Reasoning-модели

ДЛЯ НОВИЧКОВ

Всем

---

Reasoning-модели (рассуждающие LLM) — чат-модели, которые перед финальным ответом генерируют длинную цепочку промежуточных шагов: "Шаг 1… Шаг 2… Следовательно…". Примеры — OpenAI o-series (o1, o3, o4-mini), DeepSeek-R1, режимы extended thinking у Claude и Gemini.

Базовая теория LLM — большие языковые модели. Про "думает ли модель как человек" — мифы и реальность. Цены и thinking tokens — сколько стоит ИИ.

Термины

LLM (large language model) — большая языковая модель; предсказывает следующий токен текста.
CoT (Chain-of-Thought) — приём "решай по шагам" в промпте или в обучении модели.
Thinking tokens — служебные токены рассуждения; часто тарифицируются отдельно и увеличивают счёт.
Latency — задержка ответа; у reasoning-моделей она выше, чем у обычного чата.
RLHF (reinforcement learning from human feedback) — дообучение модели по оценкам людей.
Tool — внешняя функция (калькулятор, API), которую модель вызывает через код.

---

Как устроены reasoning-модели

Reasoning — это метод обучения и генерации, отдельный "разум" в коробке:

• модель дольше пишет промежуточные шаги (длинный CoT);
• на математике и логике её донастраивают (RLHF, preference tuning) — за правильные цепочки дают "награду";
• на один запрос уходит больше токенов → выше цена и задержка.

Модель по-прежнему предсказывает токены по статистике. "Рассуждение" — устойчивый текстовый паттерн из обучающих данных и специального обучения, а не внутренний монолог сознательного агента.

У части API блок thinking скрыт от пользователя; у DeepSeek-R1 его иногда показывают отдельно от финального ответа.

От обычного CoT в промпте к reasoning-модели

Подход	Кто пишет цепочку	Где живёт логика
CoT в промпте	Вы просите "по шагам"	В вашем тексте
Self-consistency	Модель × N прогонов	Постобработка в коде
Reasoning-модель	Модель сама генерирует thinking	Внутри обучения + inference

Reasoning-модель экономит вам инженерию промпта на сложных задачах, но берёт плату токенами и временем.

Что происходит в одном запросе (пошагово)

Шаг 1. API получает system + user message.

Шаг 2. Модель начинает генерировать thinking — текст, который пользователю может не показывать.

Шаг 3. Модель завершает thinking и переходит к финальному ответу.

Шаг 4. Биллинг считает input + output (thinking обычно в output).

Шаг 5. Ваш код парсит только финальный блок (если thinking скрыт).

Подробнее про параметры длины — 118.

---

История и линейка продуктов (упрощённо)

Период	Событие	Смысл для разработчика
2022	Chain-of-Thought в промпте	Можно улучшить chat без новой модели
2023–2024	Self-consistency, ReAct	Агенты + tools
2024	OpenAI o1	Reasoning "из коробки" в API
2025	o3, o4-mini, DeepSeek-R1	Конкуренция, падение цены на reasoning
2025+	Extended thinking у Claude/Gemini	Несколько режимов в одном продукте

Официальные страницы (проверяйте актуальные названия моделей):

• OpenAI models
• DeepSeek API
• Anthropic Claude
• Google Gemini

---

Сравнение с обычным чатом

	Обычный GPT-4o / Claude Sonnet	Reasoning (o-series, R1)
Скорость	Быстрее (секунды)	Медленнее (секунды–минуты)
Стоимость	Ниже	Выше (thinking-токены в счёте)
Математика, логика, олимпиадные задачи	Хорошо с CoT в промпте	Часто лучше "из коробки"
Черновик текста, перефраз	Отлично	Избыточно и дорого
Строгий JSON для API	Удобно через structured output	Не всегда лучший выбор
SLA чат-бота	Подходит	Риск timeout
Batch offline	Дешёвые модели	Дорого на 10k строк

Reasoning имеет смысл для многошаговых проверяемых задач (алгоритм, разбор legacy-кода). Для "напиши письмо" достаточно обычной chat-модели — см. как выбрать модель и стоимость.

