Словарь ИИ

Что такое рассуждающая модель

Коротко

Рассуждающая модель (reasoning model) это языковая модель, которая перед ответом пишет для себя ход решения и тратит на сложную задачу больше времени и вычислений.

Языковые модели · reasoning model

Михаил МозгПроверено: 16 октября 20261 минута чтения

Ребенку

Когда учитель дает трудную задачку, одни ребята сразу выкрикивают ответ и часто ошибаются. Другие берут черновик, пишут, что известно, считают по шагам и проверяют себя. Ответ у них появляется позже, зато правильный. Есть нейросети, которые тоже сначала пишут в черновике и только потом отвечают.

Простыми словами

Обычная языковая модель отвечает сразу, слово за словом. Рассуждающая сначала проговаривает решение про себя: разбивает задачу на шаги, пробует вариант, замечает ошибку, возвращается. Этот черновик бывает длиннее самого ответа, а пользователь видит его целиком, кратко или не видит вовсе. Чем сложнее вопрос, тем дольше модель думает. Такие модели сильнее в математике, программировании, логике и задачах, где нужно сопоставить много условий. На простой вопрос вроде перевода слова они тратят лишнее время.

Для бизнеса

Такие модели берут на себя задачи, где раньше нужен был аналитик: сверить договор с регламентом, найти ошибку в расчете, спланировать многошаговую работу агента. Но черновые размышления тоже оплачиваются: каждый скрытый токен идет в счет как часть ответа, поэтому один запрос может стоить в разы дороже и идти десятки секунд. Для чата поддержки это часто лишнее. Разумная схема: простые вопросы отдавать быстрой модели, сложные отправлять к думающей. Перед выбором сравните цену и время ответа на десятке своих типовых задач, а не по общим рейтингам. Цены разных моделей за миллион токенов собраны в одной таблице.

Для специалиста

Рассуждающая модель (reasoning model, large reasoning model) это LLM, которую обучают генерировать длинную цепочку рассуждений (chain of thought) до финального ответа и масштабировать вычисления в момент ответа (test-time compute). Ключевой метод: обучение с подкреплением (reinforcement learning) с проверяемой наградой на задачах, где правильность можно проверить автоматически: математика, код, тесты. Системная карта OpenAI o1 (2024) описывает серию моделей, которых крупномасштабным RL учили рассуждать цепочкой мыслей до ответа. В работе DeepSeek-AI (2025) версия R1-Zero научилась рассуждать чистым RL, без предварительного дообучения на размеченных примерах (SFT); у нее появились самопроверка и смена стратегии, а итоговая DeepSeek-R1 перед RL получила стартовые примеры и многоэтапное обучение. Навыки крупной модели затем переносят в малые через дистилляцию. Ограничения: рост задержки и числа токенов, избыточное обдумывание простых задач (overthinking), неполная достоверность видимого рассуждения как объяснения.

Пример

Финансовый отдел просит модель проверить, сходится ли сводная таблица с первичными данными. Обычная модель за секунду отвечает «да», рассуждающая полминуты сверяет строки и находит две записи, посчитанные дважды.

Связанные термины

Вопросы и ответы

Чем рассуждающая модель отличается от обычной?

Обычная модель отвечает сразу. Рассуждающая сначала строит ход решения, проверяет себя и только потом отвечает, поэтому точнее на сложных задачах, но медленнее и дороже.

Когда стоит использовать рассуждающую модель?

Когда задача многошаговая: расчеты, анализ документов, код, планирование. Для коротких ответов клиентам и простых справок быстрая обычная модель дешевле и справляется не хуже.

Источники

Где это применяют в компании

Сравнение цен API нейросетей в рублях

Не уверены, нужно ли это вашей компании?

Карта ИИ-решений