Sichtbare Denkprozesse: Konzept und 2026-Modellpalette

Aktualisiert am 3. November 2026 basierend auf der Seite Models und dem Reasoning-Guide von xAI: grok-4.6 und grok-4.7 vervollständigen die High-End-Palette, inklusive der xhigh-Anstrengungseinstellung. Quellen: Models · Reasoning.

Was sind sichtbare Denkprozesse?

Ein Denkmodell generiert eine interne Abfolge von Überlegungen, bevor es seine endgültige Antwort formuliert: Es zerlegt das Problem, erkundet verschiedene Lösungswege und überprüft seine Schritte. Manche Modelle machen diesen Denkprozess in der API-Antwort sichtbar, andere halten ihn intern. Das Verständnis dieses Unterschieds ist der Ausgangspunkt für diesen gesamten Kurs.

Historisch war es bei xAI das Modell grok-3-mini (vorherige Generation, im Jahr 2026 aus dem Katalog entfernt), das sichtbare Denkprozesse populär machte: Sein Feld reasoning_content enthielt den vollständigen Denkprozess als reiner Text, direkt lesbar. Diese Transparenz machte es zu einem bemerkenswerten Lehrmittel und zur bevorzugten Wahl für die Fehlersuche in Prompts.

Im Juli 2026 änderte sich die Palette. Denkprozesse funktionieren nun mit zwei Modellfamilien:

• grok-4.20-0309-reasoning: die Variante, die explizit für Denkprozesse entwickelt wurde, mit einem Kontextfenster von 1 Million Tokens.
• grok-4.7, grok-4.6 und grok-4.5: die High-End-Modelle (September, August und Juli 2026), deren Denkprozess anpassbar ist – Sie können die Anstrengung für den Denkprozess je nach Aufgabe einstellen, bis hin zu xhigh bei 4.6 und 4.7; xAI empfiehlt grok-4.7.

Anpassbare Anstrengung für Denkprozesse

Das Prinzip der anpassbaren Anstrengung für Denkprozesse ist einfach: Je höher die Anstrengung, desto mehr Tokens für den Denkprozess verbraucht das Modell vor der Antwort, und desto zuverlässiger ist die Antwort bei komplexen Problemen.

• Niedrige Anstrengung: Das Modell denkt kurz nach. Geeignet für einfache Fragen, bei denen Sie eine strukturierte Antwort wünschen, ohne zu viele Tokens zu verbrauchen.
• Hohe Anstrengung: Das Modell entwickelt einen tiefen Denkprozess. Geeignet für logische Probleme, mehrstufige Berechnungen oder komplexe Code-Analysen.

Bei der vorherigen Generation wurde diese Einstellung über den Parameter reasoning_effort (low / high) bei grok-3-mini verwendet:

{
  "model": "grok-4.20-0309-reasoning",
  "reasoning_effort": "high",
  "messages": [
    {
      "role": "user",
      "content": "Beweisen Sie, dass die Quadratwurzel aus 2 irrational ist."
    }
  ]
}

Bei grok-4.5 ist der Denkprozess nativ konfigurierbar: Er ist sogar eines der zentralen Verkaufsargumente des Modells. Der genaue Name und die Werte des Parameters entwickeln sich mit der API weiter – prüfen Sie die offizielle Seite Models (docs.x.ai) auf die aktuelle Syntax, bevor Sie Ihren Code schreiben.

Denkverläufe in der Antwort

Bei der vorherigen Generation gab grok-3-mini ein Feld reasoning_content im Nachrichtenobjekt zurück, das den vollständigen Denkprozess als reiner Text enthielt:

{
  "choices": [
    {
      "message": {
        "role": "assistant",
        "content": "Die Quadratwurzel aus 2 ist irrational...",
        "reasoning_content": "Ich werde einen Beweis durch Widerspruch verwenden. Angenommen, √2 = p/q, wobei p und q teilerfremde ganze Zahlen sind..."
      }
    }
  ]
}

Wichtige Warnung: Bei der 2026-Palette (grok-4.5, grok-4.20-0309-reasoning) garantiert die offizielle Dokumentation nicht, dass Denkverläufe auf dieselbe Weise als reiner Text ausgegeben werden. Bevor Sie eine Schnittstelle erstellen, die den Denkprozess des Modells anzeigt, testen Sie das Antwortobjekt, das von dem von Ihnen angesprochenen Modell zurückgegeben wird, und konsultieren Sie die offizielle Seite Models. Gehen Sie niemals davon aus, dass das Verhalten der vorherigen Generation erhalten bleibt.

Was bedeutet das für Sie?

Der zu merkende Unterschied:

• Offengelegter Denkprozess: Sie können den Denkprozess anzeigen, ihn debuggen und ihn für Lehzzwecke nutzen. Prüfen Sie dies modellweise bei der aktuellen Palette.
• Interner Denkprozess: Das Modell denkt nach, aber Sie erhalten nur die endgültige Antwort (und potenziell verschlüsselten, wiederverwendbaren Inhalt – siehe die nächste Lektion).

Wenn Ihre Anwendung zeigen muss, wie das Modell denkt (Lehrmittel, Bildungstool, Prüfung), validieren Sie diesen Punkt zuerst bei der Modellauswahl. Wenn nur die Qualität der endgültigen Antwort zählt, ist grok-4.5 mit angepasster Anstrengung die natürliche Wahl.

Anwendungsfälle für anpassbare Denkprozesse

• Prompt-Fehlersuche: Hohe Anstrengung bei grok-4.20-0309-reasoning zeigt, ob das Modell Ihre Anweisungen korrekt interpretiert.
• Lehren: Zerlegen Sie mathematische oder logische Denkprozesse Schritt für Schritt.
• Validierung: Überprüfen Sie den Denkverlauf an einer Probe, bevor Sie in die Produktion gehen.
• Prototyping: Testen Sie eine Denksequenz mit niedriger Anstrengung, bevor Sie hochskalieren.

Kernaussagen

• Ein Denkmodell denkt vor der Antwort nach; einige legen diesen Prozess offen, andere nicht.
• grok-3-mini (vorherige Generation, nicht mehr im Katalog) legte seinen Denkprozess über reasoning_content als reiner Text offen.
• Im Jahr 2026 funktionieren Denkprozesse mit grok-4.20-0309-reasoning (spezialisierte Variante, 1M Kontext) und grok-4.5 (konfigurierbarer Denkprozess, 500k Kontext).
• Die Offenlegung von Verläufen bei der aktuellen Palette ist nicht garantiert: Testen Sie das API-Antwortobjekt und konsultieren Sie die offizielle Seite Models.
• Wählen Sie die Anstrengung für den Denkprozess basierend auf der Komplexität der Aufgabe, nicht standardmäßig auf Maximum.