---

Как получить похожий эффект без reasoning-модели

До o-series и R1 те же идеи давали промпт и архитектура:

Метод	Суть	Стоимость
Chain-of-Thought	В промпте явно просите "решай по шагам"	+output токены
Self-consistency	Несколько прогонов, выбор частого ответа	×N запросов
ReAct	Чередование "мысль → вызов инструмента → результат"	tools + несколько шагов
Калькулятор / код	Точная арифметика через function calling	дешевле reasoning
Decomposition	Разбить задачу на подзадачи в коде	инженерия

В продакшене часто дешевле связка "обычная LLM + tools + калькулятор", чем reasoning на каждый запрос.

Пример промпта CoT (без reasoning-модели)

Реши задачу по шагам.
Шаг 1 — выпиши данные.
Шаг 2 — формула.
Шаг 3 — вычисление.
Шаг 4 — ответ одной строкой.
Задача: ...

Шаблоны — Prompt engineering — библиотека.

---

Когда reasoning уместен

Подходит

• сложная отладка алгоритма без готовых тестов;
• многошаговая логика (головоломки, соревновательные задачи);
• разбор незнакомого кода, где нужен план, а не однострочный патч;
• архитектурный brainstorm с последующей фиксацией человеком;
• задачи, где нет готового tool, но есть время на ревью.

Лучше выбрать другой подход

• ответы по документам — сначала RAG, а не "думать вместо базы";
• юридические и медицинские выводы без эксперта;
• чат поддержки с жёстким SLA по времени ответа;
• массовый batch, где thinking-токены съедят бюджет — см. стоимость;
• строгий JSON для интеграции — structured output;
• простая арифметика — калькулятор.

---

Ограничения

1. Галлюцинация в thinking-блоке — уверенная, но неверная цепочка; финальный ответ следует из ошибки.
2. Арифметика — 17×23 надёжнее через calc или tool, чем через prose модели.
3. Скрытые токены — сложнее понять, где модель "сошла с rails".
4. Смена версии модели — меняет длину thinking без предупреждения.
5. Timeout — reverse proxy обрывает долгий ответ.
6. Непредсказуемый счёт — thinking длина плавает.

Проверяйте результат, не красоту рассуждения — критический анализ.

---

Аппаратный потолок современных LLM

Для новичка полезно держать простую картину. В больших LLM много времени уходит на движение данных внутри системы. Сами вычисления тоже важны, но итоговая скорость часто упирается в то, как быстро передаются веса и активации.

Термины этого блока

• FLOPS — количество операций с плавающей точкой в секунду, "сырая" вычислительная мощность;
• HBM — быстрая память рядом с GPU;
• шина данных — канал, по которому компоненты передают данные;
• interconnect — высокоскоростное соединение между ускорителями и узлами;
• инференс — запуск уже обученной модели на пользовательском запросе;
• MoE (Mixture of Experts) — архитектура, где для одного токена активируется только часть "экспертов", а не вся сеть.

Что происходит на практике

• модель читает веса из памяти;
• модель выполняет слой или группу слоёв;
• промежуточные активации и новые данные передаются дальше по тракту памяти;
• цикл повторяется много раз до финального токена.

Где возникает ограничение

• пропускная способность HBM;
• задержки при обмене между устройствами через interconnect;
• скорость подгрузки весов с локального накопителя в специализированных схемах;
• качество компилятора и планировщика, которые раскладывают граф вычислений по памяти и устройствам.

Почему обсуждают разреженные схемы

• активируются только нужные блоки модели;
• уменьшается объём вычислений на каждый токен;
• снижается часть трафика в памяти при хорошем маршрутизаторе;
• появляется шанс запускать более крупные модели на том же железе.

В итоге конкуренция в железе и инфраструктуре усиливается вокруг памяти и передачи данных. Поэтому растёт роль специалистов по FPGA и схемотехнике. Их задачи включают новые контроллеры памяти, новые схемы interconnect и более эффективную организацию инференса под ИИ-нагрузки.

