Рассуждающие модели ИИ: как выбрать уровень усилий

Рассуждающие модели ИИ нужны там, где ошибочный вывод обходится дороже, чем ожидание более качественного ответа. Начните с настройки по умолчанию, указанной в документации: для рутинных задач снижайте уровень усилий, а для сложных решений повышайте. У GPT-6.1 Sol, Claude Opus 5.5 и Gemini 4 Argon по умолчанию задан уровень medium.

Описанные ниже настройки сверены с действующей документацией разработчиков 31 октября 2026 года. Важно различать три решения: какую модель выбрать, сколько работы ей поручить и какой объём генерации разрешить. Это отдельные настройки.

Что такое рассуждающие модели ИИ?

Прежде чем выдать ответ, рассуждающие модели генерируют промежуточные рассуждения, чтобы разобраться в задаче. Это по-прежнему большие языковые модели, или LLM, которые обрабатывают и генерируют токены — небольшие единицы текста и других данных модели. Дополнительные рассуждения помогают рассмотреть альтернативы, составить план и решить задачу, в которой одни шаги зависят от других. В руководстве OpenAI по рассуждающим моделям эта внутренняя работа описывается через токены рассуждения.

Представьте картографа, который прокладывает маршрут. Для простой поездки достаточно сразу указать направление. Для сложной придётся сделать черновые расчёты: проверить переправы, исключить перекрытые пути и пересмотреть маршрут. При этом клиент всё равно может получить короткую инструкцию. Разница — в объёме работы, которая за ней стоит.

Для основателя бизнеса это разница между редактированием письма клиенту и выбором способа перенести базу данных, сохранив доступ для действующих клиентов. В обоих случаях на выходе текст. Но только во втором требуется долго рассуждать с учётом взаимосвязанных ограничений.

Большие рассуждающие модели: возможности модели и уровень усилий — разные вещи

Выбрать более крупную или более сильную модель и повысить уровень усилий — разные решения. Смена модели меняет саму систему, которая выполняет работу. Повышая уровень усилий, вы просите уже выбранную модель выполнить больший объём работы над запросом. Ни то ни другое не восполняет недостающие сведения о бизнесе.

Проверяя влияние уровня усилий, не меняйте модель. Иначе будет непонятно, что улучшило результат: модель, настройка или оба фактора. Базовые термины разобраны в статье о том, что такое токены в ИИ.

Как работают рассуждающие модели?

Во время рассуждений модель генерирует токены, которые могут вообще не попасть в итоговый ответ. Модель может рассуждать до ответа и между вызовами инструментов, когда по результату работы инструмента решает, что делать дальше. В руководстве по режиму рассуждения Anthropic описывает эти варианты как предварительные рассуждения и рассуждения между вызовами инструментов.

OpenAI, Anthropic и Google для Gemini 4 Argon тарифицируют токены рассуждения как выходные — в том числе те, которых вы не видите.

На практике длина ответа плохо отражает объём выполненной работы. За короткой рекомендацией могут стоять долгие рассуждения. Более высокий уровень усилий обычно означает дополнительные затраты времени и сгенерированных токенов ради шанса получить лучший результат. Фиксированного времени ожидания или числа токенов он не гарантирует.

Жёсткий лимит выходных токенов — другая настройка. Параметры max_output_tokens у OpenAI, max_tokens у Claude и max_output_tokens у Gemini включают и рассуждения, и сам ответ. OpenAI и Google прямо предупреждают: если весь лимит уйдёт на рассуждения, генерация может завершиться без видимого ответа, оставив запрос невыполненным. См. лимиты генерации OpenAI, рассуждения Claude, лимиты токенов Gemini.

Современные рассуждающие модели ИИ: точные настройки API

В действующих API используются разные шкалы усилий и разные способы отключить рассуждения. Берите названия полей из документации именно того эндпоинта, к которому обращаетесь.

Таблица сравнивает совместимость настроек, а не качество моделей. Одинаковые слова в разных строках не означают одинаковый объём вычислений.

OpenAI: минимальный уровень GPT-6.1 Sol — low

Идентификатор модели OpenAI GPT-6.1 Sol — gpt-6.1-sol. В запросе Responses задайте для reasoning значение {"effort":"medium"}, чтобы явно указать настройку по умолчанию. Минимальный поддерживаемый уровень — low; значения none и minimal недопустимы. Для вызова инструментов требуется Responses API. См. документацию GPT-6.1 Sol.

