Cadeia de Pensamento
Nesta página
Atualizado a 3 de novembro de 2026 com base na referência da API e nas melhores práticas da xAI:
max_completion_tokenslimita apenas a resposta visível, não o raciocínio; o tempo limite recomendado é de, pelo menos, 900 segundos. Fontes: Chat Completions · Best practices.
Raciocinar passo a passo
A Cadeia de Pensamento (Chain of Thought ou CoT) é uma técnica que consiste em pedir ao modelo para decompor o seu raciocínio em etapas explícitas antes de fornecer a resposta final. Em vez de saltar diretamente para a conclusão, o modelo detalha o seu processo de pensamento, o que melhora significativamente a qualidade da resposta em tarefas complexas.
Esta abordagem funciona particularmente bem para problemas de lógica, cálculos, análises multicritério e qualquer tarefa que exija um raciocínio em várias etapas.
Por que razão a cadeia de pensamento funciona
Quando pede ao Grok para resolver um problema diretamente, este gera a resposta mais provável sem necessariamente verificar a sua consistência. Ao solicitar que raciocine passo a passo, está a incentivá-lo a:
- Decompor o problema em subproblemas
- Resolver cada subproblema sequencialmente
- Verificar a consistência entre as etapas
- Chegar a uma conclusão baseada no raciocínio
Exemplo sem cadeia de pensamento
P: Uma loja vende t-shirts a 25 euros. Com um desconto de 20% e IVA de 20%, qual é o preço final?
R: 24 euros.
Exemplo com cadeia de pensamento
P: Uma loja vende t-shirts a 25 euros. Com um desconto de 20% e IVA de 20%, qual é o preço final? Raciocine passo a passo.
R:
1. Preço base: 25 euros
2. Desconto de 20%: 25 x 0,20 = 5 euros
3. Preço após desconto: 25 - 5 = 20 euros
4. IVA de 20%: 20 x 0,20 = 4 euros
5. Preço final com impostos: 20 + 4 = 24 euros
O preço final é de 24 euros.
O resultado pode ser idêntico, mas o raciocínio explícito permite-lhe verificar cada etapa e detetar potenciais erros.
Modelos de raciocínio do Grok
A xAI disponibiliza modelos especificamente concebidos para o raciocínio. Estes modelos integram nativamente a cadeia de pensamento, sem que tenha de a solicitar explicitamente.
Ajustar o esforço de raciocínio
Modelos anteriores, como o grok-3-mini, expunham um parâmetro reasoning_effort (low/high). Na gama atual, o esforço de raciocínio é definido através do parâmetro reasoning na API de Respostas, conforme mostrado abaixo:
- low: raciocínio rápido, consome menos tokens, adequado para perguntas simples
- medium: equilíbrio entre profundidade de pensamento e custo, adequado para a maioria dos casos
- high: raciocínio aprofundado, mais tokens, adequado para problemas complexos
grok-4.20-0309-reasoning: raciocínio avançado
Os modelos atuais do Grok integram raciocínio encriptado. O processo de pensamento não é visível em texto simples, mas é mais eficiente. Com a API de Respostas, pode controlar o esforço através do parâmetro reasoning:
{
"model": "grok-4.20-0309-reasoning",
"input": "Analyze the advantages and disadvantages of migrating to a microservices architecture",
"reasoning": {
"effort": "high"
}
}
Os níveis disponíveis são low, medium e high.
Técnicas de ativação
Mesmo com modelos não dedicados ao raciocínio, pode ativar a cadeia de pensamento com uma formulação simples no seu prompt:
- “Raciocine passo a passo antes de responder”
- “Decomponha o seu raciocínio”
- “Explique a sua abordagem e depois dê a sua conclusão”
- “Pense em voz alta”
Na mensagem de sistema
{
"role": "system",
"content": "You are a financial analyst. For each question, break down your reasoning into numbered steps before giving your final conclusion."
}
Tokens de raciocínio e custos
Os tokens de raciocínio são contabilizados na utilização e faturados como tokens de saída. Aparecem no campo reasoning_tokens da resposta:
{
"usage": {
"completion_tokens_details": {
"reasoning_tokens": 150
}
}
}
O parâmetro max_completion_tokens limita apenas a resposta visível: o raciocínio interno não conta para esse limite, e a sua quantidade é definida pelo esforço de raciocínio.
As melhores práticas da xAI exigem um tempo limite de, pelo menos, 900 segundos por pedido, e os exemplos no seu guia Reasoning chegam a 3.600 segundos para problemas complexos.
Limitações dos modelos de raciocínio
Certos parâmetros não estão disponíveis nos modelos de raciocínio:
frequency_penaltyepresence_penalty: não suportadosstop: não suportado- A inclusão destes parâmetros desencadeia um erro
Experimente
Teste a mesma pergunta com e sem cadeia de pensamento:
Sem CoT:
Um comboio parte de Paris às 8h00 a 120 km/h. Outro parte de Lyon (470 km) às 9h00 a 150 km/h. A que horas se cruzam?
Com CoT:
Um comboio parte de Paris às 8h00 a 120 km/h. Outro parte de Lyon (470 km) às 9h00 a 150 km/h. A que horas se cruzam? Raciocine passo a passo e mostre os seus cálculos.
Compare as respostas: a versão com cadeia de pensamento será mais fiável e verificável.
Pontos-chave
- A cadeia de pensamento melhora a fiabilidade em tarefas complexas ao decompor o raciocínio
- Os modelos atuais do Grok integram raciocínio encriptado com três níveis de esforço (low/medium/high)
- Os tokens de raciocínio são faturados e contam para o limite de tokens de saída
- Certos parâmetros (penalidades, stop) não são compatíveis com modelos de raciocínio
- Adicione “raciocine passo a passo” aos seus prompts para ativar a CoT em qualquer modelo