Ir para o conteúdo principal
Português— Escolher um idioma
Menu

Raciocínio Visível: Conceito e Linha de 2026

Aula 1 de 12 Atualizada a 28 de julho de 2026 Programador
Nesta página
  1. O Que É o Raciocínio Visível?
  2. Esforço de Raciocínio Ajustável
  3. Vestígios de Raciocínio na Resposta
  4. O Que Isto Significa Para Si
  5. Casos de Uso para Raciocínio Ajustável
  6. Pontos-chave

Atualizado a 3 de novembro de 2026 com base na página Models e no guia Reasoning da xAI: o grok-4.6 e o grok-4.7 completam a gama de topo, com a definição de esforço xhigh. Fontes: Models · Reasoning.

O Que É o Raciocínio Visível?

Um modelo de raciocínio gera uma cadeia de pensamento interna antes de formular a sua resposta final: decompõe o problema, explora caminhos e verifica os seus passos. Alguns modelos expõem este raciocínio na resposta da API, enquanto outros o mantêm interno. Compreender esta distinção é o ponto de partida para todo este curso.

Historicamente, na xAI, o grok-3-mini (geração anterior, removido do catálogo em 2026) popularizou o raciocínio visível: o seu campo reasoning_content continha todo o processo de pensamento, em texto simples, diretamente legível. Esta transparência tornou-o numa ferramenta de ensino notável e na escolha preferida para a depuração de prompts.

Em julho de 2026, a linha de modelos mudou. O raciocínio funciona agora com duas famílias de modelos:

  • grok-4.20-0309-reasoning: a variante explicitamente dedicada ao raciocínio, com 1 milhão de tokens de contexto.
  • grok-4.7, grok-4.6 e grok-4.5: os modelos de topo (setembro, agosto e julho de 2026), cujo raciocínio é ajustável — o utilizador regula o esforço de raciocínio consoante a tarefa, até xhigh no 4.6 e 4.7; o grok-4.7 é o modelo recomendado pela xAI.
4.20
Variante dedicada ao raciocínio
Configurável
Esforço ajustável do grok-4.5 ao grok-4.7
1M
Contexto do grok-4.20-0309
500k
Contexto do grok-4.5

Esforço de Raciocínio Ajustável

O princípio do esforço de raciocínio ajustável é simples: quanto maior o esforço, mais tokens de raciocínio o modelo consome antes de responder e mais fiável é a resposta em problemas complexos.

  • Baixo esforço: o modelo pensa brevemente. Adequado para perguntas simples onde se deseja uma resposta estruturada sem consumir demasiados tokens.
  • Alto esforço: o modelo desenvolve um raciocínio profundo. Adequado para problemas de lógica, cálculos em várias etapas ou análise de código complexa.

Na geração anterior, esta definição utilizava o parâmetro reasoning_effort (low / high) no grok-3-mini:

{
  "model": "grok-4.20-0309-reasoning",
  "reasoning_effort": "high",
  "messages": [
    {
      "role": "user",
      "content": "Prove that the square root of 2 is irrational."
    }
  ]
}

No grok-4.5, o raciocínio é configurável nativamente: é mesmo um dos argumentos centrais do modelo. O nome exato e os valores do parâmetro evoluem com a API — consulte a página oficial Models (docs.x.ai) para obter a sintaxe atual antes de escrever o seu código.

Vestígios de Raciocínio na Resposta

Na geração anterior, o grok-3-mini devolvia um campo reasoning_content no objeto da mensagem, contendo o raciocínio completo em texto simples:

{
  "choices": [
    {
      "message": {
        "role": "assistant",
        "content": "The square root of 2 is irrational...",
        "reasoning_content": "I will use a proof by contradiction. Assume that √2 = p/q where p and q are coprime integers..."
      }
    }
  ]
}

Aviso importante: na linha de 2026 (grok-4.5, grok-4.20-0309-reasoning), a documentação oficial não garante que os vestígios de raciocínio sejam expostos em texto simples da mesma forma. Antes de construir uma interface que exiba o raciocínio do modelo, teste o objeto de resposta devolvido pelo modelo que está a targeting e consulte a página oficial Models. Nunca assuma que o comportamento da geração anterior se mantém.

O Que Isto Significa Para Si

A distinção a reter:

  • Raciocínio exposto: pode exibir o processo de pensamento, depurá-lo e utilizá-lo para ensino. Verifique isto modelo a modelo na linha atual.
  • Raciocínio interno: o modelo pensa, mas recebe apenas a resposta final (e potencialmente um conteúdo reutilizável encriptado — veja a próxima lição).

Se a sua aplicação precisa de mostrar como o modelo raciocina (tutor, ferramenta educativa, auditoria), valide primeiro este ponto ao escolher o modelo. Se apenas a qualidade da resposta final importa, o grok-4.5 com esforço adaptado é a escolha natural.

Casos de Uso para Raciocínio Ajustável

  • Depuração de prompts: alto esforço no grok-4.20-0309-reasoning revela se o modelo interpreta corretamente as suas instruções
  • Ensino: decompor o raciocínio matemático ou lógico passo a passo
  • Validação: verificar o caminho de raciocínio numa amostra antes de passar para produção
  • Prototipagem: testar uma cadeia de raciocínio com baixo esforço antes de escalar

Pontos-chave

  • Um modelo de raciocínio pensa antes de responder; alguns expõem este raciocínio, outros não
  • O grok-3-mini (geração anterior, fora do catálogo) expunha o seu raciocínio em texto simples através de reasoning_content
  • Em 2026, o raciocínio funciona com o grok-4.20-0309-reasoning (variante dedicada, contexto de 1M) e o grok-4.5 (raciocínio configurável, contexto de 500k)
  • A exposição de vestígios na linha atual não é garantida: teste a resposta da API e consulte a página oficial Models
  • Escolha o esforço de raciocínio com base na complexidade da tarefa, não por defeito no máximo