См. также

• Семь слоев LLM-стека
• Как выбрать модель и где ее запускать
• Сколько стоит ИИ

---

Тарификация и thinking tokens

Thinking tokens попадают в output (или отдельную строку прайса). Один короткий вопрос может породить тысячи thinking tokens.

Формула стоимости одного запроса

cost ≈ (input_tokens × price_in + (thinking_tokens + answer_tokens) × price_out) / 1_000_000

Цены меняются — сверяйте прайс провайдера. Метод расчёта — 126.

Сравнительная таблица (ориентиры, не оферта)

Модель (класс)	Input $/1M	Output $/1M	Thinking	Типичный запрос
Chat mini	0.10–0.30	0.40–1.20	нет	$0.0003–0.002
Chat flagship	1.50–5.00	6.00–15.00	нет	$0.01–0.05
Reasoning mid	1.00–3.00	4.00–12.00	в output	$0.03–0.15
Reasoning top	3.00–15.00	12.00–60.00	в output	$0.10–0.50+

Пример A. Задача по логике, input 400 токенов, thinking 6000, ответ 300. При $3 / $12 за 1M:

input  = 400 × 3 / 1e6   = $0.0012
output = 6300 × 12 / 1e6 = $0.0756
total  ≈ $0.077

Пример B. Тот же вопрос chat-модели с CoT в промпте, output 800:

input  = 500 × 0.15 / 1e6 = $0.000075
output = 800 × 0.60 / 1e6 = $0.00048
total  ≈ $0.0006

Reasoning дороже в ~100× на этом примере — оправдан, только если chat стабильно ошибается.

Пример C. 200 reasoning-запросов в месяц для команды

Метрика	Значение
Запросов	200
Средний cost	$0.08
Итого	$16/мес

Тот же объём на chat + tools может быть $2–5, если tools закрывают математику.

Пример D. Prod-бот с reasoning "по умолчанию" (антипаттерн)

Метрика	Значение
Запросов/день	1000
$/запрос	$0.06
Дней	30
Итого	$1800/мес

Исправление: router — 95% на mini chat, 5% на reasoning по флагу needs_deep_reasoning.

---

Примеры API

OpenAI o-series (Responses / Chat Completions)

Актуальные имена моделей — в документации OpenAI. Пример структуры запроса (Python, openai SDK):

from openai import OpenAI

client = OpenAI()  # OPENAI_API_KEY из окружения

response = client.chat.completions.create(
    model="o4-mini",  # замените на актуальное имя из docs
    messages=[
        {"role": "system", "content": "Ты помощник. Отвечай кратко после внутреннего анализа."},
        {"role": "user", "content": "Сколько раз встречается буква 'а' в слове 'abracadabra'? Покажи только финальный ответ."},
    ],
    max_completion_tokens=8000,
)

print(response.choices[0].message.content)
print(response.usage)

Поле usage.completion_tokens включает thinking + финальный текст. Логируйте каждый запрос — 126.

Больше примеров HTTP — lab/Примеры/1149.

DeepSeek-R1

DeepSeek API совместим по форме с OpenAI. Модель deepseek-reasoner возвращает reasoning_content и content:

from openai import OpenAI

client = OpenAI(
    api_key="YOUR_DEEPSEEK_KEY",
    base_url="https://api.deepseek.com",
)

resp = client.chat.completions.create(
    model="deepseek-reasoner",
    messages=[
        {"role": "user", "content": "Докажи, что сумма первых n нечётных чисел равна n². Финальный ответ — одним абзацем."},
    ],
)

msg = resp.choices[0].message
# reasoning_content может быть доступен как доп. поле — см. актуальную docs
print("Answer:", msg.content)
print("Usage:", resp.usage)

R1 часто дешевле западных reasoning на сопоставимых задачах — пересчитывайте на ваших бенчмарках.

Claude extended thinking

У Anthropic режим thinking включается параметрами API (см. docs). Смысл тот же — отдельный budget на внутренние токены.

Gemini thinking

Google Gemini 2.x family поддерживает режимы с расширенным "размышлением" — см. Gemini API.

