Ir para o conteúdo principal
Português— Escolher um idioma
Menu

Cadeia de Pensamento

Aula 6 de 14 Atualizada a 3 de novembro de 2026 Iniciante
Nesta página
  1. Raciocinar passo a passo
  2. Por que razão a cadeia de pensamento funciona
  3. Modelos de raciocínio do Grok
  4. Técnicas de ativação
  5. Tokens de raciocínio e custos
  6. Limitações dos modelos de raciocínio
  7. Experimente
  8. Pontos-chave

Atualizado a 3 de novembro de 2026 com base na referência da API e nas melhores práticas da xAI: max_completion_tokens limita 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:

  1. Decompor o problema em subproblemas
  2. Resolver cada subproblema sequencialmente
  3. Verificar a consistência entre as etapas
  4. 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_penalty e presence_penalty: não suportados
  • stop: 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