Como Funcionam os Modelos de Raciocínio
Nesta página
Nos Bastidores dos Modelos que “Pensam”
Quando aumenta o nível de raciocínio, o modelo não gera a resposta imediatamente. Primeiro, produz tokens de raciocínio, que utiliza para decompor o pedido e explorar múltiplas formas de responder. Compreender este mecanismo não é apenas teórico: é o que lhe permite definir o nível adequado, antecipar custos e interpretar corretamente o resultado do modelo.
Pense Antes de Responder
Num nível rápido (Instant no Chat, none ou low na API), o modelo responde quase diretamente. Quanto mais elevado definir o nível, mais tokens gasta a pensar antes de produzir a resposta visível. Pode encarar esta fase como um rascunho: decompor o problema, explorar caminhos, eliminar becos sem saída, verificar e, finalmente, sintetizar. Este é um modelo mental útil, não uma descrição oficial do funcionamento interno; o que a OpenAI descreve é um modelo que decompõe o pedido e considera várias abordagens antes de responder.
Considere a expressão “17 × 23 + 45 ÷ 9 − 12”. Sem raciocínio, o risco de erro relativo à precedência de operadores é real. Com um nível mais elevado, o modelo dedica tempo a processar primeiro a multiplicação e a divisão (391 e 5), depois a adição e a subtração (391 + 5 − 12 = 384), e verifica o resultado antes de o enunciarem.
Tokens de Raciocínio: Invisíveis, mas Contabilizados
Os tokens de raciocínio não aparecem na resposta, mas são contabilizados. Na API, ocupam espaço na janela de contexto e são faturados como tokens de saída. Dependendo da dificuldade, um modelo pode gerar desde algumas centenas até várias dezenas de milhares destes tokens. Se o limite de saída (max_output_tokens) for atingido durante o raciocínio, a resposta retorna com o estado incomplete, por vezes antes de qualquer texto visível ter sido produzido; a OpenAI recomenda reservar pelo menos 25.000 tokens para o raciocínio e a resposta quando começar a experimentar.
O raciocínio bruto não é exposto. Na API, pode solicitar um resumo do raciocínio utilizando o parâmetro reasoning.summary. No ChatGPT, com o GPT-6, uma resposta pode começar enquanto o modelo ainda está a pensar, enriquecendo-se depois com mais detalhes.
Pro, Max e Ultra: Três Formas de Fazer Mais
Para além dos níveis de esforço, existem três mecanismos que levam o raciocínio mais longe, sendo útil não os confundir.
- Modo Pro (
reasoning.mode: "pro"na API, nível Pro no Chat) faz o modelo trabalhar mais em tarefas difíceis que toleram maior latência. Na API, este trabalho extra é faturado à taxa standard do modelo escolhido, mas consome mais tokens. - Max, no Work e no Codex, bem como na API (
max), concede ao modelo mais tempo para raciocinar sobre uma única tarefa. - Ultra, apenas no Work e no Codex, vai além de um único agente: atribui partes de uma tarefa complexa a subagentes que trabalham em paralelo. Só é útil se o trabalho puder ser dividido em blocos independentes. O GPT-6 Luna chega até ao Max, mas não ao Ultra.
O Que o Raciocínio Altera e o Que Não Altera
Um nível de raciocínio elevado faz a diferença para famílias específicas de problemas: matemática e estatística, lógica e dedução, código complexo e depuração, análise estratégica com critérios ponderados e, de modo geral, qualquer tarefa em várias etapas. A OpenAI recomenda, assim, high para raciocínio difícil, depuração complexa e planeamento profundo.
Dito isto, não é uma solução mágica. O modelo pode continuar a cometer erros após o raciocínio: uma premissa falsa leva a uma conclusão falsa, independentemente do cuidado do processo de raciocínio. O raciocínio aumenta o tempo de resposta e o custo. E, para uma tarefa simples, não acrescenta nada que um nível rápido não conseguisse já tratar.
Experimente Você Mesmo
Observe o mecanismo em ação. Faça esta pergunta primeiro num nível rápido e depois num nível elevado (Instant e depois High no Chat, ou low e depois high na API): “Um comboio parte de Paris às 8h00 a viajar a 120 km/h. Outro parte de Lyon, a 465 km de distância, às 8h30 a viajar a 150 km/h em direção a Paris. A que horas e a que distância de Paris é que se encontram?” Verifique você mesmo a resposta esperada: 10h00, a 240 km de Paris. Se utilizar a API, compare o número de tokens de raciocínio reportados no uso da resposta para ambos os níveis.
Fontes oficiais: Modelos de raciocínio (API da OpenAI: tokens de raciocínio, faturação, contexto, resumos, modo pro, níveis de esforço) · Modelos (documentação do ChatGPT: Max e Ultra) · GPT-6 e outros modelos no ChatGPT (respostas que começam durante o raciocínio)
Pontos-chave
- O raciocínio adiciona tokens de pensamento antes da resposta; o seu número cresce com o nível escolhido
- Invisíveis, estes tokens ocupam contexto e são faturados como tokens de saída na API
- Permita uma margem de saída suficiente, caso contrário a resposta retornará incompleta
- O Pro faz o modelo trabalhar mais, o Max dá-lhe mais tempo, o Ultra distribui o trabalho por subagentes (Work e Codex)
- O raciocínio não imuniza contra o erro: uma premissa falsa leva a uma conclusão falsa