Рассуждающие модели — самый важный класс моделей, появившийся со времён первого ChatGPT. o1, o3, GPT-5 Thinking, Claude Opus / Sonnet с extended thinking, DeepSeek R1, Gemini 2.5 Thinking, Grok-4 Heavy — к 2026 году каждая крупная лаборатория выпустила рассуждающую модель, и они изменили то, что вообще возможно в сложной аналитической работе.
Они же вознаграждают иной стиль промптинга, чем быстрые модели. Многие приёмы, которые блестяще работают с моделями класса GPT-4 (массивные строительные леса, «думай шаг за шагом», развёрнутые ролевые промпты), для рассуждающих моделей в лучшем случае нейтральны, а в худшем вредны. Правильный стиль ближе к «ясно опишите задачу и доверьтесь модели», чем к тому, что вы читали в руководствах по промпт-инжинирингу.
Эта статья — о том, что такое рассуждающие модели, когда их брать, как их грамотно промптить и какие подвохи ловят даже опытных пользователей ИИ.
Что такое рассуждающие модели на самом деле
Рассуждающая модель — это модель, которая внутри выстраивает развёрнутую цепочку рассуждений, прежде чем выдать финальный ответ. Модель «думает» десятки секунд, нередко минуты, прежде чем ответить. Токены «размышления» обычно скрыты от вас (вы видите индикатор «думаю…») или сжаты в краткое резюме.
Это реальный сдвиг в возможностях. На сложных многошаговых бенчмарках рассуждающие модели стабильно опережают быстрые с большим отрывом — конкретный разрыв сильно зависит от задачи и сравниваемых провайдеров, но он достаточно велик, чтобы выбор между «быстрой» и «думающей» моделью стал настоящим архитектурным решением. При этом они дороже, работают дольше и требуют другого промптинга.
Основные рассуждающие модели в 2026 году:
- OpenAI o3 и её варианты (o3-mini, o3-pro). Доступны через API и в ChatGPT (Plus и Pro). GPT-5 в режиме «Thinking» — это версия для массового пользователя.
- Claude 4.5 Opus / Sonnet с extended thinking. Доступны в claude.ai (Pro и выше) и через API. Чтобы включить режим рассуждений, задайте параметр
thinking. - DeepSeek R1 (и последующие версии). Открытые веса; доступна через приложение DeepSeek, OpenRouter и других провайдеров.
- Gemini 2.5 Thinking. Внутри Gemini Advanced и через API.
- Grok 4 Heavy. Доступна пользователям X Premium+.
Все они работают по одному базовому принципу. Различия — в цене, задержке, видимости цепочки рассуждений и в том, на каких именно задачах каждая сильнее.
Когда браться за рассуждающую модель
Рассуждающая модель — правильный инструмент, когда:
- Задача состоит из нескольких шагов, опирающихся друг на друга. Математика, логика, многошаговое планирование, код, где нужно отслеживать состояние.
- Цена ошибки реальна. Финансовый анализ, юридическая трактовка, медицинские рассуждения, отладка проблем в продакшене.
- Обычные модели раз за разом ошибаются. Если вы уже пробовали быструю модель и ответ стабильно мимо — рассуждающая обычно решает задачу.
- Задача требует аккуратного сравнения или анализа компромиссов. Многокритериальные решения, выбор архитектуры, оценка поставщиков.
- Нужно, чтобы модель действительно проработала граничные случаи, а не просто выдала правдоподобный текст.
Когда рассуждающая модель не нужна:
- Разговорный чат. Из-за задержки обмен репликами становится мучительным.
- Генерация и черновики. По опыту многих пользователей рассуждающие модели пишут художественный текст хуже быстрых.
- Простые фактические вопросы. Спрашивать у рассуждающей модели «какая столица Эстонии» — пустая трата её вычислений и вашего времени.
- Циклы итеративной доработки. Когда нужно отправить 10 быстрых сообщений подряд, это работа для быстрой модели.
