Vai al contenuto principale
Italiano— Scegli una lingua
Menu

Come funzionano i modelli di ragionamento

Lezione 2 di 12 Aggiornata il 5 novembre 2026 Intermedio
In questa pagina
  1. Dietro le quinte dei modelli che “pensano”
  2. Pensa prima di rispondere
  3. Token di ragionamento: invisibili ma conteggiati
  4. Pro, Max e Ultra: tre modi per fare di più
  5. Cosa cambia con il ragionamento e cosa no
  6. Prova tu stesso
  7. Punti chiave

Dietro le quinte dei modelli che “pensano”

Quando aumenti il livello di ragionamento, il modello non genera immediatamente la sua risposta. Prima produce token di ragionamento, che utilizza per scomporre la richiesta ed esplorare diversi modi di rispondere. Comprendere questo meccanismo non è solo teorico: è ciò che ti permette di impostare il livello appropriato, anticipare i costi e interpretare correttamente l’output del modello.

Pensa prima di rispondere

A un livello veloce (Instant in Chat, none o low nell’API), il modello risponde quasi direttamente. Più alzi il livello, più token spende per pensare prima di produrre la risposta visibile. Puoi considerare questa fase come una bozza: scomposizione del problema, esplorazione di strade, eliminazione dei vicoli ciechi, verifica e infine sintesi. Questo è un modello mentale utile, non una descrizione ufficiale del funzionamento interno; ciò che OpenAI descrive è un modello che scompone la richiesta e considera diversi approcci prima di rispondere.

Prendi l’espressione “17 × 23 + 45 ÷ 9 − 12”. Senza ragionamento, il rischio di errore riguardo alla precedenza degli operatori è reale. Con un livello più alto, il modello si prende il tempo di elaborare prima moltiplicazione e divisione (391 e 5), poi addizione e sottrazione (391 + 5 − 12 = 384), e verifica il risultato prima di enunciarlo.

Cosa succede prima della risposta Quattro passaggi, semplificati: la richiesta e il suo contesto; il ragionamento, composto da token di ragionamento; la verifica, dove le strade vengono confrontate e gli errori esclusi; la risposta, l'unica parte visibile. TOKEN DI RAGIONAMENTO Cosa succede prima della risposta 1 Richiesta Il prompt e il contesto 2 Ragionamento Token di ragionamento 3 Verifica Strade confrontate 4 Risposta Unica parte visibile Nell'API, questi token occupano il contesto e sono fatturati come token di output.
Basato sulla guida ai modelli di ragionamento delle API OpenAI (novembre 2026).

Token di ragionamento: invisibili ma conteggiati

I token di ragionamento non appaiono nella risposta, ma vengono conteggiati. Nell’API, occupano spazio nella finestra di contesto e sono fatturati come token di output. A seconda della difficoltà, un modello può generarne da alcune centinaia a diverse decine di migliaia. Se il limite di output (max_output_tokens) viene raggiunto durante il ragionamento, la risposta torna con stato incomplete, talvolta prima che sia stato prodotto qualsiasi testo visibile; OpenAI consiglia di riservare almeno 25.000 token per il ragionamento e la risposta quando inizi a sperimentare.

Il ragionamento grezzo non è esposto. Nell’API, puoi richiedere un riepilogo del ragionamento utilizzando il parametro reasoning.summary. In ChatGPT, con GPT-6, una risposta può iniziare mentre il modello sta ancora pensando, per poi arricchirsi di dettagli in un secondo momento.

Pro, Max e Ultra: tre modi per fare di più

Oltre ai livelli di sforzo, tre meccanismi spingono il ragionamento oltre, ed è utile non confonderli.

  • Modalità Pro (reasoning.mode: "pro" nell’API, livello Pro in Chat) fa lavorare il modello più duramente su compiti difficili che tollerano una latenza maggiore. Nell’API, questo lavoro extra è fatturato alla tariffa standard per il modello scelto, ma consuma più token.
  • Max, in Work e Codex così come nell’API (max), concede al modello più tempo per ragionare su un singolo compito.
  • Ultra, disponibile solo in Work e Codex, va oltre un singolo agente: assegna parti di un compito complesso a sotto-agenti che lavorano in parallelo. È utile solo se il lavoro può essere suddiviso in blocchi indipendenti. GPT-6 Luna arriva fino a Max, ma non a Ultra.

Cosa cambia con il ragionamento e cosa no

Un livello di ragionamento elevato fa la differenza per specifiche famiglie di problemi: matematica e statistica, logica e deduzione, codice complesso e debug, analisi strategica con criteri ponderati e, in generale, qualsiasi compito multi-step. OpenAI raccomanda quindi high per ragionamenti difficili, debug complessi e pianificazione approfondita.

Detto questo, non è una bacchetta magica. Il modello può comunque commettere errori dopo aver ragionato: una premessa falsa porta a una conclusione falsa, indipendentemente dall’accuratezza del processo di ragionamento. Il ragionamento aumenta il tempo di risposta e il costo. E per un compito semplice, non aggiunge nulla che un livello veloce non potesse già gestire.

Prova tu stesso

Osserva il meccanismo in azione. Poni questa domanda prima a un livello veloce, poi a un livello alto (Instant poi High in Chat, oppure low poi high nell’API): “Un treno parte da Parigi alle 8:00 viaggiando a 120 km/h. Un altro parte da Lione, distante 465 km, alle 8:30 viaggiando a 150 km/h verso Parigi. A che ora e a quale distanza da Parigi si incontrano?” Verifica tu stesso la risposta attesa: 10:00, 240 km da Parigi. Se usi l’API, confronta il numero di token di ragionamento riportati nell’uso della risposta per entrambi i livelli.

Fonti ufficiali: Modelli di ragionamento (API OpenAI: token di ragionamento, fatturazione, contesto, riepiloghi, modalità pro, livelli di sforzo) · Modelli (documentazione ChatGPT: Max e Ultra) · GPT-6 e altri modelli in ChatGPT (risposte che iniziano durante il ragionamento)

Punti chiave

  • Il ragionamento aggiunge token di pensiero prima della risposta; il loro numero cresce con il livello scelto
  • Invisibili, questi token occupano il contesto e sono fatturati come token di output nell’API
  • Consenti un margine di output sufficiente, altrimenti la risposta tornerà incompleta
  • Pro fa lavorare il modello più duramente, Max gli concede più tempo, Ultra distribuisce il lavoro tra sotto-agenti (Work e Codex)
  • Il ragionamento non immunizza dall’errore: una premessa falsa porta a una conclusione falsa