Долгое время развитие искусственного интеллекта упиралось в простое масштабирование параметров: чем больше обучающая выборка и размер сети, тем лучше результат. Однако в 2025–2026 годах индустрия столкнулась с исчерпанием качественных данных и перешла к новой парадигме — Test-Time Compute (вычисления во время ответа).
Вместо того чтобы мгновенно выдавать следующий наиболее вероятный токен, reasoning-модели «думают»: они строят внутренний монолог, формулируют гипотезы, проверяют промежуточные шаги на противоречия и отбрасывают тупиковые ветви решения.
В этом материале мы протестировали 5 лучших reasoning-моделей на практических инженерных задачах.
3 комментариев
Перевели отдел с обычного Claude 3.5 на Claude 3.7 Thinking с лимитом 8000 reasoning токенов. Результат ошеломил: модель теперь перед тем как писать код, сначала генерирует план миграции БД, анализирует возможные deadlock-ситуации и сама пишет тесты на краевые случаи. Количество багов на код-ревью упало раза в три.
Да, Александр! Слайдер лимита рассуждений в 3.7 — это киллер-фича. На простых CRUD задачах ставишь 1000 токенов, на архитектуре 8-16K. А на DeepSeek-R1 пробовали ту же задачу прогонять?
Пробовали! DeepSeek-R1 через OpenRouter бесплатный поразил тем, что нашел уязвимость переполнения буфера в старом C++ модуле, которую наши статические анализаторы SonarQube годами игнорировали.