- Задачи, где нужно контролировать промежуточные шаги. Рассуждающие модели прячут ход рассуждений; если вы хотите видеть каждый шаг, используйте быструю модель с явной цепочкой рассуждений (CoT).
Полезное правило: если вы не стали бы платить аналитику за 20 минут работы над задачей, не используйте рассуждающую модель. Если стали бы — используйте.
Сдвиг в промптинге
Главная ошибка с рассуждающими моделями — применять к ним промпт-инжиниринг от быстрых моделей. Пять вещей, от которых стоит отказаться:
1. Перестаньте добавлять «думай шаг за шагом»
Рассуждающие модели и так это делают. Добавлять эту фразу в лучшем случае бесполезно. Хуже того, на некоторых рассуждающих моделях она может мешать внутреннему процессу рассуждений — модель тратит вычисления на видимое пошаговое мышление вместо того, чтобы задействовать своё более сильное внутреннее.
Плохо: Думай шаг за шагом. Решай внимательно. Показывай ход работы. [задача]
Хорошо: [задача]
Просто чётко изложите задачу. Доверьтесь модели.
2. Перестаньте выстраивать избыточные леса
Приём, который хорошо работает с быстрыми моделями, — массивные строительные леса: «сначала сделай A, потом B, потом C, вот формат…». С рассуждающими моделями модель часто сама находит правильную структуру ответа — и, если диктовать её, результат может выйти хуже, чем если дать модели решить самой.
Стиль быстрой модели: Сначала перечисли ключевые ограничения. Затем — варианты. Затем оцени каждый вариант по каждому ограничению. Затем выбери. Затем обоснуй. Формат вывода: …
Стиль рассуждающей модели: Помоги выбрать между вариантом A и вариантом B. Контекст: […]
Рассуждающая модель обычно внутри проведёт более тонкий анализ, чем тот, что вы навязали бы структурой.
3. Не нагромождайте техники рассуждений
Связка CoT + самокритика + tree-of-thoughts работает на быстрых моделях. Рассуждающая модель уже делает эквивалент всех трёх внутри. Накладывать сверху их внешние версии — избыточно и снижает качество.
Если ваш промпт к рассуждающей модели содержит «думай шаг за шагом, затем раскритикуй собственный ответ, затем перепиши» — сократите его до самого вопроса. Модель и так знает.
4. Не переусердствуйте с ролью
Приём, который хорошо работает с быстрыми моделями, — подробное описание роли: «Ты старший инженер с 20-летним опытом в распределённых системах, ты строил крупные приложения и знаешь все компромиссы…». Рассуждающие модели выигрывают от таких лесов гораздо меньше. Они и так подтягивают нужную экспертизу, отталкиваясь от самой задачи.
Короткий, прямой ролевой промпт по-прежнему полезен, чтобы задать тон и регистр, но длинная детальная персона — перебор.
Плохо: Ты бэкенд-инженер мирового класса с опытом 20+ лет…
Хорошо: Помоги мне продумать эту задачу из области распределённых систем. [задача]
5. Не просите показать «размышление»
В o3 и ряде других моделей цепочка рассуждений скрыта намеренно. Просьба «покажи свои рассуждения» может дать другой (нередко более поверхностный) ответ, чем если позволить модели подумать про себя и выдать вывод.
Если вам хочется увидеть рассуждения — это законное желание, и в Claude с extended thinking цепочка часто доступна. Но прямая просьба показать её на модели, где она обычно скрыта, может ухудшить качество.
Чего рассуждающие модели ХОТЯТ
Несколько вещей, которые они вознаграждают:
Конкретика. Числа, даты, точные ограничения, конкретные файлы и люди. Рассуждающие модели умеют по-настоящему считать на реальных числах — давайте им числа.
Открытая формулировка. «Вот ситуация. Вот что я хочу понять. Что думаешь?» даёт лучший результат, чем жёсткие шаблоны.
