support@routerai.ru

Загрузка...

Reasoning-модели (модели рассуждения): что это и как управлять reasoning effort

Reasoning-модели (модели рассуждения) — это языковые модели, которые перед финальным ответом генерируют длинную промежуточную цепочку рассуждений: разбирают задачу, пробуют варианты, проверяют себя. На это они тратят дополнительные вычисления прямо во время ответа (test-time compute), поэтому отвечают дольше и дороже, но заметно точнее на сложных задачах.

Что это

Обычная instruct-модель (инструктивная модель) начинает писать ответ сразу. Reasoning-модель сначала «думает»: выпускает служебные reasoning-токены, и только потом формирует видимый ответ. Идея называется test-time compute: качество можно повышать не только обучением более крупной модели, но и тем, что модели дают больше токенов на размышление при инференсе.

Чем это отличается от соседних понятий:

  • Instruct-модель без рассуждений отвечает за один проход; на многошаговой арифметике, логике и планировании чаще ошибается.
  • Chain of Thought — приём промптинга: вы сами просите «рассуждай шаг за шагом». Модель при этом остаётся обычной, а рассуждения попадают в видимый ответ.
  • Reasoning-модель обучена рассуждать сама, без специальной просьбы в промпте. Размышления идут в отдельном потоке, а глубиной можно управлять параметром API (reasoning effort).

Ещё один родственный метод — Tree of Thoughts, где перебор вариантов организует внешний алгоритм, а не сама модель.

Как работает

Обучение. В статье про DeepSeek-R1 показано, что способность к рассуждению можно стимулировать чистым обучением с подкреплением (RL) без размеченных человеком цепочек: модель получает награду за верный итог на задачах с проверяемым ответом (математика, соревновательное программирование, STEM), а самопроверка, возвращение к шагам и смена стратегии появляются в ходе обучения сами (arXiv 2501.12948).

Ответ. Схема «подумать, затем ответить»: модель генерирует reasoning-токены, затем видимый ответ. В документации OpenAI отмечено, что reasoning-токены не видны через API, но занимают место в контекстном окне и оплачиваются как выходные токены (Reasoning models). Часть провайдеров отдаёт рассуждения или их краткое изложение — это зависит от модели.

Управление глубиной. Параметр reasoning effort подсказывает модели, сколько думать. Набор значений зависит от модели; в документации OpenAI встречаются none, minimal, low, medium, high, xhigh, max. Низкий уровень экономит токены и время, высокий даёт более полный разбор. Модели рассуждают адаптивно: на простом вопросе они потратят меньше токенов, чем на сложном, даже при высоком effort.

В API RouterAI

RouterAI принимает reasoning-параметры в OpenAI-совместимом запросе https://routerai.ru/api/v1/chat/completions:

Параметр Что делает
reasoning объект, например {"effort": "low"} — уровень рассуждений
reasoning_effort то же самое «плоским» полем
include_reasoning true — вернуть текст рассуждений в ответе, если модель его отдаёт 
curl https://routerai.ru/api/v1/chat/completions \
  -H "Authorization: Bearer sk-xxxxxxxxxxxxxxxx" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "deepseek/deepseek-v4-pro",
    "messages": [{"role": "user", "content": "Фермер собрал 3 корзины по 47 яблок и 2 по 38. 15% червивые. Сколько хороших?"}],
    "reasoning": {"effort": "low"},
    "include_reasoning": true,
    "max_tokens": 4000
  }'

Через OpenAI SDK нестандартные поля передают в extra_body:

from openai import OpenAI

client = OpenAI(base_url="https://routerai.ru/api/v1", api_key="sk-xxxxxxxxxxxxxxxx")
resp = client.chat.completions.create(
    model="deepseek/deepseek-v4-pro",
    messages=[{"role": "user", "content": "Сколько будет 17*24?"}],
    max_tokens=4000,
    extra_body={"reasoning": {"effort": "low"}, "include_reasoning": True},
)
msg = resp.choices[0].message
print(getattr(msg, "reasoning", None))                      # текст рассуждений, если отдан
print(resp.usage.completion_tokens_details.reasoning_tokens)  # сколько ушло на рассуждения

Как читать ответ. При include_reasoning: true в choices[0].message может появиться поле reasoning (а иногда и reasoning_details). Число токенов рассуждений — в usage.completion_tokens_details.reasoning_tokens. Эти токены уже входят в completion_tokens.