---

Router. Когда включать reasoning

Псевдокод router:

def route(user_text: str) -> str:
    if is_faq(user_text):
        return "gpt-4o-mini"
    if needs_exact_math(user_text):
        return "gpt-4o-mini+tools"
    if user_text.startswith("/deep"):
        return "o4-mini"
    return "gpt-4o-mini"

Флаг /deep или кнопка в UI — явное согласие пользователя на медленный и дорогой режим.

---

Практические рекомендации

Задача	Подход	Почему
Домашка по математике	Reasoning или CoT + ручная проверка	Учебный разбор шагов
Калькулятор в приложении	Tool/API	Точность
Code review	Сильный chat + тесты — 117	Reasoning избыточен
Архитектурный brainstorm	Reasoning; решение фиксирует человек	План, не прод
Support FAQ	RAG + mini	SLA и цена
Олимпиадная задача	Reasoning	Многошаговая логика
Генерация маркeting текста	Chat	Скорость

Параметры генерации — 118.

---

Кейсы из практики

Кейс 1. Алгоритмическая задача в интервью

Контекст. Кандидат использует o1 для live coding.

Плюс. План решения сильнее, чем у chat без CoT.

Минус. Latency 30–90 сек — интервьюер ждёт.

Вывод. Для интервью — chat + озвучивание шагов человеком; reasoning — для домашней подготовки.

Кейс 2. SQL-оптимизация

Контекст. Reasoning-модель предложила переписать запрос с CTE.

Проверка. EXPLAIN ANALYZE на staging — план хуже оригинала.

Вывод. Reasoning дал правдоподобный текст; истина — в БД, не в prose.

Кейс 3. Стартап включил reasoning на все сообщения

Счёт. Вырос с $40 до $620 за месяц.

Fix. Router + 92% запросов на mini.

Итог. $55/мес, качество на FAQ без изменений.

Кейс 4. DeepSeek-R1 для русскоязычного разбора кода

Контекст. Legacy PHP, мало тестов.

Результат. План рефакторинга полезен; конкретный патч — с ошибкой в типах.

Вывод. Reasoning для плана, chat+tests для патча.

---

Пошаговый сценарий. Выбор между chat и reasoning

Шаг 1. Запишите задачу одним предложением.

Шаг 2. Прогоните chat mini + CoT в промпте.

Шаг 3. Проверьте результат (тест, калькулятор, эксперт).

Шаг 4. Если ошибка критична и повторяется — прогоните reasoning на 5 эталонных примерах.

Шаг 5. Сравните accuracy, latency, $/запрос.

Шаг 6. Если reasoning +5% accuracy, но +20× цена — оставьте chat + tools.

Шаг 7. Задокументируйте решение в ADR (Architecture Decision Record).

---

Пошаговый сценарий. Интеграция reasoning в API продукта

Шаг 1. Отдельный endpoint /v1/deep или query param mode=reasoning.

Шаг 2. Hard limit max_completion_tokens и timeout 120s.

Шаг 3. Логируйте usage в PostgreSQL.

Шаг 4. Алерт при >$X reasoning spend в день.

Шаг 5. UI показывает "может занять до 2 минут".

Шаг 6. Eval на 50 задачах перед включением по умолчанию.

См. AgentOps, безопасность API ключей.

---

Таблица ошибок при использовании reasoning

Ошибка	Симптом	Решение
Reasoning на каждый запрос	Счёт ×10–100	Router
Нет timeout	504 gateway	Увеличить timeout только для /deep
Верить thinking	Ошибка в финале	Проверять результат
Сравнивать с demo Twitter	Завышенные ожидания	Свой eval
Игнорировать tools	Галлюцинации в math	Calculator
Скрытый thinking	Нет отладки	Логировать usage, A/B

---

Reasoning и агенты

Агент — цикл LLM + tools. Reasoning-модель в агенте может:

• лучше планировать последовательность tools;
• дороже стоить на каждой итерации;
• дольше идти до timeout.

Частый паттерн:

• planner — reasoning или сильный chat (один вызов);
• executor — mini chat + tools (несколько вызовов);
• critic — mini chat проверяет результат.

