Reasoning models e chain-of-thought

TL;DR

Reasoning models (OpenAI o-series, Claude Thinking, Gemini Deep Think) são LLMs treinados para “pensar antes de responder”, gerando tokens internos de raciocínio antes do output visível. Isso melhora dramaticamente performance em matemática, lógica e problemas complexos — mas custa 2-10x mais porque os tokens de pensamento são cobrados como output. Em 2026, saber quando ativar reasoning e quando usar um modelo standard é uma competência essencial para controlar custos.

O que é

Reasoning models são LLMs que, antes de gerar a resposta final, produzem uma cadeia de “pensamento” (chain-of-thought) composta por tokens internos que decompõem o problema em passos. Esses tokens podem ser:

• Visíveis — exibidos ao usuário (Claude Thinking com thinking habilitado)
• Ocultos — processados internamente mas não incluídos no response (OpenAI o-series)

O conceito evolui do chain-of-thought prompting (2022), que descobriu que pedir ao modelo “pense passo a passo” melhorava resultados. Reasoning models incorporam isso no treinamento via reinforcement learning.

Por que importa

Sem reasoning	Com reasoning
Responde rápido, pode errar em lógica	Pensa antes, muito mais preciso em problemas complexos
Custo previsível	Custo variável (depende da complexidade)
Bom para tarefas diretas	Essencial para problemas multi-step

Para engenheiros de software, reasoning models são particularmente úteis em:

• Debugging de problemas complexos com múltiplas dependências
• Arquitetura de sistemas (trade-offs, decisões de design)
• Refactoring que exige entender o impacto em cascata
• Problemas algorítmicos e otimização

Como funciona

Arquitetura conceitual

graph TD
    A[Input do usuário] --> B{Tipo de modelo}
    
    B --> C[Standard Model]
    C --> D[Output direto]
    
    B --> E[Reasoning Model]
    E --> F["Fase de Thinking<br>(tokens de raciocínio)"]
    F --> G["Decomposição do problema"]
    G --> H["Verificação de hipóteses"]
    H --> I["Síntese da resposta"]
    I --> J[Output final]

Implementação por provider

OpenAI — série o

Modelo	Thinking	Custo relativo	Uso
o4-mini	Oculto (interno)	2-5x vs GPT-4.1	Raciocínio acessível
o4	Oculto (interno)	5-10x vs GPT-4.1	Máxima performance

// Os tokens de thinking são cobrados mas não visíveis
{
  "usage": {
    "input_tokens": 1500,
    "output_tokens": 800,
    "reasoning_tokens": 12000  // ← cobrados como output!
  }
}

Anthropic — Claude Thinking

Modo	Thinking	Controle
Standard	Desabilitado	Normal
Extended thinking	Visível (bloco thinking)	thinking.budget_tokens

// Ativar extended thinking no Claude
{
  "model": "claude-opus-4.6",
  "thinking": {
    "type": "enabled",
    "budget_tokens": 10000  // Limite para tokens de pensamento
  }
}

O thinking budget permite controlar custos: limitar a 5k tokens para tarefas moderadas, expandir para 50k+ para problemas profundos.

Google — Gemini Thinking

Gemini 3.x oferece modo de “deep thinking” com funcionalidade similar, onde o modelo produz passos de raciocínio antes da resposta final.

O custo real do reasoning

Exemplo: pedir para refatorar um módulo de autenticação.

Modelo	Input	Thinking	Output visível	Custo total
Claude Sonnet (standard)	20k tokens	0	5k tokens	$0.135
Claude Opus (standard)	20k tokens	0	5k tokens	$0.225
Claude Opus (thinking, 10k budget)	20k tokens	8k tokens	5k tokens	$0.425
Claude Opus (thinking, 50k budget)	20k tokens	40k tokens	5k tokens	$1.225

O reasoning pode custar 5-10x mais que uma chamada standard para a mesma tarefa.

Chain-of-thought prompting vs reasoning models

Aspecto	CoT Prompting	Reasoning Models
Como funciona	”Pense passo a passo” no prompt	Treinamento dedicado (RL)
Qualidade	Melhora modesta	Melhora dramática
Custo	Gera mais output tokens visíveis	Gera tokens de pensamento (visíveis ou não)
Controle	Depende do modelo seguir a instrução	Built-in, consistente
Melhor para	Modelos standard em tarefas moderadas	Problemas realmente complexos

CoT prompting está obsolescendo

Em 2026, para modelos avançados (Claude 4.x, GPT-5.x), prompts do tipo “pense passo a passo” podem até degradar performance. Esses modelos já raciocinam internamente. Forçar CoT adiciona verbosidade sem benefício. Use reasoning models nativos quando precisar de raciocínio profundo.

Quando usar / quando não usar

Tarefa	Standard	Reasoning
Autocomplete de código	✅	❌ Desperdício
Fix de bug simples	✅	❌ Overhead desnecessário
Refactoring complexo	⚠️ Pode errar	✅
Debugging de race condition	❌ Frequentemente falha	✅
Decisão de arquitetura	⚠️ Superficial	✅
Geração de testes unitários	✅	❌
Problema algorítmico	❌	✅ Essencial
Chat casual	✅	❌ Desperdício extremo

Armadilhas

• “Sempre usar reasoning” — para tarefas simples, reasoning é desperdício. Autocomplete com o4 em vez de GPT-4.1 Nano é pagar 40x mais pelo mesmo resultado.
• Não limitar o thinking budget — sem limite, o modelo pode “pensar” por 100k+ tokens em problemas difíceis. Use budget_tokens para controlar.
• “Reasoning tokens são baratos” — não. São cobrados como output tokens (a tier mais cara). 50k tokens de pensamento no Claude Opus = $1.25 só em thinking.
• Confundir CoT com reasoning nativo — adicionar “pense passo a passo” em um modelo que já faz reasoning internamente gera overhead sem benefício.
• Ignorar reasoning tokens no monitoramento — se você monitora só output_tokens, os reasoning_tokens ocultos (OpenAI) ficam invisíveis na análise de custos.

Veja também

• 10 - Pricing de APIs — como calcular custos — impacto dos reasoning tokens na conta
• 05 - Panorama de modelos 2026 — quais modelos oferecem reasoning
• 01 - O que é um LLM — contexto geral da arquitetura

Referências

• Wei et al. — Chain-of-Thought Prompting Elicits Reasoning in Large Language Models (Google, 2022). Paper fundador de CoT.
• OpenAI — Learning to Reason with LLMs (2024). Blog post introduzindo o1.
• Anthropic — Extended Thinking Documentation (2026). Guia oficial do Claude Thinking.
• Snell et al. — Scaling LLM Test-Time Compute (2024). Fundamentação teórica de “mais compute na inferência”.