Spring til hovedindhold
Dansk— Vælg et sprog
Menu

Reasoning i 2026: Fra none til max, plus pro- og ultra-tilstande

Lektion 4 af 12 Opdateret 5. november 2026 Mellem
På denne side
  1. De seks niveauer i GPT-5.6
  2. Accepterede værdier varierer efter model
  3. Pro-tilstand: Mere arbejde, samme pris per token
  4. Max og ultra: Gå endnu videre
  5. En metode til at angive indsats
  6. Din tur
  7. Vigtige pointer

Status pr. 5. november 2026. GPT-6-familien beholder disse niveauer, men none accepteres kun af GPT-6.1 Terra, GPT-6 Sol og GPT-6 Luna. GPT-6 Astra og GPT-6.1 Sol starter ved low; sender du en anmodning med none til Astra, får du en HTTP 400-fejl. Siden 3. september kan du også ændre indsatsniveauet midt i en samtale uden at miste cachen ved hjælp af et configuration_update-element (Lektion 9).

Konfigurerbar reasoning-indsats startede ikke med GPT-5.6. Siden GPT-5 blev lanceret i 2025, har OpenAI-modeller ræsonneret mere eller mindre baseret på en parameter, hvilket erstattede den gamle o-serie. Det, der ændrer sig mellem versionerne, er de accepterede værdier og standardindstillingen. GPT-5.6 tilføjede max-niveauet og pro-tilstanden til API’et, mens ChatGPT fik indstillingen “ultra”. Disse detaljer betyder noget: En ændret standardværdi kan ændre din applikations ventetid og regning uden, at en eneste linje kode ændres.

De seks niveauer i GPT-5.6

På de tre GPT-5.6-modeller accepterer parameteren reasoning.effort seks niveauer. OpenAIs guide beskriver deres anvendelsestilfælde således:

NiveauAnvendelsestilfælde
noneOpgaver, hvor ventetid er afgørende, og reasoning ikke tilfører værdi: tale, hurtig opslag af information, klassificering
lowEffektiv reasoning til lidt højere ventetid: dataanalyse, udkast, eksekverbar kode, kundesupport
mediumKvalitet og pålidelighed, planlægning og dømmekraft; standarden for de fleste anvendelsestilfælde
highSvær reasoning, kompleks fejlsøgning, dyb planlægning, agent-arbejde
xhighDyb research og lange agent-opgaver, kun hvis dine evalueringer viser en nettogevinst
maxMaksimal reasoning til de mest komplekse opgaver; sammenlign med xhigh

Du angiver niveauet direkte i API-kaldet. Her beder vi Terra om at fejlsøge en funktion med vedvarende indsats, fordi en subtil logikfejl fortjener mere end et hurtigt overblik:

response = client.responses.create(
    model="gpt-5.6-terra",
    input="Find the logic error in this function and fix it.",
    reasoning={"effort": "high"},
)

Hvis den samme applikation derefter omformulerer en commit-besked, hindrer intet dig i at skifte tilbage til low til den næste anmodning. En router kunne også forsøge et første gennemløb ved medium, registrere et usikkert svar og gentage den samme anmodning ved high på samme model med samme prompt.

Accepterede værdier varierer efter model

Model-faktablade, registreret den 5. november 2026, viser, hvordan denne parameter har udviklet sig:

ModelAccepterede værdierStandard
gpt-5minimal, low, medium, highikke specificeret
gpt-5.1none, low, medium, highnone
gpt-5.4none til xhighnone
gpt-5.5none til xhighmedium
GPT-5.6 Sol, Terra og Lunanone til maxmedium
gpt-6-astralow til maxikke specificeret
gpt-6.1-sollow til maxmedium
gpt-6.1-terra, gpt-6-sol, gpt-6-lunanone til maxmedium

To faldgruber skiller sig ud i denne tabel. Den første vedrører standardværdien: gpt-5.1 og gpt-5.4 ræsonnerede ikke, hvis du ikke angav noget, hvorimod gpt-5.5, GPT-5.6 og de listede GPT-6-modeller starter ved medium. En applikation, der migrerer fra gpt-5.4 til GPT-5.6 uden at angive indsatsen, vil pludselig begynde at ræsonnere, hvilket medfører højere ventetid og flere fakturerede tokens. GPT-6-migrationsguiden opsummerer dette i én regel: Bevar din effektive indsats, når den nye model accepterer den, og skriv den eksplicit. Den anden faldgrube vedrører manglende værdier: minimal findes hverken på GPT-5.6 eller GPT-6 (start med low i stedet), og none afvises af GPT-6 Astra og GPT-6.1 Sol.

