Szyfrowane rozumowanie
Na tej stronie
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
| Podejście | Kontekst tekstowy | Ciągłość rozumowania |
|---|---|---|
Tylko previous_response_id | Tak | Nie – model restartuje swoje rozumowanie |
previous_response_id + zaszyfrowane rozumowanie | Tak | Tak – 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_idutrzymuje ciągłość toku myślowego - Przydatne w złożonych zadaniach wymagających wieloetapowego rozumowania
- Tokeny rozumowania są rozliczane, nawet jeśli są niewidoczne w odpowiedzi