Hoppa till huvudinnehåll
Svenska— Välj ett språk
Meny

Synlig resonemang: Koncept och modellutbud 2026

Lektion 1 av 12 Uppdaterad 28 juli 2026 Utvecklare
På denna sida
  1. Vad är synligt resonemang?
  2. Justerbar resonemangsinsats
  3. Resonemangsspår i svaret
  4. Vad detta innebär för dig
  5. Användningsområden för justerbart resonemang
  6. Viktiga punkter

Uppdaterat den 3 november 2026 baserat på sidan Models och guiden Reasoning från xAI: grok-4.6 och grok-4.7 kompletterar toppsegmentet med inställningen för resonemangsinsats xhigh. Källor: Models · Reasoning.

Vad är synligt resonemang?

En resonemangsmodell genererar en intern tankekedja innan den formulerar sitt slutgiltiga svar: den bryter ner problemet, utforskar olika vägar och verifierar sina steg. Vissa modeller exponerar detta resonemang i API-svaret, medan andra håller det internt. Att förstå denna skillnad är startpunkten för hela denna kurs.

Historiskt sett hos xAI populariserade grok-3-mini (föregående generation, borttagen från katalogen 2026) synligt resonemang: dess fält reasoning_content innehöll hela tankeprocessen i klartext, direkt läsbar. Denna transparens gjorde den till ett enastående pedagogiskt verktyg och ett förstahandsval för felsökning av prompts.

I juli 2026 förändrades modellutbudet. Resonemang fungerar nu med två familjer av modeller:

  • grok-4.20-0309-reasoning: varianten som är explicit dedikerad till resonemang, med 1 miljon kontexttoken.
  • grok-4.7, grok-4.6 och grok-4.5: toppmodellerna (från september, augusti respektive juli 2026), vars resonemang är justerbart – du ställer in resonemangsinsatsen baserat på uppgiften, upp till xhigh på 4.6 och 4.7; grok-4.7 är modellen som xAI rekommenderar.
4.20
Dedikerad resonemangsvariant
Konfigurerbar
Justerbar insats från grok-4.5 till grok-4.7
1M
grok-4.20-0309 kontext
500k
grok-4.5 kontext

Justerbar resonemangsinsats

Principen för justerbar resonemangsinsats är enkel: ju högre insats, desto fler resonemangstoken konsumerar modellen innan den svarar, och desto mer tillförlitligt blir svaret på komplexa problem.

  • Låg insats: modellen tänker kortfattat. Lämpligt för enkla frågor där du vill ha ett strukturerat svar utan att förbruka för många token.
  • Hög insats: modellen utvecklar ett djupt resonemang. Lämpligt för logikproblem, flerstegsberäkningar eller komplex kodanalys.

På föregående generation användes parametern reasoning_effort (low / high) på grok-3-mini för denna inställning:

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

På grok-4.5 är resonemanget konfigurerbart internt: det är till och med ett av modellens centrala säljargument. Parameterns exakta namn och värden utvecklas tillsammans med API:t – kontrollera den officiella sidan Models (docs.x.ai) för aktuell syntax innan du skriver din kod.

Resonemangsspår i svaret

På föregående generation returnerade grok-3-mini ett fält reasoning_content i meddelandeobjektet, vilket innehöll hela resonemanget i klartext:

{
  "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..."
      }
    }
  ]
}

Viktig varning: för modellutbudet 2026 (grok-4.5, grok-4.20-0309-reasoning) garanterar inte den officiella dokumentationen att resonemangsspår exponeras i klartext på samma sätt. Innan du bygger ett gränssnitt som visar modellens resonemang måste du testa svarsobjektet som returneras av den modell du riktar dig till och konsultera den officiella sidan Models. Anta aldrig att beteendet från föregående generation bevaras.

Vad detta innebär för dig

Skillnaden att komma ihåg:

  • Exponerat resonemang: du kan visa tankeprocessen, felsöka den och använda den i undervisning. Verifiera detta modell för modell i det aktuella utbudet.
  • Internt resonemang: modellen tänker, men du får endast det slutgiltiga svaret (och potentiellt ett krypterat återanvändbart innehåll – se nästa lektion).

Om din applikation behöver visa hur modellen resonerar (handledning, pedagogiskt verktyg, revision) måste du validera denna punkt först när du väljer modell. Om endast kvaliteten på det slutgiltiga svaret spelar roll är grok-4.5 med anpassad insats det naturliga valet.

Användningsområden för justerbart resonemang

  • Felsökning av prompts: hög insats på grok-4.20-0309-reasoning avslöjar om modellen tolkar dina instruktioner korrekt
  • Undervisning: bryt ner matematiskt eller logiskt resonemang steg för steg
  • Validering: verifiera resonemangsvägen på ett urval innan du går till produktion
  • Prototyping: testa en resonemangskedja med låg insats innan du skalar upp

Viktiga punkter

  • En resonemangsmodell tänker innan den svarar; vissa exponerar detta resonemang, andra gör det inte
  • grok-3-mini (föregående generation, ej i katalogen) exponerade sitt resonemang i klartext via reasoning_content
  • År 2026 fungerar resonemang med grok-4.20-0309-reasoning (dedikerad variant, 1M kontext) och grok-4.5 (konfigurerbart resonemang, 500k kontext)
  • Exponering av spår i det aktuella utbudet är inte garanterad: testa API-svaret och konsultera den officiella sidan Models
  • Välj resonemangsinsats baserat på uppgiftens komplexitet, inte som standard på maximal nivå