Pro-tilstand: Mere arbejde, samme pris per token

GPT-5.6 introducerede en anden, uafhængig indstilling: reasoning.mode, som som standard er standard eller kan sættes til pro. I pro-tilstand udfører modellen mere arbejde, før den svarer, hvilket passer til svære opgaver, der tolererer højere ventetid. Tokens faktureres til modellens standardtakst, men da der bruges flere tokens, stiger de samlede omkostninger. Denne tilstand erstatter de gamle “pro”-modeller: Deprecation-siden anbefaler gpt-5.6-sol i pro-tilstand i stedet for o3-pro og gpt-5-pro.

response = client.responses.create(
    model="gpt-5.6-sol",
    reasoning={"effort": "medium", "mode": "pro"},
    input="Review this disaster recovery plan and flag any single points of failure.",
)

Max og ultra: Gå endnu videre

Niveauet max giver modellen endnu mere tid end xhigh til at ræsonnere, udforske alternative veje, verificere og revidere sin tilgang. Det findes både i API’et og i ChatGPT Work og Codex, hvor du aktiverer det i indstillingerne.

Ultra ændrer derimod selve udførelsestilstanden. Ifølge meddelelsen fra 9. juli koordinerer den som standard fire agenter parallelt på samtidige arbejdsgange. OpenAI demonstrerede også konfigurationer med seksten agenter til specifikke evalueringer (BrowseComp, SEC-Bench Pro). Afvejningen er klar: Højere tokenforbrug til gengæld for bedre resultater og reduceret gennemførelsestid på tunge opgaver. Ultra er kun tilgængelig i produkter: ChatGPT Work til Pro- og Enterprise-abonnementer samt Codex fra Plus ved lanceringen. Der er ingen ultra-værdi i API’et; du opnår en sammenlignelig effekt med multi-agent-funktionen i Responses API (i beta), som lader modellen starte under-agenter parallelt inden for en enkelt anmodning. Reserver dette til arbejde, der kan opdeles i uafhængige bidder.

Tre måder at gøre mere på Tre kolonner. Max: I API'et samt i ChatGPT Work og Codex, mere tænketid til en opgave på bekostning af flere tokens. Pro-tilstand: I API'et med reasoning.mode, mere modelarbejde, faktureret til standardtaksten men med brug af flere tokens. Ultra: Kun i ChatGPT Work og Codex, fire agenter parallelt som standard, betydeligt flere tokens; i API'et spiller multi-agent-betaen denne rolle. UD OVER INDSATS Tre måder at gøre mere på Max Hvor API, ChatGPT Work og Codex Princip Mere tænketid Omkostning Flere reasoning-tokens Pro-tilstand Hvor API, med reasoning.mode Princip Mere modelarbejde Omkostning Standardtakst, flere tokens Ultra Hvor ChatGPT Work og Codex Princip Fire agenter parallelt Omkostning Betydeligt flere tokens I API'et findes der ingen ultra-værdi: Responses API multi-agent-betaen spiller denne rolle.
Baseret på guiden om Reasoning-modeller i OpenAI API-dokumentationen (november 2026) og GPT-5.6-meddelelsen (OpenAI, 9. juli 2026).

En metode til at angive indsats

Angiv ikke disse niveauer baseret på intuition. Tag en repræsentativ stikprøve af dine anmodninger i den virkelige verden, kør dem ved medium og derefter high, sammenlign kvalitet, ventetid og omkostninger, og lad tallene afgøre standarden for hver opgavetype. Dette er samme tilgang, du bør tage til udgivers benchmarks: Dine data afgør det, ikke generelle indtryk.

Din tur

Find det rigtige niveau til en opgave. Vælg ti repræsentative anmodninger til en enkelt opgave. Kør dem ved low, medium og high, og registrer derefter kvaliteten (ved hjælp af din egen rubrik), ventetiden og antallet af reasoning-tokens vist i usage. Behold det laveste niveau, der tilfredsstiller dig ved ni ud af ti anmodninger, og skriv det eksplicit i din kode. Uden API-adgang skal du udføre den samme øvelse i ChatGPT ved hjælp af reasoning-vælgeren i Chat-tilstand.

Officielle kilder: Reasoning-modeller · Brug af GPT-6 · Multi-agent · Deprecations (OpenAI API-dokumentation) · GPT-5.6-meddelelse (OpenAI, 9. juli 2026)

Vigtige pointer

  • Konfigurerbar indsats går tilbage til GPT-5; GPT-5.6 tilføjede max-niveauet og pro-tilstanden
  • Accepterede værdier og standarder varierer efter model: Angiv altid indsats eksplicit
  • Pro-tilstand får modellen til at arbejde hårdere til standardtaksten per token; den erstatter o3-pro og gpt-5-pro
  • Ultra, som som standard bruger fire parallelle agenter, er forbeholdt ChatGPT Work og Codex; API’et bruger multi-agent-betaen
  • Angiv indsats baseret på dine evalueringer, ikke intuition