В текущем каталоге OpenAI настройки рассуждения также есть у GPT-6 Astra, GPT-6.1 Terra и GPT-6 Luna. Terra и Luna поддерживают none наряду с low, medium, high, xhigh и max; шкала Astra начинается с low. Поэтому необходимость полностью отключить рассуждения может повлиять на выбор модели. См. каталог моделей OpenAI.

Если вы разрабатываете продукт, попробуйте low для локального изменения в коде и повышайте уровень, когда задача требует проследить взаимодействия в системе. Укажите, какие условия должны сохраняться и как проверить результат. OpenAI рекомендует давать чёткие инструкции и ограничения, а не требовать от модели письменно изложить цепочку рассуждений. См. рекомендации по работе с рассуждающими моделями.

В руководстве по настройке GPT-6.1 Sol разобрана организация работы с агентом. Для приложения есть отдельное руководство по ползунку рассуждения в ChatGPT.

Anthropic: у Claude Opus 5.5 нельзя отключить рассуждения

Идентификатор Anthropic Claude Opus 5.5 — claude-opus-5-5. Не передавайте thinking либо отправьте thinking: {"type":"adaptive"} — в обоих случаях модель использует адаптивные рассуждения, которые включены всегда. Для стандартного уровня усилий задайте output_config: {"effort":"medium"}. Значение thinking: {"type":"disabled"} или ручная настройка budget_tokens приведут к ошибке 400. См. изменения API Opus 5.5.

У Claude параметр усилий влияет на весь ответ, включая объяснения и вызовы инструментов. Он не сводится к бюджету скрытых токенов. При его снижении может меняться не только длительность рассуждений, но и тщательность работы агента с инструментами. См. документацию Anthropic по уровню усилий.

В актуальную основную линейку также входят Claude Fable 5.1, Claude Sonnet 5.5 и Claude Haiku 5.5 — все с поддержкой рассуждений. Но отключаются они по-разному: Sonnet принимает thinking: {"type":"between_tools"} на уровнях low, medium и high, чтобы пропустить предварительные рассуждения; Haiku на тех же уровнях принимает disabled. Не переносите конфигурацию Opus на другие модели семейства без проверки. См. актуальные модели Claude, настройки рассуждений.

Если агент работает без участия человека, проверьте, выполняет ли он необходимые проверки при снижении уровня усилий. Этот выбор подробнее разобран в руководстве по Opus 5.5 для агентов и программирования.

Google: в Gemini 4 Argon задаётся уровень, а не ручной бюджет рассуждений

Идентификатор Google Gemini 4 Argon — gemini-4-argon. В текущем Interactions API Google используется generation_config: {"thinking_level":"medium"}. Поддерживаются уровни low, medium и high; по умолчанию выбран medium. См. руководство по Gemini 4 Argon.

Если приложение всё ещё использует generateContent, нужное поле REST — generationConfig.thinkingConfig.thinkingLevel; в Python SDK используется thinking_config с thinking_level. В Argon старое поле thinkingBudget объявлено устаревшим: если передать только его, значение преобразуется в уровень с предупреждением; если передать его вместе с thinkingLevel, вернётся ошибка 400. Значение minimal не поддерживается. См. справочник Google по рассуждениям в generateContent.

Сейчас Google также указывает поддержку рассуждений у Gemini 3.8 Flash, Gemini 3.6 Flash и Gemini 3.5 Flash-Lite. Их настройки по умолчанию и допустимые уровни различаются, поэтому слово «Flash» не означает отсутствия рассуждений. См. каталог моделей Gemini, таблицу уровней рассуждений.

Если вы выбираете Argon для своего бизнеса, начните с типичной задачи и проверьте ответ, прежде чем повышать уровень. Более широкий вопрос внедрения разобран в обзоре Gemini 4 Argon.

DeepSeek: проверьте псевдоним модели и соответствие уровней усилий

Сейчас DeepSeek предоставляет DeepSeek-V4.1-Flash-1017 под идентификатором deepseek-flash, а DeepSeek-V4-Pro-0813 — под deepseek-v4-pro. Обе модели работают как с рассуждениями, так и без них. Именно эти версии сейчас указаны на странице моделей разработчика.

