Przejdź do głównej treści
Polski— Wybierz język
Menu

Szyfrowane rozumowanie

Lekcja 8 z 16 Zaktualizowano 28 lipca 2026 Programista
Na tej stronie
  1. Wewnętrzne rozumowanie w modelach Grok
  2. Dlaczego rozumowanie jest szyfrowane?
  3. Pobieranie zaszyfrowanego rozumowania
  4. Ponowne wykorzystanie rozumowania w konwersacji
  5. Zaszyfrowane rozumowanie a klasyczne łańcuchowanie
  6. Kiedy stosować zaszyfrowane rozumowanie?
  7. Wpływ na rozliczenia
  8. Kluczowe wnioski

Wewnętrzne rozumowanie w modelach Grok

Najnowsze modele rozumujące (takie jak grok-4.20-0309-reasoning) przeprowadzają wewnętrzny proces myślowy przed wygenerowaniem odpowiedzi. Ten tok rozumowania, normalnie niewidoczny, można pobrać w formie zaszyfrowanej za pomocą parametru include. Następnie możesz go ponownie wprowadzić do kolejnych żądań, aby zachować ciągłość rozumowania.

Dlaczego rozumowanie jest szyfrowane?

Wewnętrzne rozumowanie zawiera surowy proces myślowy modelu – pośrednie kroki, testowane hipotezy i porzucone ścieżki. xAIszyfruje te treści z dwóch powodów:

  • Własność intelektualna: Rozumowanie ujawnia wewnętrzne działanie modelu.
  • Ciągłość: Zaszyfrowana treść może być ponownie wykorzystana przez model do wznowienia procesu myślowego.

Nie możesz odczytać zaszyfrowanej treści, ale model potrafi ją odszyfrować i wykorzystać.

Pobieranie zaszyfrowanego rozumowania

Dodaj include=["reasoning.encrypted_content"] do swojego żądania:

response = client.responses.create(
    model="grok-4.20-0309-reasoning",
    input="Solve this problem: if a train leaves Paris at 2 PM at 200 km/h "
          "and another from Lyon at 3 PM at 300 km/h, when do they meet?",
    include=["reasoning.encrypted_content"]
)

Odpowiedź będzie zawierać dodatkowe pole z zaszyfrowanym rozumowaniem:

{
  "output": [
    {
      "type": "reasoning",
      "encrypted_content": "eyJhbGciOiJSU0EtT0FFUCIsImVuYyI6..."
    },
    {
      "type": "message",
      "content": [{"type": "output_text", "text": "The two trains meet at..."}]
    }
  ]
}

Ponowne wykorzystanie rozumowania w konwersacji

Główną zaletą zaszyfrowanego rozumowania jest możliwość jego ponownego wprowadzenia do kolejnych żądań. Pozwala to modelowi wznowić pracę dokładnie w miejscu, w którym przerwał swój proces myślowy:

# Żądanie 1: początkowy problem
response1 = client.responses.create(
    model="grok-4.20-0309-reasoning",
    input="Prove that the square root of 2 is irrational.",
    include=["reasoning.encrypted_content"]
)

# Wyodrębnienie zaszyfrowanego rozumowania
encrypted = None
for item in response1.output:
    if item.type == "reasoning":
        encrypted = item.encrypted_content
        break

# Żądanie 2: pogłębienie analizy przy zachowaniu ciągłości rozumowania
response2 = client.responses.create(
    model="grok-4.20-0309-reasoning",
    input="Can you generalize this proof to roots of prime numbers?",
    previous_response_id=response1.id,
    include=["reasoning.encrypted_content"]
)

Zaszyfrowane rozumowanie a klasyczne łańcuchowanie

PodejścieKontekst tekstowyCiągłość rozumowania
Tylko previous_response_idTakNie – model restartuje swoje rozumowanie
previous_response_id + zaszyfrowane rozumowanieTakTak – model wznawia swój tok myślowy

Różnica jest subtelna, ale istotna w przypadku złożonych zadań wymagających rozumowania. Dzięki zaszyfrowanej treści model nie tylko ponownie odczytuje kontekst: wznawia swój wewnętrzny proces myślowy.

Kiedy stosować zaszyfrowane rozumowanie?

Zalecane

Wspólnym mianownikiem tych przypadków użycia jest zawsze to samo: konwersacja, w której turze N+1 musi budować na rozumowaniu z tury N. Problem matematyczny rozwiązywany w kilku krokach traci całą spójność, jeśli model zapomni swoją ścieżkę między dwiema wiadomościami; analiza logiczna przeprowadzana poprzez successive głębokie zanurzenia potrzebuje swoich hipotez pośrednich; iteracyjne debugowanie – „co jeśli przetestujemy tę wartość?“ – ma sens tylko wtedy, gdy model pamięta, co już wyeliminował. Ogólnie rzecz biorąc, gdy tylko zauważysz, że jakość rozumowania pogarsza się z tury na turę w Twoich konwersacjach, jest to sygnał, że kontekst rozumowania został utracony: ponowne wprowadzenie zaszyfrowanego rozumowania jest właśnie na to lekarstwem.

Niepotrzebne

  • Proste konwersacje (faktyczne pytania i odpowiedzi)
  • Generowanie treści kreatywnych
  • Zadania niewymagające ustrukturyzowanego rozumowania

Wpływ na rozliczenia

Tokeny zaszyfrowanego rozumowania są liczone w output_tokens_details.reasoning_tokens. Są one rozliczane według tej samej stawki co standardowe tokeny wyjściowe. Objętość rozumowania może być znacząca – czasem od 2 do 5 razy większa niż widoczna odpowiedź.

Kluczowe wnioski

  • Zaszyfrowane rozumowanie pobierasz za pomocą include=["reasoning.encrypted_content"]
  • Treść jest zaszyfrowana – nie możesz jej odczytać, ale model może jej ponownie użyć
  • W połączeniu z previous_response_id utrzymuje ciągłość toku myślowego
  • Przydatne w złożonych zadaniach wymagających wieloetapowego rozumowania
  • Tokeny rozumowania są rozliczane, nawet jeśli są niewidoczne w odpowiedzi