunsul simplu. Durează și de aproximativ zece ori mai mult, pentru că ieșirea este produsă un token pe rând.
Clasamentele prețuiesc acum direct acest cadran. Artificial Analysis notează fiecare model la fiecare nivel de efort expus de furnizorul său, astfel încât taxa este măsurabilă: același model, la cel mai scăzut și cel mai ridicat efort de raționament, cu scorul său Intelligence Index deasupra fiecărui capăt. Cele trei scale de mai jos au fost citite pe 2026-09-17.
Trasează fiecare nivel și curbele se intersectează într-un mod instructiv. GPT-6 Astra ajunge la 53 la $2.31 per milion de tokeni; Claude Fable 5.1 ajunge la același 53 la $5.98. Claude Opus 5 la efort maxim ajunge la 51, cu două puncte sub ambele, la $5.86. Efortul cumpără puncte pe fiecare curbă, iar curba pe care te afli decide cât costă acele puncte.
Router-ul Auto al lui Whizi transformă asta într-un preț fix pe care îl poți vedea. Auto citește fiecare mesaj și îl trimite către una din cele șase trepte; treapta este cea care stabilește costul în credite, iar raționamentul pe mai mulți pași stă în vârf pe Powerhouse. Pro ajunge cel mult la treapta de cod de 10 credite, iar Starter rămâne pe modelul intern la 1.
O solicitare de raționament este de 20 de credite față de 1 pentru o întrebare rapidă: o diferență de 20 la 1 care reflectă costul de tokeni de dedesubt. Auto refuză și să risipească asta. Un mesaj nou pe care îl clasifică drept rescriere sau căutare merge către treapta de 1 sau 2 credite, iar o continuare într-un fir care a câștigat deja treapta de raționament rămâne acolo, pentru că modelul folosit la solicitarea anterioară acționează ca un prag minim. Cum alege Auto un model conține tabelul cu treptele și modelul din spatele fiecăruia.
Cum să folosești modul de gândire fără să plătești pentru el peste tot
Tratează gândirea ca pe un instrument pe care îl folosești la nevoie, nu ca pe o setare pe care o lași pornită.
- Rămâi implicit pe modelul rapid. Majoritatea mesajelor sunt căutări, rescrieri și întrebări scurte. Gândirea adaugă secunde și credite și nu schimbă nimic.
- Activeaz-o pentru solicitarea grea. Când întrebarea are mai mulți pași și un răspuns verificabil, mută acel mesaj către un reasoning model sau activează gândirea, apoi revino.
- Dă-i constrângerile în prompt. Un reasoning model este la cel mai bun nivel când are reguli pe care să își verifice planul. "Trebuie să încapă în 40 de ore, fără ședințe vinerea, lansarea e pe 12" este genul de prompt care merită așteptarea.
- Citește raționamentul când este afișat. Lanțul este locul unde modelul dezvăluie o presupunere greșită. Dacă primul pas e greșit, răspunsul e greșit oricât ar fi gândit.
- Nu îl folosi pentru a verifica fapte. Folosește căutarea, un document sau un al doilea model pentru asta; ce este o halucinație de IA explică de ce mai multă gândire nu ajută acolo.
Regula de decizie într-o singură linie: dacă ai vrea să vezi raționamentul cuiva înainte să îi crezi răspunsul, folosește un reasoning model. Dacă nu ai vrea, nu plăti pentru el.
- Păstrează modelul rapid ca implicit și apelează la modul de gândire pentru solicitarea grea specifică
- Folosește raționamentul pentru matematică, logică, planificare cu constrângeri și depanare
- Sari peste el la căutări, rescrieri, traducere și rezumate; este mai lent și nu mai bun
- Pune constrângerile în prompt, ca modelul să aibă ceva față de care să își verifice planul
- Verifică faptele cu o căutare sau un al doilea model, nu cu un lanț de raționament mai lung
Întrebări frecvente
Ce face de fapt diferit un reasoning model?
Scrie un lanț de pași intermediari înainte de răspunsul final, încercând abordări, verificând calcule și revenind, toate sub formă de text generat. Un model standard începe imediat să scrie răspunsul. Raționamentul este aceeași predicție a următorului token, aplicată mai mult timp problemei, motiv pentru care ajută la sarcini pe mai mulți pași și nu la căutări.
Modul de gândire este întotdeauna mai bun?
Nu. La căutări factuale, rescrieri, traducere și întrebări obișnuite, este mai lent, costă mai mulți tokeni și nu îmbunătățește răspunsul. La întrebări ușoare, un lanț lung poate convinge modelul să renunțe la un prim instinct corect. Este mai bun la matematică, logică, planificare cu constrângeri și depanare, unde răspunsul are pași care pot fi verificați.
De ce este modul de gândire mai lent și mai scump?
Pentru că raționamentul este format din tokeni de ieșire, produși unul câte unul, iar ieșirea costă de cinci până la șase ori mai mult decât intrarea la orice model important. O solicitare care scrie 3.000 de tokeni de lucru înainte de un răspuns de 300 de tokeni generează de zece ori mai multă ieșire decât răspunsul simplu și durează de aproximativ zece ori mai mult.
Care modele sunt reasoning models?
o1 de la OpenAI, în septembrie 2024, a fost primul disponibil pe scară largă, iar DeepSeek R1, în ianuarie 2025, a publicat rețeta cu ponderi deschise. De atunci, raționamentul este de obicei un mod în GPT, Claude și Gemini, nu un produs separat, alături de rânduri dedicate precum Kimi K2 Thinking. Whizi trimite automat întrebările cu mai mulți pași către treapta sa de raționament.
Un reasoning model halucinează mai puțin?
La probleme cu mai mulți pași, da, pentru că își prinde propriile erori de calcul și de logică în lanțul de raționament. La fapte, nu: un model care nu știe ceva va raționa spre un răspuns greșit cu mai multă încredere. Pentru fapte, ancorarea cu o căutare sau un document și opinia unui al doilea model funcționează; un lanț de raționament mai lung, nu.