См. function calling.

---

Reasoning и генерация кода

Для генерации кода reasoning полезен при:

• незнакомом legacy без документации;
• поиске root cause по stack trace;
• планировании миграции.

Reasoning не заменяет:

• компилятор;
• unit-тесты;
• linter;
• CI.

Пайплайн: reasoning → план → chat генерирует патч → CI.

---

Локальный reasoning

DeepSeek-R1 и distilled-модели можно запускать через Ollama. Плюсы:

• данные не уходят в облако;
• фиксированный OPEX после покупки GPU.

Минусы:

• нужна VRAM (7B Q4 — от ~6 GB, 32B — от ~24 GB);
• latency на CPU неприемлема для интерактива;
• качество ниже облачного top-tier.

Сравнение TCO — 126.

---

Eval reasoning-моделей

Соберите 50–200 задач с известным правильным ответом:

Категория	Пример проверки
Математика	assert abs(a-b) < epsilon
Код	unit tests
Логика	эталонный ответ
SQL	EXPLAIN, row count

Метрики:

• accuracy — доля верных;
• cost per correct — $ / accuracy;
• p95 latency — 95-й перцентиль задержки.

Модель с 95% accuracy за $0.10 может быть хуже модели с 90% за $0.001 на масштабе.

---

FAQ

Reasoning-модель "думает" как человек?

Нет. Это длинная генерация токенов в стиле рассуждения — см. мифы.

Можно ли скрыть thinking от пользователя, но видеть в логах?

Зависит от API. OpenAI часто не отдаёт thinking текст; DeepSeek может отдавать. Читайте docs провайдера.

Почему reasoning ошибается в простой арифметике?

Токены текста — не ALU процессора. Для чисел — function calling.

o1, o3 и o4-mini — что выбрать?

Запустите eval на своих задачах. mini-класс — для объёма; top — для редких сложных кейсов.

DeepSeek-R1 и OpenAI reasoning

Зависит от языка, latency, цены, политики данных. Сравнивайте на своём наборе.

Нужен ли reasoning для RAG?

Обычно нет. RAG отвечает за факты; reasoning — за выводы. Комбинация дорогая.

Как ограничить длину thinking?

max_completion_tokens, budget thinking (у провайдеров с отдельным параметром), router.

Reasoning в streaming?

Да, но thinking может не стримиться пользователю. UX — индикатор "думаю…".

Совместим ли reasoning с JSON mode?

Часто хуже, чем chat + structured output. Для API-контрактов — chat.

Что дешевле — 3× chat или 1× reasoning?

Считайте на eval. Часто 3× chat + majority vote дешевле одного reasoning.

Можно ли fine-tune reasoning?

Технически да, дорого. Для большинства — RAG + router.

Reasoning для русского языка?

Top-модели 2024+ справляются; проверяйте на своих текстах, не на английских бенчмарках.

Как объяснить заказчику задержку?

"Режим глубокого анализа — до N минут, стоит дороже; обычный ответ — секунды".

Есть ли reasoning у GigaChat / YandexGPT?

Линейки обновляются — смотрите 124 и официальные docs.

---

Чек-лист перед включением reasoning в prod

• Eval на 50+ реальных задачах
• Сравнение $/correct с chat + tools
• Router, reasoning не по умолчанию
• Timeout и max_completion_tokens
• Логирование usage
• Алерт billing
• UI предупреждает о latency
• Fallback на chat при 429/503
• Юридически допустим провайдер для данных
• Human review на high-stakes ответах

---

Чек-лист для личного использования

• Задача действительно многошаговая?
• Попробовал CoT в chat?
• Проверил ответ вручную?
• Понимаю, что запрос может стоить в 10–100× дороже?
• Не отправляю секреты даже в reasoning-чат

---

Сравнение стратегий (итоговая таблица)

Стратегия	Accuracy (ориентир)	$/запрос	Latency	Когда
Chat mini	базовая	$	сек	FAQ, текст
Chat + CoT	+	$$	сек	учёба
Chat + tools	++ на math	$$	сек	prod math
Self-consistency 3×	++	$$$	сек×3	offline
Reasoning top	+++ на logic	$$$$	мин	редкие кейсы
Reasoning + tools	++++	$$$$$	мин+	исследования