Честная неопределённость. Скажите модели, чего вы не знаете. «Я не уверен, X это или Y; помоги разобраться». Рассуждающие модели хорошо справляются с неоднозначностью и используют её продуктивно.
Разрешение возражать. «Возрази, если моя постановка неверна» или «скажи, чего я не учитываю» даёт заметно лучший результат, чем просьба поддержать вашу текущую позицию.
Конкретные данные. Таблицы, код, документы — вставляйте их прямо в промпт. Рассуждающие модели работают лучше всего, когда есть реальные материалы для анализа, а не абстрактные вопросы.
Разобранные примеры
Пример 1: отладка
Допустим, у вас неприятный баг.
Быстрая модель + CoT:
Ты старший инженер-программист со специализацией на TypeScript. Думай по шагам над этим багом.
Сначала найди относящиеся к делу куски кода. Затем проследи поток данных. Затем определи вероятные причины. Затем предложи исправление.
Вот баг: [описание] Вот код: [код]
Рассуждающая модель:
Помоги найти этот баг.
Симптомы: [описание] Относящийся к делу код: [код] Что я уже пробовал: [список]
Рассуждающая модель системно разберётся с багом без всяких подпорок. Часто она поймает проблему быстрее, чем связка «быстрая модель + CoT», потому что её внутренние рассуждения действительно глубже.
Пример 2: стратегическое решение
Быстрая модель:
Ты старший консультант по стратегии. Я решаю, запускать ли продукт X. Примени фреймворк [название]. Сначала… [длинный структурированный промпт]
Рассуждающая модель:
Я решаю, запускать ли продукт X. Контекст:
- Мы компания на 50 человек с $5M ARR.
- На разработку продукта уйдёт два квартала.
- Он смежен с нашим основным продуктом, но напрямую с ним не конкурирует.
- Двое из наших топ-10 клиентов просили его.
- Команда и так перегружена.
Помоги мне это продумать. Возражай против слабых аргументов. Скажи, чего я не учитываю.
Рассуждающая модель из минималистичного промпта выдаст более глубокий и тонкий анализ, чем из перегруженного лесами. Она, скорее всего, поднимет соображения, о которых вы не подумали упомянуть, и заметит противоречия в том, что вы сказали.
Пример 3: сложный анализ кода
Быстрая модель:
Проанализируй этот код на предмет проблем с производительностью. Думай по шагам. Сначала найди структуры данных, затем проследи сложность алгоритма, затем укажи конкретные узкие места. [код]
Рассуждающая модель:
Что в этом коде медленного? Сейчас на типичном входе он выполняется около 3 секунд; хотелось бы уложиться в 500 мс.
[код]
Рассуждающая модель проанализирует сложность, найдёт узкие места, предложит исправления и часто подскажет, как всё замерить, — и всё это без явных лесов.
Подвохи, характерные для рассуждающих моделей
Короткий список того, что ловит даже опытных пользователей:
Задержка. Рассуждающие модели могут выдавать ответ от 30 секунд до нескольких минут. Это реально ломает рабочий поток, если вы к этому не готовы. Закладывайте это в план; не используйте их для разговорных задач.
Стоимость. Рассуждающие модели обычно стоят в несколько раз дороже быстрых за запрос — иногда на порядок дороже, в зависимости от тарифа, провайдера и того, сколько токенов размышления модель сожжёт. По ценам API один сложный запрос может обойтись в заметную сумму. Используйте их осознанно.
Проблема «обрезанного размышления». У рассуждающих моделей есть бюджет токенов на внутреннее размышление. На особо сложных задачах модель может исчерпать его до того, как придёт к уверенному выводу. Тогда ответ выходит шатким. Что делать: давайте «удобный для размышления» промпт (чёткая, хорошо очерченная задача), а в инструментах, где это возможно, увеличивайте бюджет на размышление.
