Pular para o conteúdo
ReviewRamble

A newsletter semanal

IA, analisada, na sua caixa de entrada.

  • Novas análises de ferramentas, modelos, servidores MCP e repositórios, com o veredicto logo no início
  • Preços e notas reconferidos quando algo muda
  • Novos artigos de análise assim que são publicados

Modelos, agentes, servidores MCP e as ferramentas que realmente valem seu tempo.

Um e-mail por semana. Cancele pelo link em qualquer edição. Como usamos seu e-mail

Modelo de raciocínio

Um modelo de raciocínio (reasoning model) é um modelo de linguagem treinado para trabalhar um problema em um fluxo de tokens de pensamento intermediários antes de dar a resposta final, o que tende a ajudar em matemática, código e tarefas com várias etapas.

Também chamado: thinking model, extended thinking

Por Divya Sharma · Verificado em 15 de nov. de 2026 · Como analisamos

Modelos de raciocínio gastam processamento extra na hora de responder, um padrão chamado test-time compute. Em vez de responder de imediato, o modelo escreve um processo de trabalho, verifica etapas e muda de rumo, e então responde.

Como são treinados

O comportamento nasce do prompting de chain-of-thought, mas os modelos de raciocínio são treinados para isso, muitas vezes com aprendizado por reforço em tarefas cujas respostas podem ser verificadas. O artigo do R1, da DeepSeek, relata que as capacidades de raciocínio podem ser incentivadas por aprendizado por reforço puro, com padrões como autorreflexão e verificação surgindo durante o treinamento.

Extended thinking

Os provedores expõem o raciocínio de formas diferentes. A Anthropic chama sua versão de extended thinking. No modo manual, uma configuração budget_tokens dá uma meta de quantos tokens o Claude pode gastar no raciocínio interno, e a documentação da Anthropic recomenda o modo mais novo, adaptive thinking, em que o modelo decide quanto pensar.

Custos e limites

Os tokens de pensamento geralmente são cobrados como tokens de saída, então um modelo de raciocínio pode custar bem mais por requisição que um comum e demorar mais para responder. Veja preço por token. Para consultas simples, reescritas ou classificação, um modelo sem raciocínio costuma ser mais rápido e igualmente preciso. O raciocínio visível não é um relato garantido de como o modelo chegou à resposta.

Termos relacionados

Chain-of-thought
Chain-of-thought (CoT, cadeia de raciocínio) é um método de prompting em que um modelo de linguagem escreve passos intermediários de raciocínio antes da resposta final, o que tende a melhorar os resultados em matemática, lógica e outros problemas de vários passos.
Grande modelo de linguagem
Um grande modelo de linguagem (large language model, LLM) é uma rede neural com bilhões de parâmetros, treinada com grandes quantidades de texto para prever o próximo token, o que permite a ele escrever, responder a perguntas, resumir e seguir instruções.
Preço por token
O preço por token (token pricing) é a forma como a maioria das APIs de modelos de IA cobra: um preço fixo por milhão de tokens de entrada que você envia e um preço separado, geralmente mais alto, por milhão de tokens de saída que o modelo gera, com descontos para entrada em cache e jobs em lote.
Test-time compute
Test-time compute (processamento em tempo de teste) é a quantidade de computação que um modelo gasta ao responder a uma requisição, e não durante o treinamento. Deixar um modelo pensar por mais tempo ou tentar várias respostas pode melhorar os resultados em problemas difíceis.
Tokens de saída
Tokens de saída (output tokens) são os tokens que um modelo de linguagem gera na resposta. Eles são contados e cobrados separadamente dos tokens de entrada, e uma configuração max_tokens limita quantos uma resposta pode conter.

Fontes