---

Связанные материалы

• Function calling — связь LLM с кодом и API;
• Агенты — цикл "задача → tool → результат";
• Как выбрать модель — когда брать reasoning в облаке;
• Сколько стоит ИИ — thinking tokens в бюджете;
• Параметры генерации — max_tokens, temperature;
• Генерация кода — code + CI, не только reasoning;
• lab/Примеры/1149 — HTTP/API примеры;
• lab/Примеры/1150 — CoT промпты.

---

Глоссарий

Термин	Определение
Reasoning model	LLM с обучением на длинных цепочках рассуждения
Thinking tokens	Токены внутренней цепочки до финального ответа
CoT	Chain-of-Thought, решение по шагам
Router	Маршрутизация запроса на разные модели
Eval	Измерение качества на эталонном наборе
SLA	Соглашение об уровне сервиса (время ответа)
Tool	Внешняя функция для точных операций

---

Антипаттерны (кратко)

1. Reasoning для "Привет".
2. Reasoning вместо RAG по PDF.
3. Reasoning вместо SQL EXPLAIN.
4. Reasoning без лимита токенов в публичном API.
5. Доверие thinking без проверки финала.
6. Один бенчмарк из Twitter как бизнес-кейс.

---

План изучения на неделю

День	Действие
1	Прочитать LLM ./1 и мифы 114
2	Решить 5 задач chat + CoT — 1150
3	Те же задачи reasoning — записать usage
4	Те же задачи chat + calculator tool — 6.05/123
5	Таблица accuracy / $ / latency
6	Написать router в 30 строк Python
7	Прочитать 126 и прикинуть месячный бюджет

---

Детальный walkthrough стоимости (3 сценария)

Walkthrough 1. Олимпиадная задача (один пользователь)

Компонент	Токены
System + условие задачи	600
Thinking	4500
Финальный ответ	400

При $2 / $8 за 1M (условный reasoning mid):

input  = 600 × 2 / 1e6   = $0.0012
output = 4900 × 8 / 1e6  = $0.0392
total  ≈ $0.040

Chat + CoT на той же задаче, output 1200: ~$0.001 — reasoning в 40× дороже. Оправдано, если chat ни разу не решил за 3 прогона.

Walkthrough 2. Разбор 500 строк legacy на Python

Компонент	Токены
Код в input	3200
Thinking	9000
Ответ с планом	1500

Output 10500, input 3200, $3 / $12:

input  = 3200 × 3 / 1e6  = $0.0096
output = 10500 × 12 / 1e6 = $0.126
total  ≈ $0.136

Альтернатива: chat без reasoning + попросить только "список рисков" — ~$0.02, но план слабее.

Walkthrough 3. Prod — 1000 запросов/день, 5% на reasoning

Режим	Доля	$/запрос	Запросов/день	$/день
Chat mini	95%	$0.001	950	$0.95
Reasoning	5%	$0.08	50	$4.00
Итого			1000	$4.95

Без router (100% reasoning): $0.08 × 1000 = $80/день → $2400/мес.

Урок: router — не опция, а условие выживания unit-экономики.

---

Таблица провайдеров (ориентир возможностей)

Провайдер	Reasoning линейка	Thinking в API	OpenAI-compatible	Примечание
OpenAI	o-series	частично скрыт	native	platform.openai.com
DeepSeek	R1, reasoner	часто виден	да	api-docs.deepseek.com
Anthropic	Claude extended	budget параметр	свой SDK	docs.anthropic.com
Google	Gemini thinking	режим в API	свой SDK	ai.google.dev
Локально	R1 distill, QwQ	зависит от UI	Ollama	113

Цены и имена моделей меняются — перед интеграцией откройте актуальный прайс.

