Hoppa till huvudinnehåll
Svenska— Välj ett språk
Meny

Chain of Thought

Lektion 6 av 14 Uppdaterad 3 november 2026 Nybörjare
På denna sida
  1. Resonera steg för steg
  2. Varför Chain of Thought fungerar
  3. Groks resonemangsmodeller
  4. Tekniker för att aktivera resonemang
  5. Resonemangstokens och kostnader
  6. Begränsningar hos resonemangsmodeller
  7. Testa själv
  8. Viktiga punkter

Uppdaterat den 3 november 2026 baserat på API-referensen och xAI:s bästa praxis: max_completion_tokens begränsar endast det synliga svaret, inte resonemanget; den rekommenderade tidsgränsen är minst 900 sekunder. Källor: Chat Completions · Best practices.

Resonera steg för steg

Chain of Thought (CoT) är en teknik som innebär att du ber modellen bryta ner sitt resonemang i explicita steg innan den ger sitt slutgiltiga svar. Istället för att hoppa direkt till slutsatsen redogör modellen för sin tankeprocess, vilket avsevärt förbättrar svars kvaliteten vid komplexa uppgifter.

Denna metod fungerar särskilt bra för logikproblem, beräkningar, analyser med flera kriterier och alla uppgifter som kräver flerstegsresonemang.

Varför Chain of Thought fungerar

När du ber Grok lösa ett problem direkt genererar den det mest sannolika svaret utan att nödvändigtvis kontrollera dess konsistens. Genom att be den resonera steg för steg får du den att:

  1. Bryta ner problemet i delproblem
  2. Lösa varje delproblem sekventiellt
  3. Verifiera konsistensen mellan stegen
  4. Dra en slutsats baserad på resonemanget

Exempel utan Chain of Thought

Q: A store sells t-shirts for 25 euros. With a 20% discount and 20% VAT, what is the final price?
A: 24 euros.

Exempel med Chain of Thought

Q: A store sells t-shirts for 25 euros. With a 20% discount and 20% VAT, what is the final price? Reason step by step.
A:
1. Base price: 25 euros
2. 20% discount: 25 x 0.20 = 5 euros
3. Price after discount: 25 - 5 = 20 euros
4. 20% VAT: 20 x 0.20 = 4 euros
5. Final price including tax: 20 + 4 = 24 euros
The final price is 24 euros.

Resultatet kan vara detsamma, men det explicita resonemanget låter dig verifiera varje steg och fånga potentiella fel.

Groks resonemangsmodeller

xAI erbjuder modeller som är specifikt designade för resonemang. Dessa modeller integrerar Chain of Thought nativt utan att du behöver begära det explicit.

Justera resonemangsinsatsen

Äldre modeller som grok-3-mini exponerade en parameter reasoning_effort (low/high). I den nuvarande modelluppsättningen ställs resonemangsinsatsen in via parametern reasoning i Responses API, enligt nedan:

  • low: snabbt resonemang, färre tokens förbrukas, lämpar sig för enkla frågor
  • medium: balans mellan djup i tänkandet och kostnad, lämpar sig för de flesta fall
  • high: djupgående resonemang, fler tokens, lämpar sig för komplexa problem

grok-4.20-0309-reasoning: avancerat resonemang

Nuvarande Grok-modeller integrerar krypterat resonemang. Tankeprocessen är inte synlig i klartext, men den är mer prestandaoptimerad. Med Responses API kan du styra insatsen via parametern reasoning:

{
  "model": "grok-4.20-0309-reasoning",
  "input": "Analyze the advantages and disadvantages of migrating to a microservices architecture",
  "reasoning": {
    "effort": "high"
  }
}

Tillgängliga nivåer är low, medium och high.

Tekniker för att aktivera resonemang

Även med modeller som inte är specialiserade på resonemang kan du aktivera Chain of Thought med enkel formulering i din prompt:

  • “Reason step by step before answering”
  • “Break down your reasoning”
  • “Explain your approach then give your conclusion”
  • “Think aloud”

I systemmeddelandet

{
  "role": "system",
  "content": "You are a financial analyst. For each question, break down your reasoning into numbered steps before giving your final conclusion."
}

Resonemangstokens och kostnader

Resonemangstokens räknas i användningen och debiteras som output-tokens. De visas i fältet reasoning_tokens i svaret:

{
  "usage": {
    "completion_tokens_details": {
      "reasoning_tokens": 150
    }
  }
}

Parametern max_completion_tokens begränsar endast det synliga svaret: internt resonemang räknas inte mot denna gräns, och mängden styrs av resonemangsinsatsen.

xAI:s bästa praxis kräver en tidsgräns på minst 900 sekunder per förfrågan, och exemplen i deras guide för Reasoning går upp till 3 600 sekunder för komplexa problem.

Begränsningar hos resonemangsmodeller

Vissa parametrar är inte tillgängliga på resonemangsmodeller:

  • frequency_penalty och presence_penalty: stöds inte
  • stop: stöds inte
  • Att inkludera dessa parametrar utlöser ett fel

Testa själv

Testa samma fråga med och utan Chain of Thought:

Utan CoT:

A train leaves Paris at 8 AM at 120 km/h. Another leaves Lyon (470 km) at 9 AM at 150 km/h. At what time do they meet?

Med CoT:

A train leaves Paris at 8 AM at 120 km/h. Another leaves Lyon (470 km) at 9 AM at 150 km/h. At what time do they meet? Reason step by step and show your calculations.

Jämför svaren: versionen med Chain of Thought kommer att vara mer tillförlitlig och verifierbar.

Viktiga punkter

  • Chain of Thought förbättrar tillförlitligheten vid komplexa uppgifter genom att bryta ner resonemanget
  • Nuvarande Grok-modeller integrerar krypterat resonemang med tre insatsnivåer (low/medium/high)
  • Resonemangstokens debiteras och räknas mot gränsen för output-tokens
  • Vissa parametrar (straff, stopp) är inte kompatibla med resonemangsmodeller
  • Lägg till “reason step by step” i dina prompts för att aktivera CoT på vilken modell som helst