В Chat Completions параметр reasoning_effort принимает значения none, low, high и max. Если ни один из параметров управления не передан, рассуждения включены на уровне high. Явно заданный объект thinking: {"type":"enabled"} или thinking: {"type":"disabled"} имеет приоритет над тем, включает или отключает рассуждения поле усилий. Значения, принимаемые ради совместимости, преобразуются: minimal становится low, а medium и xhigh — high. См. справочник DeepSeek Chat Completions.

Это преобразование важно, если шлюз предлагает одинаковый список настроек для всех провайдеров. Выбор medium не создаёт у DeepSeek собственного среднего уровня. При работе с инструментами также сохраняйте возвращаемое поле reasoning_content, как указано в документации: если убрать его из последующих запросов с инструментами, можно получить ошибку 400. См. руководство DeepSeek по рассуждениям.

Выбор модели разобран в руководстве по семейству DeepSeek V4. При интеграции же первым делом проверьте, что переданная настройка действительно включает нужный режим.

Модели с рассуждениями и без: выбирайте под задачу

Повышайте уровень усилий, когда в задаче есть взаимосвязанные ограничения, альтернативные подходы или высокая цена ошибочного вывода. Снижайте его, когда преобразование понятно, а результат легко проверить. Если не хватает важных исходных данных, сначала предоставьте их, а уже потом повышайте уровень.

Для основателя компании, привлёкшей инвестиции: извлечь согласованные действия из предоставленной расшифровки встречи можно попробовать на пониженном уровне усилий. А вот разрешение конфликта в плане развития продукта между договорными обязательствами, возможностями команды и ограничениями по денежным средствам заслуживает более высокого уровня. Передайте реальные ограничения и попросите рекомендацию с допущениями и открытыми вопросами. Цель — улучшить решение, а не получить более длинную записку.

Для технического директора или опытного операционного руководителя компании среднего бизнеса: разделяйте стандартную классификацию обращений и обработку исключений. Обращению с очевидной категорией не стоит автоматически выделять столько же ресурсов на рассуждения, сколько неоднозначному случаю с несколькими противоречащими друг другу правилами. Тщательно оценивайте обработку исключений, а проверку полномочий оставляйте на стороне приложения. Высокий уровень усилий не даёт разрешения вернуть деньги или изменить учётную запись.

Для самостоятельного разработчика: используйте минимальный уровень, на котором модель надёжно выполняет локальную правку с чёткими требованиями. Повышайте его для плавающей ошибки, затрагивающей несколько сервисов, когда модели нужно выбрать между конкурирующими объяснениями. По возможности предоставьте логи и тест, воспроизводящий сбой. Если модель не видит проявления ошибки, дополнительные рассуждения могут лишь превратить догадку в более подробную версию той же догадки.

Кому стоит подождать: прежде чем делать высокий уровень усилий стандартом в рабочей системе, команда должна определить, какой результат считается правильным. Если существующий процесс с малой задержкой уже проходит все проверки, его можно сохранить, а исключения оценивать отдельно.

Какие ожидания от «думающих» нейросетей завышены?

Дополнительные рассуждения не гарантируют правильного ответа и не заменяют источник, которого модель не получила. Модель способна выстроить подробное обоснование вокруг ошибочной предпосылки. Проверяйте данные, расчёты или полученный результат независимо.

Видимое резюме рассуждений тоже не даёт полной истории для аудита. Anthropic прямо указывает, что отображаемые рассуждения — это краткое изложение, а не исходная цепочка; Google предоставляет через API краткие изложения рассуждений и подписи. Оценивайте итоговый ответ и проверяемые действия, а не кажущуюся глубину показанных рассуждений. См. вывод рассуждений Claude, вывод рассуждений Gemini.

Наконец, high — не универсальная оценка производительности. В таблице различаются шкалы, настройки по умолчанию и ограничения, а DeepSeek явно преобразует несколько значений. Сравнение провайдеров на одинаково названных уровнях усилий не доказывает, что они затратили одинаковое время или объём вычислений.

Просьба ответить кратко по-прежнему полезна: она ограничивает итоговый результат. Но это не команда отключить работу, которая предшествует ответу.

Как выбрать лучшую рассуждающую модель и минимальный достаточный уровень усилий

Лучшая настройка — самая дешёвая из тех, что надёжно дают приемлемый результат за время, которое вы готовы ждать. Сравнивайте модели на одной задаче с одинаковыми исходными данными, затем подбирайте уровень усилий внутри каждой модели. Общее сравнение актуальных моделей ИИ поможет с выбором модели, а настройку определит ваша рабочая нагрузка.

