Почти всю эпоху глубокого обучения «лучше» означало «больше»: больше параметров, данных, вычислений на обучение. Волна моделей рассуждения сменила ось масштабирования. Теперь мы тратим вычисления не только при обучении, но и на этапе вывода — позволяя модели рассуждать и проверять себя до ответа.
Мышление как ресурс
Модель рассуждения строит длинную цепочку размышлений перед финальным ответом. Это стоит токенов и вычислений, но на трудных задачах даёт реальную точность. Поразительный результат: качество плавно растёт с длиной размышления — как когда-то с размером модели.
Урок не в том, что «цепочки рассуждений — это магия». А в том, что поиск — предлагать, проверять, откатываться — рычаг, который мы почти не использовали во время вывода.
Цена
Вычисления во время вывода не бесплатны: задержка и цена растут, а отдача убывает. Главный инженерный вопрос 2026 года — не «умеет ли модель рассуждать?», а «сколько размышления стоит эта задача?»
