Reasoning-Modell
Kurz gesagtEin Reasoning-Modell verbraucht vor der Antwort zusätzliche Token für verdecktes Denken in Schritten, was bei schweren Aufgaben hilft, aber mehr kostet.
Einfach erklärt
Ein Standardmodell beginnt sofort zu schreiben. Ein Reasoning-Modell erzeugt zuerst einen Abschnitt interner Denkarbeit und dann die Antwort. Die Idee ist älter als die Produkte: Eine Arbeit von Wei und Kollegen von 2022 zeigte, dass die Bitte, Zwischenschritte auszuschreiben, die Ergebnisse bei mehrstufigen Aufgaben verbesserte. Reasoning-Modelle sind darauf trainiert, das von selbst zu tun.
Die Anbieter beschreiben die zusätzlichen Token ähnlich:
- OpenAI nennt sie Reasoning-Token. Sie werden über die API nicht gezeigt, aber die Nutzungsdaten sagen, wie viele es waren. Sie werden als Ausgabe-Token berechnet und belegen Platz im Kontextfenster.
- Das erweiterte Denken von Anthropic funktioniert gleich: Denk-Token werden als Ausgabe-Token berechnet. Was du siehst, ist eine Zusammenfassung. Neuere Modelle nutzen adaptives Denken, bei dem das Modell entscheidet, ob und wie viel es nachdenkt, gelenkt durch eine Aufwandsstufe.
- Auch Google Gemini meldet Denk-Token in den Nutzungsdaten.
Warum es wichtig ist
- Qualität bei schweren Aufgaben: Mehrstufige Mathematik, Logikrätsel, Planung, knifflige Programme und sorgfältige Analysen werden tendenziell besser.
- Kosten und Zeit: Verdeckte Token erhöhen die Rechnung und verzögern das erste sichtbare Wort. Siehe Preis pro Million Token.
- Budgetrisiko: OpenAI warnt, dass die Antwort ohne sichtbaren Text enden kann, wenn das Ausgabelimit beim Denken aufgebraucht wird. Lass Platz.
- Nicht immer nötig: Einfache Fragen, Umformulierungen und Nachschlagen gewinnen wenig. Ein kleines Standardmodell ist dafür billiger und schneller.
- Weiter fehlbar: Denken beseitigt Fehler nicht. Ein Modell kann sich zu einer falschen Antwort herleiten (Halluzination).
Beispiel
Du fragst: «Angebot A kostet 1200 im Jahr, mit 10 Prozent Rabatt für zwei Jahre. Angebot B kostet 1050 im Jahr, fest. Was ist über drei Jahre billiger?» Ein Reasoning-Modell rechnet die Jahre Schritt für Schritt durch und gibt dann eine kurze Antwort. Ein einfaches Modell springt eher zu einer Vermutung. Für «Korrigiere den Tippfehler in diesem Satz» ist das einfache Modell die bessere Wahl.
Häufige Irrtümer
- «Ich kann den ganzen Denkprozess lesen.» Oft erhältst du eine Zusammenfassung oder nichts. Anbieter unterscheiden sich.
- «Reasoning heisst, es versteht.» Es heisst mehr Rechenarbeit vor der Antwort, nicht menschliches Denken.
- «Nimm immer das Reasoning-Modell.» Nutze es, wo das Problem Schritte braucht. Siehe Modell wählen.
Fragen und Antworten
Was ist ein Reasoning-Modell?
Ein Modell, das vor der endgültigen Antwort verdecktes Denken in Schritten erzeugt. Es schneidet bei schweren Aufgaben tendenziell besser ab und braucht mehr Token und Zeit.
Werden Denk-Token berechnet?
Ja. OpenAI und Anthropic berechnen sie beide als Ausgabe-Token, auch wenn du sie nicht vollständig siehst.
Wann lohnt sich ein Reasoning-Modell?
Bei mehrstufiger Mathematik, Logik, Planung und schwierigem Code. Für einfache Umformulierungen oder Nachschlagen ist ein Standardmodell billiger und schneller.
Weiterlesen
- Token
Ein Token ist ein kleines Textstück, oft ein Wortteil, das ein KI-Modell liest, schreibt und abrechnet.
- Preis pro Million Token
Der Preis pro Million Token ist die übliche Preisangabe von KI-APIs: was du für je eine Million gesendete oder erzeugte Token zahlst.
- Kontextfenster
Das Kontextfenster ist die grösste Textmenge, in Token gemessen, die ein Modell in einer Anfrage lesen und schreiben kann.
- Large Language Model (LLM)
Ein Large Language Model (LLM) ist ein KI-System, das mit riesigen Textmengen lernt, das nächste Token vorherzusagen, und so schreibt, fasst zusammen und antwortet.
- KI-Modell wählen
Passe das Modell an die Aufgabe an: klein für Menge, mittel für den Alltag, Spitze oder Reasoning für Schweres und lokal für Privates, mit Entscheidungsbaum und Test.