В наших проверочных запросах 26 октября 2026 года:

  • deepseek/deepseek-v4-pro и moonshotai/kimi-k3 вернули текст рассуждений в reasoning;
  • openai/gpt-5.6-luna при низком effort вернул краткое изложение, а при высоком — пустое поле, хотя reasoning_tokens был больше нуля;
  • у anthropic/claude-opus-5 текст рассуждений пришёл, но reasoning_tokens остался нулевым — ориентируйтесь на completion_tokens;
  • неподдерживаемое значение effort даёт ошибку 400 с перечнем допустимых значений.

Для моделей Anthropic есть и нативный способ: в запросе к Anthropic Messages API (https://routerai.ru/api/v1/messages) передают "thinking": {"type": "enabled", "budget_tokens": 2048}, а в ответе приходит блок thinking перед блоком text (проверено на anthropic/claude-opus-5).

Не рассчитывайте, что рассуждения вернутся всегда: сохраняйте логику, которая работает и без поля reasoning. Общие параметры запроса — в документации RouterAI.

Какие модели поддерживают

Источник правды — каталог и поле supported_parameters в https://routerai.ru/api/v1/models: если там есть reasoning (и reasoning_effort), модель принимает эти параметры. В каталоге такие модели отбираются фильтром «Поддерживаемые параметры» (reasoning, include_reasoning).

Каталог моделей RouterAI: в панели фильтров раскрыт пункт «Поддерживаемые параметры» со значениями include_reasoning, max_tokens, reasoning

На 26 октября 2026 года флаг reasoning есть примерно у 250 из 575 моделей каталога, поэтому ниже — выборка. Цены за 1M токенов вывода взяты из каталога.

Модель reasoning_effort Вывод, ₽ / 1M Для чего
deepseek/deepseek-v4-flash да 19,9 дешёвые рассуждения на объёме
deepseek/deepseek-v4-pro да 219,9 математика, код, анализ
openai/gpt-5.6-luna да 125,6 быстрые и недорогие задачи
openai/gpt-5.6-terra да 1256,4 сбалансированное решение
openai/gpt-5.6-sol да 2094,0 верхний уровень серии GPT-5.6
anthropic/claude-opus-5 да 2617,5 длинные задачи с кодом и агентами
moonshotai/kimi-k3 да 575,8 открытая reasoning-модель

У семейства gpt-5.6 есть и варианты -pro. Часть моделей имеет флаг reasoning, но не принимает reasoning_effort (например, deepseek/deepseek-r1-0528): рассуждения у них встроены, и глубину через этот параметр не задать.

Где применяется

Reasoning оправдан там, где ошибка дороже лишних токенов:

  • математика и логика — многошаговые расчёты, доказательства;
  • код — отладка, рефакторинг, поиск причины сбоя;
  • планирование и агенты — выбор последовательности действий и инструментов;
  • анализ документов — сверка условий, поиск противоречий.

Для оценки моделей на таких задачах смотрите рейтинги и бенчмарки, но проверяйте их на своих данных.

Цена вопроса

Reasoning-токены оплачиваются по тарифу выходных токенов (Output Tokens), а выход обычно дороже входа. Поэтому ответ из одной строки может стоить как страница текста.

Пример на deepseek/deepseek-v4-pro (одна задача, один прогон): с effort: "none" модель вернула около 340 токенов без рассуждений, с effort: "high" — около 2060, из них 1778 на рассуждения. Поле usage.cost в ответах показало разницу примерно в 6 раз (цена вывода у модели одна — 219,9 ₽ за 1M токенов по каталогу). Конкретная кратность зависит от задачи и модели. Общая формула расчёта — в статье про стоимость токенов.

Типичные ошибки

  • Reasoning на классификации, извлечении полей и чатах поддержки. Задача не требует размышлений — вы платите за токены, которые не улучшают результат. Берите быструю модель или effort пониже.
  • Цена считается только по видимому ответу. Токены рассуждений входят в completion_tokens — сверяйте расходы с полем usage.
  • Слишком малый max_tokens. Лимит делят рассуждения и ответ. В проверке с max_tokens: 300 на deepseek/deepseek-v4-pro и effort: "high" все 300 токенов ушли на рассуждения: finish_reason был length, а content пустым. OpenAI советует закладывать не менее 25 000 токенов на рассуждения и вывод при первых экспериментах.
  • Высокий effort «на всякий случай». Начните с low или medium и повышайте, пока качество на ваших примерах растёт.
  • Ставка на текст рассуждений. Провайдеры могут отдавать лишь краткое изложение или ничего.

Связанные термины