Что значит «модель рассуждает»
Обычная языковая модель отвечает сразу: первый же сгенерированный токен уже часть ответа. Рассуждающая модель сначала пишет черновик. В нём она разбивает задачу на шаги, пробует варианты, замечает ошибки и возвращается назад. Только после этого появляется итоговый ответ.
Сам приём известен давно. В 2022 году исследователи Google показали, что фраза вроде «давай подумаем шаг за шагом» в промпте заметно улучшает решение арифметических задач. Этот эффект назвали chain-of-thought, цепочкой рассуждений. Разница в том, что рассуждающие модели не ждут подсказки: длинное размышление встроено в них обучением.
Важно понимать, чем это не является. Модель не получает доступа к новым знаниям и не «осознаёт» задачу. Она тратит больше вычислений на один ответ, генерируя промежуточный текст, который помогает ей прийти к правильному результату.
Как их обучают
Ключевой инструмент: обучение с подкреплением на задачах с проверяемым ответом. Модели дают задачу по математике или программированию, она пишет рассуждение и ответ, а автоматическая проверка сообщает, верен ли результат. Правильные траектории поощряются, неправильные нет.
Наиболее подробно процесс описала DeepSeek в работе о модели R1, вышедшей в январе 2025 года. Компания показала, что навык длинного рассуждения, самопроверки и возврата к ошибочным шагам может возникать из одного лишь подкрепления за правильный ответ. Веса R1 были опубликованы под свободной лицензией MIT, что позволило другим лабораториям воспроизвести подход.
- Проверяемые награды. Ответ к задаче известен или код проходит тесты, поэтому оценка не требует человека.
- Длина как ресурс. Исследователи наблюдали, что по мере обучения модели сами начинают писать более длинные рассуждения на трудных задачах.
- Дистилляция. Рассуждения большой модели используют для обучения маленьких, и те перенимают часть навыка.
Вместе с o1 OpenAI в сентябре 2024 года сформулировала важное наблюдение: качество ответа растёт не только от объёма обучения, но и от вычислений, потраченных во время ответа. Это направление называют масштабированием на этапе вывода (test-time compute). Чем дольше модели позволяют думать, тем выше в среднем точность на трудных задачах, хотя прирост постепенно замедляется.
Кто и как реализовал «размышление»
Подходы компаний похожи по сути, но отличаются тем, что видит пользователь и как управляется глубина.
| Семейство | Старт | Что видно пользователю | Как управлять глубиной |
|---|---|---|---|
| OpenAI o1, o3, GPT-5 Thinking | сентябрь 2024 | краткое изложение размышлений, исходная цепочка скрыта | параметр reasoning effort |
| DeepSeek-R1 | январь 2025 | полный текст размышлений | отдельного регулятора на старте не было |
| Claude с extended thinking | февраль 2025 | текст размышлений, в новых моделях в сжатом виде | сначала бюджет токенов, затем уровень усилия |
| Gemini 2.5 и новее | март 2025 | краткое изложение мыслей | бюджет, затем уровень размышления |
Летом 2025 года OpenAI выпустила GPT-5 с маршрутизатором, который сам решает, ответить быстро или включить глубокий режим. Реакция пользователей на такое автоматическое переключение оказалась неоднозначной, мы писали об этом в материале о том, почему GPT-5 показался некоторым «глупее».
Когда размышление действительно помогает
Выигрыш сильно зависит от типа задачи. Наш практический ориентир такой.
- Помогает: многошаговая математика, поиск ошибки в коде, планирование работы агента, анализ договора по чек-листу, задачи с жёсткими ограничениями.
- Почти не помогает: перевод, пересказ, генерация простого текста, ответы на фактические вопросы, где модель либо знает факт, либо нет.
- Может навредить: диалоговые сценарии, где важна скорость, и простые классификации. Модель иногда «передумывает» очевидное и уходит в сторону.
Именно на рассуждающих моделях держатся современные агенты для программирования: им нужно спланировать правку, прочитать код и проверить результат. Как это устроено, мы разбирали в статье об ИИ-агентах для кода.
