Wat doet een redeneermodel anders?
Een gewoon taalmodel schrijft het antwoord in één keer. Volgens Anthropic moet zo’n model dan alles in één poging goed doen: zonder kladwerk, zonder controle en zonder halverwege van aanpak te wisselen.
Een redeneermodel werkt eerst het probleem uit. Bij Claude houdt dat in: de vraag herhalen in eigen woorden, aanpakken proberen, tussenresultaten controleren en paden laten vallen die niet kloppen. Pas daarna volgt het antwoord. Volgens OpenAI helpt dat het model om te plannen, tools goed te gebruiken, alternatieven te bekijken en bij onduidelijkheid weer op koers te komen.
OpenAI noemt als sterke punten complexe problemen, programmeren, wetenschappelijk redeneren en taken in meerdere stappen voor een AI-agent. Anthropic noemt wiskunde, programmeren, analyse en lange taken van agents.
Hoe werken reasoning tokens en thinking?
Het redeneren gebeurt in tokens, naast de tokens van je vraag en het antwoord. Afhankelijk van hoe complex de vraag is, kan het gaan om een paar honderd tot tienduizenden reasoning tokens. Bij OpenAI zie je die tokens niet via de API. Ze nemen wel ruimte in het contextvenster in en je betaalt ze als uitvoertokens. Bij Claude betaal je het denkwerk ook als uitvoertokens, zelfs als je de tekst niet terugkrijgt.
Wat je te zien krijgt, is hooguit een samenvatting. OpenAI toont de ruwe reasoning tokens niet, maar geeft op verzoek een samenvatting van de redenering. Bij Claude is de tekst in een thinking-blok ook een samenvatting, nooit de ruwe gedachtegang.
Hoeveel een model redeneert, kun je sturen (stand november 2026):
- OpenAI: de parameter reasoning effort. Welke waarden mogelijk zijn, verschilt per model, van none tot max. Een lage waarde is sneller en kost minder tokens, een hoge waarde levert grondiger antwoorden op.
- Anthropic: adaptive thinking. Claude bepaalt dan per vraag of het nadenkt en hoeveel. Bij Claude 5 en nieuwer staat thinking standaard aan. De oudere extended thinking, met een vast budget aan denktokens, is verouderd: Claude 4.7 en nieuwer weigeren zulke verzoeken.
Voorbeeld: retouren analyseren voor een webshop
Een webshop in kampeerspullen ziet het aantal retouren stijgen. Het team geeft een redeneermodel een export van drieduizend orders en vraagt waar het aan ligt. Het model splitst de vraag op: eerst per productgroep, dan per maand, dan de redenen die klanten opgeven. Voordat het model een uitschieter noemt, controleert het die nog een keer.
Voor zo’n analyse in meerdere stappen is redeneren nuttig. Voor een korte productomschrijving is het overbodig. Volgens OpenAI past de laagste stand het best bij snelle taken die niets hebben aan redeneren, zoals classificeren of snel informatie ophalen.
Verwar een redeneermodel niet met
- Chain-of-thought prompting: een techniek uit prompt engineering. Je vraagt een taalmodel in je prompt om de redenering stap voor stap uit te leggen. Een redeneermodel werkt die tussenstappen uit zichzelf uit, voordat het antwoordt.
- Deep research: een functie van AI-assistenten die een onderzoeksvraag zelfstandig uitwerkt tot een rapport met bronnen. Dat is een toepassing die zoekt en leest. Een redeneermodel is een soort taalmodel.
Veelgestelde vragen over Redeneermodel
Wat is een reasoning model?
Een reasoning model, in het Nederlands redeneermodel, is een taalmodel dat eerst intern redeneert en daarna antwoordt. Het splitst de vraag op en controleert tussenstappen.
Zie je hoe een redeneermodel redeneert?
Niet helemaal. OpenAI toont de ruwe reasoning tokens niet, alleen een samenvatting als je daarom vraagt. Bij Claude is de zichtbare denktekst ook een samenvatting.
Is een redeneermodel duurder in gebruik?
Het denkwerk kost tokens. Bij OpenAI en Anthropic betaal je die als uitvoertokens, ook als je de tekst niet ziet. Met een lagere stand beperk je dat.