Що таке reasoning model (модель з міркуванням)?

Reasoning model думає токенами, перш ніж відповідати токенами

Задайте звичайній моделі складне питання, і вона одразу почне писати відповідь. Усе її "мислення" відбувається всередині мережі між читанням запиту і появою першого слова.

Reasoning model навчена робити інакше: спершу виписати ланцюжок міркувань, часто тисячі токенів, і лише потім дати відповідь. Ці міркування це текст, який модель генерує сама для себе. Вона пробує підхід, помічає протиріччя, повертається назад, перевіряє обчислення і зрештою вирішує. Більшість продуктів приховують цей ланцюжок або показують його стислий підсумок, називаючи все це "мисленням".

Це мислення це те саме передбачення наступного токена, яке описує що таке LLM, тільки спрямоване на задачу довше. Reasoning model це мовна модель, яку навчили за допомогою навчання з підкріпленням на задачах з перевірними відповідями витрачати більше токенів перед тим, як дати відповідь. Тому вона найбільше допомагає там, де хід міркувань можна перевірити, і найменше там, де перевіряти нічого.

Звідки взялась ідея, у трьох датах

У січні 2022 року Джейсон Вей та колеги з Google показали, що додавання в запит кількох розв'язаних покроково прикладів підвищує результати моделі в математиці й логіці. Це назвали chain-of-thought prompting, і воно спрацювало, бо виписування кроків давало моделі більше токенів, а отже й більше обчислень, на кожну задачу.

У вересні 2024 року OpenAI випустила o1, першу широко доступну модель, навчену робити це за замовчуванням, а не на запит. Навчання з підкріпленням за нею винагороджувало ланцюжки, що вели до правильних відповідей у математиці й коді, тож модель сама навчилась генерувати довгі, самокоригувальні міркування.

У січні 2025 року DeepSeek випустила R1 з відкритими вагами та статтею, що описувала рецепт навчання, тож будь-яка лабораторія могла відтворити цей підхід. Протягом року міркування стало режимом, а не окремою моделлю: перемикачем усередині GPT, Claude і Gemini, а також родиною окремих рядків на кшталт Kimi K2 Thinking у ширшому каталозі.

Коли мислення окупається, а коли це чиста витрата

Закономірність однакова на кожному бенчмарку й у кожній реальній задачі: міркування допомагає пропорційно до кількості кроків у задачі й до того, наскільки перевірною є відповідь.

Дві чесні межі. Мислення не усуває вигадування фактів: модель, яка не знає столицю країни, з упевненістю доміркується до неправильної. А довгі ланцюжки можуть піти не туди, куди коротка відповідь не піде: модель відмовляється від правильного першого інстинкту. На легких питаннях довгий ланцюжок іноді закінчується гірше, ніж перша відповідь звичайної моделі.

У що обходиться мислення: токени, секунди й кредити

Ланцюжок міркувань це вихідні токени, дорожчий тип, і що таке токени в ШІ показує, що вихід коштує у п'ять шість разів дорожче за вхід у кожній основній моделі. Хід на 3000 токенів міркувань перед відповіддю на 300 токенів згенерував у десять разів більше виходу, ніж звичайна відповідь. Він також займає приблизно у десять разів більше часу, бо вихід генерується токен за токеном.

Рейтинги тепер напряму оцінюють цей регулятор. Artificial Analysis оцінює кожну модель на кожному рівні зусиль, який відкриває її постачальник, тож ця надбавка вимірна: та сама модель, на найнижчому й найвищому рівні мислення, з показником Intelligence Index над кожним кінцем. Три драбини нижче зафіксовані 2026-09-17.

Якщо нанести на графік кожен рівень, криві перетинаються повчальним чином. GPT-6 Astra досягає 53 балів за $2.31 за мільйон токенів; Claude Fable 5.1 досягає тих самих 53 балів за $5.98. Claude Opus 5 на максимальних зусиллях виходить на 51, на два бали нижче обох, за $5.86. Зусилля дають бали на кожній кривій, і саме те, на якій кривій ви перебуваєте, визначає, скільки ці бали коштують.

Автомаршрутизатор Whizi перетворює це на фіксовану ціну, яку видно наперед. Auto читає кожне повідомлення й надсилає його на одну з шести сходинок; сходинка визначає вартість у кредитах, і багатокрокове міркування стоїть на найвищій сходинці в Powerhouse. Pro доходить максимум до сходинки коду за 10 кредитів, а Starter лишається на домашній моделі за 1.

Хід з мисленням коштує 20 кредитів проти 1 за швидке питання: розрив 20 до 1, що відображає вартість токенів під ним. Auto також не витрачає це даремно. Нове повідомлення, яке він класифікує як переписування чи пошук факту, йде на сходинку за 1 або 2 кредити, а наступне повідомлення в гілці, що вже отримала сходинку міркування, лишається там, бо модель попереднього ходу діє як нижня межа. Як Auto обирає модель містить таблицю сходинок з моделлю за кожним рядком.

Як користуватись режимом мислення, не платячи за нього всюди

Ставтесь до мислення як до інструмента, до якого звертаєтесь, а не налаштування, яке лишаєте увімкненим.

1. За замовчуванням використовуйте швидку модель. Більшість повідомлень це пошук фактів, переписування і короткі питання. Мислення додає секунди й кредити і нічого не змінює.
2. Вмикайте його на складному ході. Коли питання має кілька кроків і перевірну відповідь, перенесіть саме це повідомлення на reasoning model або увімкніть мислення, а потім поверніться назад.
3. Давайте обмеження прямо в запиті. Reasoning model показує себе найкраще, коли має правила, з якими звіряти свій план. "Має вміститись у 40 годин, без зустрічей по п'ятницях, запуск 12-го" це саме той запит, що вартує очікування.
4. Читайте хід міркувань, коли він показаний. Саме в цьому ланцюжку модель виявляє неправильне припущення. Якщо перший крок неправильний, відповідь неправильна, скільки б часу вона не думала.
5. Не використовуйте це для перевірки фактів. Для цього беріть пошук, документ або другу модель; що таке галюцинація ШІ пояснює, чому більше мислення тут не допомагає.

Правило рішення в одному реченні: якщо ви хотіли б побачити чийсь хід міркувань, перш ніж довіряти відповіді, використовуйте reasoning model. Якщо ні, не платіть за неї.