Недавно услышал термин «рассуждающие модели» искусственного интеллекта и хочу поделиться, что это такое и почему всем, кто интересуется AI, стоит на них обратить внимание.

Если коротко: рассуждающие модели (или reasoning models) — это системы, которые не только могут генерировать текст, но и выстраивать свои ответы как цепочку причинно-следственных связей. То есть они пытаются понять логику задачи и контекст, а не просто «угадывать» ответ на основе статистики.

Есть интересная статья на vc.ru о том, как OpenAI и DeepSeek развивают такие модели. Делюсь несколькими выводами:

🙈Рассуждающие модели лучше «понимают» контекст
Они анализируют больше слоёв смысла, могут объяснить, почему дают именно такой ответ. Это важно для сложных задач, где нужна логика и аргументация.

🙈Взаимодействовать с ними — всё ещё искусство
Чтобы получить от «разумной» модели хороший результат, нужно научиться формулировать запросы и вопросы так, чтобы подтолкнуть её рассуждать глубже. В статье упоминается, как правильная постановка задачи сильно влияет на качество ответа.

🙈Потенциал для бизнеса и исследований
По сравнению с традиционными нейросетями (которые выдают «угадывающий» ответ), у reasoning-подхода есть перспективы в аналитике, консалтинге, науке — везде, где критичны рассуждения и интерпретация.

🙈Есть ещё чем заняться
Такие модели требуют колоссальных ресурсов и тонкой настройки, а их ответы не всегда безупречны. Но это логичный шаг вперёд, и мы уже видим, как Google и OpenAI делают ставку на «chain-of-thought» или «chain-of-reasoning» — цепочки рассуждений.

Выше в комментариях к посту я писал, что DeepSeek R1 как раз рассуждающая модель. Прежде чем выдать ответ, она создает цепочку рассуждений. Скорость ответа снижается, но зато на относительно небольших мощностях позволяет достичь фантастических результатов. 14B deep seek работает даже у меня на обычном маке с процессором m1.