1. 1

   Определите критерии успешного результата

   Выберите повторяющуюся задачу с проверяемым результатом: изменение кода проходит регрессионные тесты, извлечённые данные совпадают с исходной записью, рекомендация учитывает все указанные ограничения. Включите сложные примеры, а не только самый простой сценарий без осложнений.

2. 2

   Меняйте уровень усилий, сохраняя остальные условия

   Не меняйте промпт, исходные данные, инструменты и лимит генерации. Сравните настройку по умолчанию из документации с ближайшими поддерживаемыми уровнями ниже и выше. Для ответственных задач повторяйте прогоны, чтобы выбор конфигурации не зависел от одного удачного ответа.

3. 3

   Оценивайте задачу целиком

   Фиксируйте успешность, полное время выполнения, число сгенерированных токенов, повторные попытки и ручные исправления. OpenAI возвращает usage.output_tokens_details.reasoning_tokens, а Gemini Interactions — usage.total_thought_tokens. Читайте поля статистики с учётом конкретного API: не стоит предполагать, что все провайдеры считают расход одинаково. См. статистику расхода OpenAI, статистику расхода Gemini.

4. 4

   Повышайте уровень только для нужных случаев

   Сохраняйте минимальный уровень, который проходит проверки. Заведомо сложные случаи направляйте на более высокий уровень, а перед повторной попыткой разбирайте причины неудачи: недостающие данные нужно предоставить, тогда как сложному выводу могут помочь дополнительные усилия. Не повышайте уровень для всех запросов только потому, что один сложный пример стал лучше.

Что сделать в понедельник: возьмите повторяющийся процесс, который сейчас всегда использует один уровень усилий, определите критерий приёмки и сравните настройки на сохранённых примерах. Меняйте настройку по умолчанию, только если совокупный результат это оправдывает. Если улучшения нет, оставьте более простую конфигурацию.

Частые вопросы

Какие 7 типов рассуждения существуют?

Этот вопрос относится к классификациям рассуждений, например к дедукции и индукции. С настройками модели это напрямую не связано: у основных API нет общей универсальной шкалы из семи уровней рассуждения. Используйте значения, которые поддерживают конкретная модель и эндпоинт.

Как ИИ рассуждает?

Рассуждающая модель генерирует промежуточные рассуждения, чтобы разобраться в задаче до ответа, и может продолжать их между вызовами инструментов. Эта дополнительная работа способна улучшить результат в сложной задаче, но увеличивает объём генерации и время ожидания.

Какие 5 основных моделей ИИ существуют?

Фиксированного стандарта из пяти моделей нет. В этой статье рассмотрены пять актуальных примеров: GPT-6.1 Sol, Claude Opus 5.5, Gemini 4 Argon, DeepSeek-V4.1-Flash-1017 и DeepSeek-V4-Pro-0813. Их разработчики описывают разные настройки, поэтому выбирать нужно под задачу, а не под заданное количество.

Какая GPT лучше всего подходит для рассуждений?

OpenAI позиционирует GPT-6 Astra как свою наиболее сильную модель, а GPT-6.1 Sol — как баланс возможностей и стоимости. Это позиционирование разработчика, а не гарантия результата в вашей задаче. Сравните результаты и уровни усилий по своим критериям приёмки. См. каталог моделей OpenAI.

Какая модель ИИ лучше всего рассуждает?

Эта статья не устанавливает победителя, который был бы лучшим при любой нагрузке. Сравнивайте актуальные модели на одинаковых данных, с одинаковыми проверками и требованиями к завершению задачи. Учитывайте время, повторные попытки и сгенерированные токены.

Какие модели ИИ хорошо решают логические задачи?

Рассмотреть стоит актуальные рассуждающие модели OpenAI, Claude, Gemini и DeepSeek. Для задач с большой логической нагрузкой явно задавайте ограничения и по возможности проверяйте вывод независимым расчётом, тестом или источником.

ChatGPT — это рассуждающая модель?

ChatGPT — приложение. Способность рассуждать определяется моделью и её конфигурацией внутри него. Настройки рассуждений в приложении и поля усилий в API — разные интерфейсы. Для работы в приложении воспользуйтесь руководством по ползунку, ссылка на которое приведена выше.

Подпишитесь на рассылку, чтобы получать практические рекомендации по выбору и использованию инструментов ИИ.