Definitie
LLM dat is geoptimaliseerd om langer en explicieter na te denken voordat het antwoordt, zoals OpenAI o1 en Claude met extended thinking. Beter in wiskunde en complexe taken.
In context
Reasoning models, in 2024 voor het eerst op de markt gebracht door OpenAI met o1, zijn taalmodellen die expliciet langer en gestructureerder nadenken voordat ze antwoord geven. Waar een standaard LLM in een fractie van een seconde een antwoord produceert, gebruikt een reasoning model interne stappen om de vraag uit te pluizen, alternatieven te overwegen en zichzelf te corrigeren.
Het verschil zit niet alleen in tijd. Reasoning models scoren aanzienlijk beter op wiskunde-olympiades, programmeerwedstrijden en wetenschappelijke vraagstukken. Op alledaagse vragen ("schrijf een mail aan mijn collega") is het verschil met een gewoon model klein, en het reasoning model is dan vooral duurder en langzamer.
In 2026 is bijna elk grootmodel beschikbaar in twee smaken: een snelle variant voor dagelijks werk en een reasoning variant voor moeilijke taken. De grote aanbieders combineren ze inmiddels in hybride systemen die automatisch beslissen wanneer extra nadenken zinvol is. De keerzijde is energie- en kostengebruik: een reasoning model verbruikt vaak tien tot honderd keer meer tokens per vraag.
Veelgestelde vragen
Wat doet een reasoning model anders?
Een reasoning model genereert interne denkstappen voordat het zijn definitieve antwoord geeft. Het kan tussenuitkomsten controleren, terugkeren op eerdere overwegingen en verschillende oplossingsrichtingen proberen. Een gewoon model produceert het antwoord in één keer zonder die expliciete tussenstap.
Welke reasoning models zijn er?
Bekende voorbeelden zijn OpenAI o1, o3 en o4, Claude met extended thinking, Gemini Deep Think, en DeepSeek R1. Het type wint snel terrein en is in 2026 de standaardkeuze voor wetenschappelijk werk, complexe codetaken en kwantitatieve analyse.
Wanneer gebruik je een reasoning model en wanneer niet?
Voor alledaagse taken (samenvatten, schrijven, brainstormen) is een gewoon model meestal voldoende, sneller en goedkoper. Voor wiskunde, programmeerproblemen, juridische redenering, planning over meerdere stappen of taken waarbij fouten kostbaar zijn, levert een reasoning model significant betere resultaten op.
Waarom zijn reasoning models duurder?
Ze genereren naast het zichtbare antwoord ook een grote hoeveelheid interne denktokens, die nodig zijn voor het redeneerproces. Die tokens worden allemaal in rekening gebracht, ook als ze niet in het zichtbare antwoord eindigen. Tien tot honderd keer meer tokens per vraag is normaal.
