Ga naar hoofdinhoud
Nederlands— Kies een taal
Menu

Hoe redeneermodellen werken

Les 2 van 12 Bijgewerkt op 5 november 2026 Gemiddeld
Op deze pagina
  1. Onder de motorkap van modellen die “denken”
  2. Denk na voordat u antwoordt
  3. Redeneertokens: onzichtbaar maar geteld
  4. Pro, Max en Ultra: drie manieren om meer te doen
  5. Wat redeneren verandert, en wat niet
  6. Probeer het zelf
  7. Belangrijkste punten

Onder de motorkap van modellen die “denken”

Wanneer u het redeneerniveau verhoogt, genereert het model niet direct zijn antwoord. Eerst produceert het redeneertokens, die het gebruikt om de aanvraag af te breken en meerdere manieren om te reageren te verkennen. Dit mechanisme begrijpen is niet louter theoretisch; het stelt u in staat het niveau passend in te stellen, kosten te anticiperen en de uitvoer van het model correct te interpreteren.

Denk na voordat u antwoordt

Op een snel niveau (Instant in Chat, none of low in de API) reageert het model bijna direct. Hoe hoger u het niveau instelt, hoe meer tokens het besteedt aan denken voordat het het zichtbare antwoord produceert. U kunt deze fase zien als een concept: het probleem ontleden, wegen verkennen, doodlopende straten uitsluiten, verifiëren en vervolgens synthetiseren. Dit is een nuttig mentaal model, geen officiële beschrijving van de interne werking; wat OpenAI beschrijft, is een model dat de aanvraag decomposeert en verschillende benaderingen overweegt voordat het antwoordt.

Neem de uitdrukking “17 × 23 + 45 ÷ 9 − 12”. Zonder redeneren is het risico op fouten met betrekking tot de voorrang van operatoren reëel. Met een hoger niveau neemt het model de tijd om eerst de vermenigvuldiging en deling te verwerken (391 en 5), vervolgens de optelling en aftrekking (391 + 5 − 12 = 384), en verifieert het zijn resultaat voordat het dit stelt.

Wat er gebeurt vóór het antwoord Vier stappen, vereenvoudigd: de aanvraag en zijn context; redeneren, bestaande uit redeneertokens; verificatie, waarbij wegen worden vergeleken en fouten worden uitgesloten; het antwoord, het enige zichtbare deel. REDENEERTOKENS Wat er gebeurt vóór het antwoord 1 Aanvraag De prompt en de context 2 Redeneren Redeneertokens 3 Verificatie Wegen vergeleken 4 Antwoord Enige zichtbare deel In de API nemen deze tokens context in beslag en worden ze gefactureerd als uitvoertokens.
Gebaseerd op de OpenAI API Reasoning models guide (november 2026).

Redeneertokens: onzichtbaar maar geteld

Redeneertokens verschijnen niet in het antwoord, maar worden wel meegeteld. In de API nemen ze ruimte in beslag in het contextvenster en worden ze gef factureerd als uitvoertokens. Afhankelijk van de moeilijkheidsgraad kan een model ergens tussen een paar honderd en enkele tienduizenden tokens genereren. Als de uitvoerlimiet (max_output_tokens) tijdens het redeneren wordt bereikt, keert het antwoord terug met de status incomplete, soms voordat er enige zichtbare tekst is geproduceerd; OpenAI raadt aan minimaal 25.000 tokens te reserveren voor redeneren en het antwoord wanneer u begint met experimenteren.

Ruwe redenering wordt niet blootgelegd. In de API kunt u een samenvatting van de redenering aanvragen met de parameter reasoning.summary. In ChatGPT, met GPT-6, kan een antwoord beginnen terwijl het model nog denkt, om zich later te verrijken met details.

Pro, Max en Ultra: drie manieren om meer te doen

Naast inspanningsniveaus zijn er drie mechanismen die het redeneren verder pushen, en het is nuttig deze niet te verwarren.

  • Pro-modus (reasoning.mode: "pro" in de API, Pro-niveau in Chat) laat het model harder werken aan moeilijke taken die hogere latentie tolereren. In de API wordt dit extra werk gefactureerd tegen het standaardtarief voor het gekozen model, maar het verbruikt meer tokens.
  • Max, in Work en Codex evenals in de API (max), geeft het model meer tijd om over één taak na te denken.
  • Ultra, alleen in Work en Codex, gaat verder dan één agent: het wijst delen van een complexe taak toe aan sub-agenten die parallel werken. Het is alleen nuttig als het werk kan worden opgesplitst in onafhankelijke brokken. GPT-6 Luna gaat tot Max, maar niet tot Ultra.

Wat redeneren verandert, en wat niet

Een hoog redeneerniveau maakt een verschil voor specifieke families van problemen: wiskunde en statistiek, logica en deductie, complexe code en debugging, strategische analyse met gewogen criteria, en over het algemeen elke taak met meerdere stappen. OpenAI beveelt daarom high aan voor moeilijk redeneren, complexe debugging en diepgaande planning.

Dat gezegd hebbende, het is geen wondermiddel. Het model kan nog steeds fouten maken na het redeneren: een valse premisse leidt tot een valse conclusie, ongeacht hoe zorgvuldig het redeneerproces is. Redeneren verhoogt de responstijd en de kosten. En voor een eenvoudige taak voegt het niets toe wat een snel niveau niet al zou kunnen afhandelen.

Probeer het zelf

Zie het mechanisme in actie. Stel deze vraag eerst op een snel niveau, vervolgens op een hoog niveau (Instant dan High in Chat, of low dan high in de API): “Een trein vertrekt om 08:00 uur uit Parijs met een snelheid van 120 km/u. Een andere vertrekt om 08:30 uur uit Lyon, op 465 km afstand, met 150 km/u richting Parijs. Op welk tijdstip en op welke afstand van Parijs ontmoeten ze elkaar?” Verifieer zelf het verwachte antwoord: 10:00 uur, 240 km van Parijs. Als u de API gebruikt, vergelijk dan het aantal gerapporteerde redeneertokens in het gebruik (usage) van het antwoord voor beide niveaus.

Officiële bronnen: Reasoning models (OpenAI API: redeneertokens, facturatie, context, samenvattingen, pro-modus, inspanningsniveaus) · Models (ChatGPT-documentatie: Max en Ultra) · GPT-6 and other models in ChatGPT (antwoorden die starten tijdens het redeneren)

Belangrijkste punten

  • Redeneren voegt denktokens toe vóór het antwoord; hun aantal groeit met het gekozen niveau
  • Onzichtbaar nemen deze tokens context in beslag en worden ze in de API gefactureerd als uitvoertokens
  • Voorzie voldoende uitvoermarge, anders keert het antwoord onvolledig terug
  • Pro laat het model harder werken, Max geeft het meer tijd, Ultra verdeelt het werk over sub-agenten (Work en Codex)
  • Redeneren beschermt niet tegen fouten: een valse premisse leidt tot een valse conclusie