Зацикливание рассуждений. Изредка рассуждающая модель залипает — внутренние рассуждения ходят по кругу или уходят по неверному пути без возможности вернуться. Симптомы: очень долгое размышление, а затем уклончивый или странный ответ. Что делать: перезапустите со слегка другой формулировкой.
Самоуверенность не там, где надо. Рассуждающие модели бывают увереннее, чем следовало бы, в вопросах, где внутренние рассуждения на самом деле не проверили ответ. На критически важных ответах всегда спрашивайте: «насколько ты в этом уверен и что могло бы изменить твой ответ?»
Асимметрия стоимости между подзадачами. Рассуждающая модель тратит вычисления примерно пропорционально сложности задачи. Лёгкие подвопросы дёшевы; сложные — дороги. Имейте в виду: если попросить модель сделать пять сложных вещей в одном промпте, это может незаметно потратить куда больше вычислений, чем вы ожидаете.
Гибридная схема, которая часто работает лучше всего
Для многих реальных рабочих процессов правильная схема — быстрая модель + рассуждающая модель в связке:
- Быстрая модель — чтобы очертить рамки, исследовать, провести мозговой штурм. Быстрый обмен репликами. Уточнить вопрос.
- Рассуждающая модель — чтобы проработать 1–3 самых сложных подвопроса, возникших в ходе исследования.
- Быстрая модель — чтобы перевести вывод рассуждающей модели в нужную форму (слайды, письмо, документ).
Эта схема держит задержку под контролем, расходы предсказуемыми и использует каждый инструмент по его сильной стороне.
Разобранный пример: задача анализа рынка.
- Быстрая модель (Claude / GPT): «Хочу разобраться в рынке X. Помоги очертить рамки анализа: на что смотреть, какие данные нужны, какие вопросы важны?»
- Рассуждающая модель (o3 / Claude Thinking): «С учётом собранных данных, что они означают для [конкретный стратегический вопрос]? Жёстко проверь логику на прочность».
- Быстрая модель: «Теперь помоги превратить это в одностраничный бриф для нашего руководства».
Три инструмента, каждый — под то, в чём он лучший. Суммарная цена и время ниже, чем если просить рассуждающую модель сделать все три шага; качество выше, чем если просить быструю модель сделать все три.
Несколько практических привычек
Каждый раз осознанно решайте, заслуживает ли задача рассуждающей модели. По умолчанию — быстрая; переходите к рассуждающей, только когда задача этого заслуживает.
Держите открытыми две вкладки. ChatGPT или Claude с быстрой моделью в одной; тот же продукт с рассуждающей моделью в другой. Удобное переключение без путаницы.
Следите за расходами на рассуждающие модели. Через мониторинг тарифа или счета за API — почувствуйте, во что обходится ваш месячный счёт за рассуждающие модели. Подстраивайте использование под это.
Замечайте случаи, когда раньше вы бы её не взяли. По мере роста опыта вы будете ловить себя на том, что тянетесь за быстрой моделью в задаче, которую рассуждающая решила бы лучше. Тренируйте привычку останавливаться и подумать.
Переписывайте промпт по минимуму. После слабого ответа рассуждающей модели инстинкт велит расширить промпт. Сначала попробуйте обратное: более короткую и простую версию того же промпта. Рассуждающим моделям иногда мешает избыточная помощь сложными промптами.
Два типа моделей, два типа промптинга
Рассуждающие модели — это не быстрые модели с лишними шагами. Они вознаграждают минимальные, прямые промпты; наказывают за массивные леса; работают долго; стоят дороже; и на сложных задачах дают радикально лучшие ответы.
Используйте их осознанно, промптите просто и перестаньте применять к ним приёмы для быстрых моделей. Связка быстрой и рассуждающей моделей — каждая под то, в чём она лучшая — самый мощный рабочий процесс с ИИ, доступный в 2026 году, и разрыв между теми, кто эту разницу освоил, и теми, кто нет, продолжает расти.
