推理模型

推理模型建立在思维链提示的基础上：研究表明，要求模型写出中间步骤，能提升复杂问题的答案质量。推理模型不再依赖提示词，而是通过训练（通常借助强化学习）生成较长的内部推理过程，并检查和修正自己的结果。许多产品允许你选择投入多少推理力度，有的会展示推理摘要，有的则将其隐藏。

为什么重要：在高难度的分析工作中，推理模型可能比普通模型更准确，但会消耗多得多的输出 Token，耗时也更长。对于改写邮件这类简单任务，普通模型通常更快、更便宜。比较套餐和 API 时，请确认推理 Token 是否计费，以及用量限制如何计算它们。

举例：让模型找出一长串表格公式中的错误时，推理模型可能先花几秒钟逐步推演再作答，而普通模型会立即回复。

局限：可见的推理过程并不保证结论正确，模型仍可能产生幻觉，或从错误前提出发进行推理。思考时间越长，成本和延迟也越高。