reasoning-Modelle 2026: wann sich extended thinking lohnt

reasoning-Modelle sind seit etwa einem Jahr keine Neuheit mehr. Sie sind jetzt Teil des Katalogs — Opus 4.7 hat extended thinking, GPT-5.4 Mini ist reasoning-by-default, DeepSeek R1 ist offen und günstig. Die spannende Frage ist also nicht funktionieren sie, sondern wann ist die zusätzliche Latenz es wert.

Wir verfolgen das intern seit ein paar Monaten. Hier ist, was Daten und Bauchgefühl sagen.

Was „reasoning” dir tatsächlich bringt

Wenn wir sagen, ein Modell „reasoned”, meinen wir, es darf mehr Tokens vor der Antwort ausgeben — eine private Gedankenkette, die du normal nicht zu sehen bekommst. Mehr Tokens bedeutet mehr Chancen, einen Fehler zu fangen, mehr Chancen, eine Alternative zu prüfen, mehr Rechenleistung auf das Problem gerichtet.

Diese Extra-Rechenleistung hilft bei manchen Problemen viel und bei anderen kaum. Das Muster ist ziemlich konsistent:

• Mehrschrittige Probleme mit Zwischenchecks (Mathe-Beweise, Code-Refactors, die mehrere Dateien berühren, Planungsaufgaben): reasoning gewinnt.
• Einschrittige Probleme, bei denen die richtige Antwort einen Inferenzschritt entfernt ist (fass diese E-Mail zusammen, schreib diesen Satz um, was ist die Hauptstadt der Mongolei): reasoning verschwendet deine Zeit und dein Geld.
• Kreative Probleme ohne verifizierbare richtige Antwort (schreib ein Gedicht, entwirf einen Meinungstext, brainstorme Namen): reasoning macht es oft schlechter, nicht besser. Zusätzliche Deliberation kann die Stimme abflachen.

Der Latenz-Tradeoff ist real

Ein Nicht-reasoning-Modell antwortet in 2–8 Sekunden. Ein reasoning- Modell braucht 15–90 Sekunden, manchmal mehr. Das ist eine 5–15-fache Verlangsamung, die du pro Turn schluckst.

Für die 20 % der Prompts, bei denen reasoning die Antwort wirklich verändert, ist es das wert — diese Prompts kosteten dich sowieso vier Nachfragen, und du wartest die Wall-Clock-Zeit lieber einmal als viermal. Für die 80 %, bei denen es nichts ändert, wartest du eine Minute auf eine Antwort, die du in fünf Sekunden akzeptiert hättest.

Das ist der Teil, den Leaderboards nicht abbilden. „Modell X liegt 4 Punkte höher auf Benchmark Y” ist wahr und langweilig, wenn es achtmal so lange dafür brauchte. Die richtige Metrik ist Nutzen pro Sekunde, und auf dieser Achse ist das Bild viel enger.

Wie wir es zugänglich machen

Im Studio wählst du nicht „reasoning” oder „nicht-reasoning” — du wählst ein Modell, und reasoning ist ein Toggle bei denen, die es unterstützen. Der Toggle ist sichtbar (Cmd+Shift+R), und die Kostenvorschau sagt dir, was der Turn in Credits kosten wird, bevor du sendest.

Default-Verhalten:

• Opus 4.7, GPT-5.5: thinking standardmäßig aus. Toggle an für harte Probleme.
• GPT-5.4 Mini, R1: thinking standardmäßig an. Diese Modelle sind die reasoning-Version.
• Haiku 4.5, Gemini Flash, Nano: kein thinking-Modus, by design.

Wenn du das Gedächtnis an hast, lernt das Studio, wann du den Toggle umlegst, und schlägt ihn früher vor, wenn du einen ähnlichen Thread startest.

Das Argument, ein schnelles Modell daneben zu haben

Selbst wenn du nur reasoning-Modelle nutzt, willst du wahrscheinlich ein schnelles Nicht-reasoning-Modell auf demselben Shortcut. Cmd+Shift+M und ein Tastendruck soll dich von Opus thinking auf Haiku 4.5 für die nächste Nachricht runterfallen lassen. Wir haben eine Woche ohne diesen Shortcut getestet, und die Reibung zeigt sich sofort — du hörst auf zu iterieren, weil jede Iteration dich eine Minute kostet.

Das effizienteste Muster, das wir gefunden haben — mit großem Abstand — ist:

1. Mit einem reasoning-Modell am harten Problem starten.
2. Auf ein schnelles Modell für Nachfragen, Edits und Umformulierungen fallen.
3. Nur zurück zu reasoning, wenn du substanziell die Richtung änderst.

Was wir nicht denken

Zwei Dinge, die wir oft hören und die wir nicht für wahr halten:

„reasoning-Modelle werden Nicht-reasoning-Modelle ersetzen.” Werden sie nicht. Die Latenzschwelle ist fundamental — du kannst die Gedankenkette nicht kürzer machen, ohne sie dümmer zu machen. Es wird einen Fast-Tier geben, solange es einen Hard-Tier gibt.

„reasoning-Modelle sind in allem schlauer.” Sind sie nicht. Sie sind schlauer bei Problemen mit verifizierbaren Zwischenschritten und etwa gleich bei allem anderen. Die Benchmark-Lücke bei kreativem Schreiben in 2026 ist im Grunde null.

Also: reasonen, wenn das Problem hart ist. Nicht, wenn es das nicht ist. Das Studio macht den Toggle aus gutem Grund einen Tastendruck weit.