Модели, которые тратят вычисления на обдумывание до ответа: длинная внутренняя цепочка рассуждений вместо немедленной генерации. Отдельный класс со своей экономикой и своими задачами.
Ключевые тезисы
- Качество растёт не от размера модели, а от количества вычислений на , — это другой закон масштабирования.
- Выигрывают там, где есть проверяемый ответ: математика, код, логические задачи, многошаговое .
- На извлечении фактов, пересказе и простой классификации выигрыша нет — только цена и .
- Внутренняя цепочка обычно скрыта и тарифицируется: ответ в три строки может стоить как страница текста.
- Просить такую модель «думать пошагово» не нужно и часто вредно: она уже это делает.
Видеолекции
Тайм-кода именно на эту тему в записях нет. Но глава «Генеративный ИИ» разобрана в курсах целиком — с той оговоркой, что место в записи придётся искать самому.
Кому эта тема нужна
Собрать учебную программуПрофильная компетенция для роли: Продуктовый инженер.
Усиливает профиль: LLM-инженер.
Глава «Генеративный ИИ» последний раз правилась . Нашли ошибку — напишите.