---

HTTP-пример (curl) DeepSeek reasoner

curl https://api.deepseek.com/chat/completions \
  -H "Content-Type: application/json" \
  -H "Authorization: Bearer $DEEPSEEK_API_KEY" \
  -d '{
    "model": "deepseek-reasoner",
    "messages": [
      {"role": "user", "content": "Если 3 кошки ловят 3 мыши за 3 минуты, сколько кошек нужно, чтобы поймать 100 мышей за 100 минут? Ответ — число."}
    ],
    "max_tokens": 8000
  }'

Ответ содержит usage — сохраните в лог. Разбор HTTP — 1149.

---

Мониторинг reasoning в prod

Поле в логе	Зачем
model	какая reasoning-модель
prompt_tokens	размер input
completion_tokens	thinking + answer
latency_ms	SLA
route_reason	почему router выбрал reasoning
user_id	лимиты на пользователя
cost_usd	расчёт по прайсу

Алерты:

• completion_tokens > 15000 на один запрос;
• reasoning > 10% всех запросов;
• daily spend > budget × 1.2.

Инструменты — Langfuse, Helicone, свой PostgreSQL — см. 126.

---

Reasoning и structured output

Для API, где контракт — строгий JSON, reasoning часто избыточен:

Подход	JSON valid rate	$
Chat + JSON schema	высокая	$
Reasoning + prose	средняя	$$$$

Используйте structured output. Reasoning подключайте на другом этапе pipeline (например, планирование), не на сериализации.

---

Reasoning в образовании

Плюс	Минус
Пошаговое объяснение	Студент копирует thinking без понимания
Разбор доказательств	Дороже free-tier

Педагогика: просите студента воспроизвести шаги без чата — см. ИИ в учёбе.

---

Reasoning и безопасность

Thinking может содержать опасные рассуждения, даже если финальный ответ отфильтрован. Не показывайте raw thinking пользователям без модерации.

Для публичных продуктов:

• скрывайте thinking;
• логируйте только hash + token count;
• red team на jailbreak в reasoning-режиме — 6.10.

---

Матрица "задача → инструмент"

Задача	Chat	Chat+CoT	Tools	Reasoning
Перевод	✓
Суммаризация	✓
17×23			✓ calc
Integral		✓	✓ Wolfram	✓
Sudoku 9×9		✓		✓
FAQ по wiki	✓ RAG
JSON API	✓ schema
План миграции монолита		✓		✓

✓ — первый выбор; пусто — не первый выбор.

---

Дополнительные кейсы

Кейс 5. Юридический черновик

Reasoning построил логику договора. Юрист нашёл неверную ссылку на статью ГК. Thinking выглядел убедительно.

Вывод: reasoning + право РФ — только черновик.

Кейс 6. Игра-головоломка в Telegram-боте

1000 пользователей, reasoning на каждый ход. Счёт $400/день.

Fix: chat для подсказок, reasoning только для "решить полностью" за внутриигровую валюту.

Кейс 7. CI nightly job

Reasoning анализирует flaky tests. 50 прогонов/ночь × $0.05 = $2.5/ночь ≈ $75/мес — приемлемо для команды 10 человек.

---

Расширенный FAQ

Как тестировать reasoning локально без API?

Ollama + distilled R1 — качество ниже, но порядок величин latency и формат ответа понять можно.

Влияет ли temperature на reasoning?

Да. Низкая temperature — стабильнее; см. 118.

Можно ли кэшировать reasoning-ответы?

Да, если input идентичен. Осторожно с персональными данными в ключе кэша.

Reasoning для embeddings?

Нет. Embeddings — отдельные модели — 121.

Совместим ли reasoning с batch API?

Зависит от провайдера. Batch снижает цену, но не real-time — 126.

Что такое "inference time compute"?

Вычислительный бюджет на генерацию thinking до ответа; trade-off качество ↔ время ↔ деньги.

---

Заключение

Reasoning-модели — специализированный инструмент для многошаговых задач, где chat с промптом стабильно не тянет. Они не заменяют tools, RAG, тесты и человеческую проверку. В продакшене держите reasoning за флагом, считайте thinking tokens в FinOps и сравнивайте с chat + калькулятором на своих данных — не по заголовкам новостей.

---