Промпты для таких моделей тоже пишутся иначе. Подробные инструкции «сначала сделай одно, потом другое» обычно не нужны и иногда мешают: модель сама строит план. Полезнее чётко описать цель, ограничения, формат результата и критерии, по которым ответ будет считаться верным. Примеры по-прежнему помогают, если задача нестандартная.
Сколько это стоит
Размышление не бесплатно. У OpenAI и Anthropic токены рассуждения тарифицируются по цене выходных токенов, а выходные токены обычно в несколько раз дороже входных. На сложной задаче модель может написать тысячи и даже десятки тысяч токенов черновика, прежде чем выдаст абзац ответа.
- Деньги. Счёт за один запрос может вырасти на порядок по сравнению с обычным режимом.
- Время. Ответ приходит через десятки секунд или минуты, а не мгновенно.
- Непредсказуемость. Длина размышления заранее неизвестна, поэтому бюджет сложнее планировать.
Чтобы держать расходы под контролем, команды обычно комбинируют несколько мер: ставят низкий уровень усилия по умолчанию, ограничивают максимальную длину ответа, отправляют простые запросы в быструю модель, а сложные в рассуждающую, и кэшируют повторяющиеся части промпта. Такая маршрутизация часто экономит больше, чем переход к более дешёвому поставщику.
Именно так дешевеющий токен сочетается с растущими счетами: моделям просто нужно больше токенов на задачу. Этот парадокс редакция подробно разбирала в посте о экономике инференса. Отчасти его смягчает архитектура: на смеси экспертов построены многие рассуждающие модели, и каждый их токен обходится дешевле.
Можно ли доверять цепочке рассуждений
Видимое рассуждение подкупает: кажется, что можно проследить логику модели. Но исследования, в том числе работа Anthropic 2025 года, показали, что текст размышлений не всегда честно отражает, на что модель на самом деле опиралась. Например, модель может воспользоваться подсказкой из промпта и не упомянуть об этом в рассуждении.
Практический вывод простой: рассуждение полезно для отладки промпта, но не заменяет проверку результата. Ответ в коде нужно прогонять тестами, вычисления перепроверять, а выводы по документам сверять с источником.
Есть и обратная сторона. Длинное рассуждение не защищает от галлюцинаций: модель может уверенно построить цепочку на неверной посылке и прийти к убедительному, но ошибочному выводу. Кроме того, в черновике размышлений иногда оказываются фрагменты исходных данных, поэтому при работе с конфиденциальными документами стоит проверить, где и как долго поставщик хранит эти токены.
Что изменилось с тех пор
К ноябрю 2026 года граница между «обычными» и «рассуждающими» моделями почти исчезла. Флагманы крупных лабораторий умеют работать в обоих режимах, а глубину размышления задают уровнем усилия: от минимального до максимального. Фиксированные бюджеты в токенах постепенно уступают место адаптивному режиму, в котором модель сама решает, сколько думать над конкретным запросом.
Для пользователя это значит, что выбор модели сменился выбором настройки. Начинать стоит с низкого усилия и повышать его, только если качество не устраивает. Новые релизы и бенчмарки мы отслеживаем в рубрике «Технологии ИИ».
Вопросы и ответы
Чем рассуждающая модель отличается от обычной?
Перед ответом она генерирует длинный промежуточный текст: разбивает задачу на шаги, проверяет варианты и исправляет ошибки. Этому её специально обучают с подкреплением. Обычная модель начинает отвечать сразу и тратит на запрос заметно меньше вычислений.
Почему рассуждающие модели дороже?
Токены размышления оплачиваются как выходные, хотя пользователь часто видит только их краткое изложение. На трудной задаче таких токенов может быть в десятки раз больше, чем в самом ответе, поэтому стоимость и время ответа заметно растут.
Стоит ли всегда включать максимальный режим размышления?
Нет. Для перевода, пересказа или простых вопросов глубокое размышление почти не улучшает результат, но увеличивает цену и задержку. Разумно начинать с низкого уровня усилия и повышать его только для задач, где модель ошибается.
Можно ли увидеть, как модель рассуждает?
Зависит от поставщика. DeepSeek-R1 показывает рассуждение полностью, OpenAI и Google отдают краткое изложение, Anthropic в новых моделях показывает сжатую версию. Даже полный текст не гарантирует, что модель описала все факторы, повлиявшие на ответ.



