En reasoning model tänker i tokens innan den svarar i tokens
Ställ en hård fråga till en vanlig modell och den börjar skriva svaret direkt. Dess enda "tänkande" är det som händer inuti nätverket mellan att läsa din prompt och producera det första ordet.
En reasoning model är tränad att göra något annat: först skriva ut en kedja av arbete, ofta tusentals tokens av det, och först därefter skriva svaret. Arbetet är text som modellen genererar åt sig själv. Den provar ett tillvägagångssätt, upptäcker en motsägelse, backar, kontrollerar aritmetiken och bestämmer sig till slut. De flesta produkter döljer denna kedja eller visar en sammanfattning av den, och kallar det hela "tänkande".
Tänkandet är samma nästa-token-förutsägelse som vad är en LLM beskriver, riktad mot problemet under längre tid. En reasoning model är en språkmodell som tränats, genom förstärkningsinlärning på problem med kontrollerbara svar, att lägga fler tokens innan den bestämmer sig. Det är därför den hjälper mest på problem där arbetet kan kontrolleras och minst på problem där det inte finns något att arbeta igenom.
Var idén kom ifrån, i tre datum
I januari 2022 visade Jason Wei och kollegor på Google att om man lägger några genomarbetade, steg-för-steg-exempel i prompten så höjs modellens resultat på matte- och logikproblem. De kallade det chain-of-thought prompting, och det fungerade eftersom att skriva ut stegen gav modellen fler tokens, och därmed mer beräkning, per problem.
I september 2024 släppte OpenAI o1, den första allmänt tillgängliga modellen tränad att göra detta som standard snarare än på begäran. Förstärkningsinlärningen bakom den belönade kedjor som ledde till korrekta svar på matte och kod, så modellen lärde sig att producera lång, självkorrigerande resonemang på egen hand.
I januari 2025 släppte DeepSeek R1 med öppna vikter och en artikel som beskrev träningsreceptet, vilket innebar att varje labb kunde återskapa metoden. Inom loppet av året blev reasoning ett läge snarare än en modell: en växel inuti GPT, Claude och Gemini, och en familj av dedikerade rader som Kimi K2 Thinking i den bredare katalogen.
När tänkandet lönar sig, och när det bara är kostnad
Mönstret genom varje benchmark och varje verklig uppgift är detsamma: resonemang hjälper i proportion till hur många steg problemet har och hur kontrollerbart svaret är.
| Uppgift | Tankeläge | Varför |
|---|---|---|
| Flerstegsmatte, textuppgifter, enhetsomvandlingar | Värt det | Steg kan kontrolleras, fel förstärks utan arbete |
| Felsökning, spåra ett fel genom kod | Värt det | Modellen testar hypoteser mot koden innan den bestämmer sig |
| Planera ett schema, en migrering, en budget med begränsningar | Värt det | Begränsningar samspelar, ett första utkast bryter oftast mot en |
| Logikpussel, bevis, regler med undantag | Värt det | Hela poängen är kedjan |
| Faktauppslag ("vilket år hände X") | Bortkastat | Inga steg, modellen vet eller så vet den inte |
| Omskrivning, översättning, sammanfattning, ändra tonläge | Bortkastat | En genomgång är uppgiften, tänkande lägger till fördröjning utan kvalitet |
| Vardaglig konversation, brainstorma en lista | Bortkastat | Inget att kontrollera, fler tokens för samma svar |
Två ärliga begränsningar. Tänkande fixar inte hallucinationer om fakta, en modell som inte vet ett lands huvudstad kommer att resonera sig fram till fel svar med mer säkerhet. Och långa kedjor kan gå fel på sätt ett kort svar inte kan: modellen pratar sig ur ett korrekt första instinkt. På enkla frågor slutar en lång kedja ibland sämre än den vanliga modellens första svar.
Vad tänkandet kostar: tokens, sekunder och krediter
Tankekedjan är output-tokens, den dyra sorten, och vad är tokens inom AI visar att output kostar fem till sex gånger så mycket som input hos alla större modeller. En resonemangsvänd som skriver 3 000 tokens arbete före ett 300-tokens svar har genererat tio gånger så mycket output som det vanliga svaret. Den tar också ungefär tio gånger så lång tid, eftersom output produceras en token i taget.
Topplistorna prissätter nu vridreglaget direkt. Artificial Analysis poängsätter varje modell vid varje ansträngningsnivå leverantören exponerar, så avgiften är mätbar: samma modell, vid dess lägsta och högsta resonemangsansträngning, med dess Intelligence Index-poäng ovanför varje ände. De tre stegen nedan lästes 2026-09-17.
Plotta varje nivå och kurvorna korsar varandra på ett lärorikt sätt. GPT-6 Astra når 53 vid $2.31 per miljon tokens, Claude Fable 5.1 når samma 53 vid $5.98. Claude Opus 5 vid max ansträngning landar på 51, två poäng under båda, vid $5.86. Ansträngning köper poäng på varje kurva, och vilken kurva du är på avgör vad de poängen kostar.
