Um modelo de raciocínio é um modelo de linguagem treinado para escrever passos intermediários antes de dar a resposta final. Esses passos ajudam a resolver problemas de vários passos com menos erros. Em troca, a resposta demora mais e gasta mais tokens do que a de um modelo que responde direto.
Uma pergunta do app. Escolha uma resposta.
Um modelo que raciocina se parece com alguém que...
Isso é responder sem rascunho. Um modelo que raciocina escreve passos intermediários antes da resposta final.
Escreve passos intermediários e depois a resposta. É uma analogia: não pensa como uma pessoa.
Não consulta uma resposta guardada: gera texto, e ao raciocinar também gera passos intermediários.
Uma forma de imaginar: alguém que faz as contas num rascunho antes de responder, em vez de dizer a primeira coisa que vem à cabeça. É só uma analogia. O modelo não pensa como uma pessoa: continua sendo um modelo de linguagem que gera texto, só que primeiro gera passos intermediários e depois a resposta.
Costuma ajudar quando a resposta depende de encadear passos: problemas de lógica, matemática, código difícil, planos com restrições ou decisões com várias condições. Para perguntas simples, um dado conhecido ou reescrever um texto, muitas vezes um modelo comum responde igualmente bem, mais rápido e mais barato. O seguro é testar com seus casos.
Escrever o rascunho leva tempo, porque a resposta é gerada token por token. E esses tokens de raciocínio são cobrados como saída mesmo quando não aparecem. Muitos desses modelos trazem um ajuste de effort para escolher quanto raciocinar: menos effort economiza tempo e dinheiro, mais effort pode ajudar em problemas difíceis.
Também não há garantia de acerto: um modelo de raciocínio pode errar, e um rascunho longo não torna verdadeiro o que ele diz. Cada provedor nomeia e configura esses modelos do seu jeito, então confira como funciona o que você vai usar.