Whizis Auto-router gör om det till ett fast pris du kan se. Auto läser varje meddelande och skickar det till en av sex nivåer, nivån är det som avgör kreditkostnaden, och flerstegsresonemang ligger högst upp på Powerhouse. Pro toppar på den 10-krediters kodnivån, och Starter stannar på husmodellen på 1.
En resonemangsvänd kostar 20 krediter mot 1 för en snabb fråga: en spridning på 20 mot 1 som speglar tokenkostnaden bakom. Auto vägrar också slösa bort det. Ett nytt meddelande den klassificerar som en omskrivning eller ett uppslag går till 1- eller 2-krediters-nivån, och en uppföljning i en tråd som redan förtjänat resonemangsnivån stannar där, eftersom föregående vändas modell fungerar som ett golv. Så väljer Auto en modell har nivåtabellen med modellen bakom varje rad.
Så använder du tankeläge utan att betala för det överallt
Behandla tänkande som ett verktyg du tar fram, inte en inställning du lämnar påslagen.
- Använd den snabba modellen som standard. De flesta meddelanden är uppslag, omskrivningar och korta frågor. Tänkande lägger till sekunder och krediter och ändrar ingenting.
- Slå på det för den svåra vändan. När frågan har flera steg och ett kontrollerbart svar, flytta just det meddelandet till en reasoning model eller slå på tänkande, och flytta sedan tillbaka.
- Ge den begränsningarna i prompten. En reasoning model är som bäst när den har regler att kontrollera sin plan mot. "Måste rymmas inom 40 timmar, inga möten på fredagar, lanseringen är den 12:e" är den typen av prompt som förtjänar väntan.
- Läs arbetet när det visas. Kedjan är där modellen avslöjar ett felaktigt antagande. Om första steget är fel, är svaret fel oavsett hur länge den tänkte.
- Använd det inte för att kontrollera fakta. Använd sökning, ett dokument eller en andra modell för det. Vad är en AI-hallucination förklarar varför mer tänkande inte hjälper där.
Beslutsregeln i en mening: om du skulle vilja se någons resonemang innan du litar på deras svar, använd en reasoning model. Om du inte skulle det, betala inte för det.
- Behåll den snabba modellen som standard och ta fram tankeläge för den specifika svåra vändan
- Använd resonemang för matte, logik, planering med begränsningar och felsökning
- Hoppa över det för uppslag, omskrivningar, översättning och sammanfattningar, det är långsammare och inte bättre
- Lägg begränsningarna i prompten så modellen har något att kontrollera sin plan mot
- Verifiera fakta med sökning eller en andra modell, inte med en längre tankekedja
Vanliga frågor
Vad gör en reasoning model egentligen annorlunda?
Den skriver ut en kedja av mellansteg innan det slutgiltiga svaret, provar tillvägagångssätt, kontrollerar aritmetik och backar, allt som genererad text. En vanlig modell börjar skriva svaret direkt. Resonemanget är samma nästa-token-förutsägelse, spenderad under längre tid på problemet, vilket är varför det hjälper på flerstegsuppgifter och inte på uppslag.
Är tankeläge alltid bättre?
Nej. Vid faktauppslag, omskrivningar, översättning och vardagliga frågor är det långsammare, kostar fler tokens och förbättrar inte svaret. På enkla frågor kan en lång kedja prata bort modellen från ett korrekt första instinkt. Det är bättre vid matte, logik, planering under begränsningar och felsökning, där svaret har steg som kan kontrolleras.
Varför är tankeläge långsammare och dyrare?
Eftersom tänkandet är output-tokens, producerade en i taget, och output kostar fem till sex gånger så mycket som input hos alla större modeller. En vända som skriver 3 000 tokens arbete före ett 300-tokens svar genererar tio gånger så mycket output som det vanliga svaret och tar ungefär tio gånger så lång tid.
Vilka modeller är reasoning models?
OpenAIs o1 i september 2024 var den första allmänt tillgängliga, och DeepSeek R1 i januari 2025 publicerade receptet med öppna vikter. Sedan dess är reasoning oftast ett läge inuti GPT, Claude och Gemini snarare än en separat produkt, tillsammans med dedikerade rader som Kimi K2 Thinking. Whizi dirigerar flerstegsfrågor till sin resonemangsnivå automatiskt.
Hallucinerar en reasoning model mindre?
På flerstegsproblem, ja, eftersom den fångar sina egna aritmetik- och logikfel i kedjan. Om fakta, nej: en modell som inte vet något kommer att resonera sig fram till ett felaktigt svar med mer säkerhet. För fakta fungerar grounding med sökning eller ett dokument och en andra modells åsikt, en längre tankekedja gör det inte.
