AI modeli rezoniranja i test-time compute 2026: kako rade modeli koji „misle"

Kroz veći dio ere dubokog učenja, veći model značio je pametniji model — a doći do pametnijeg modela značilo je potrošiti više na treniranje. U 2026. najvažniji pomaci došli su odnekud posve drugdje: iz toga da model razmisli prije nego odgovori. Modeli rezoniranja troše dodatnu računalnu snagu u trenutku upita — generiraju privatni lanac misli, provjeravaju vlastiti rad, istražuju alternative — i na teškim problemima to „vrijeme za razmišljanje" donosi više točnosti nego što bi to ikada mogao još jedan krug treniranja. To je test-time compute, i tiho je postao drugi zakon skaliranja AI-ja. Razumjeti kada opravdava svoj trošak, a kada je samo sporiji i skuplji način da se odgovori na lagano pitanje, danas je ključna vještina za svakoga tko uvodi AI.

Dva načina da model postane pametniji

Oduvijek su postojale dvije poluge za sposobnost modela. Prva je train-time compute: napraviti model većim, nahraniti ga s više podataka, potrošiti više na treniranje. To je zakon skaliranja koji svi poznaju i još uvijek djeluje — ali je enormno skup i poboljšava svaki odgovor, trebao on to ili ne. Druga poluga, koja je zaživjela kroz 2025. i 2026., jest test-time compute: zadrži istrenirani model fiksnim, ali mu dopusti da uloži više truda po pitanju kada je pitanje teško.

Analogija je ljudska. Pitajte nekoga glavni grad Francuske i odgovorit će istog trena. Zatražite da dokaže teorem ili otkloni suptilan bug i on usporava, skicira, vraća se i provjerava. Modeli rezoniranja rade isto: generiraju dugi unutarnji prolaz „razmišljanja" — često tisuće skrivenih tokena — prije nego se obvežu na konačan odgovor. Anthropic to isporučuje kao prošireno razmišljanje (extended thinking) u Claudeu, OpenAI kao svoju o-seriju modela rezoniranja, a igrači otvorenih težina uključujući Mistral i DeepSeek objavili su vlastite reasoning varijante. Mehanizam se razlikuje u detaljima, no ideja je zajednička: potroši računalnu snagu tijekom inferencije da misliš, a ne samo da govoriš.

Kako reasoning prolaz zapravo radi

Ispod haube, model rezoniranja treniran je — obično potpornim učenjem (reinforcement learning) na problemima s provjerljivim odgovorima — da proizvede dugi međutrag prije konačnog odgovora. Taj trag je mjesto gdje razlaže problem, isprobava pristup, uočava pogrešku i ispravlja je. Tri ideje obavljaju najveći dio posla:

• Interijerizirani lanac misli. Rani promptovni trikovi tražili su od modela da „misli korak po korak". Modeli rezoniranja ugrađuju to ponašanje u težine, pa razmišljaju nadugačko po zadanom i puno pouzdanije od promptanog baznog modela.
• Samoprovjera. Dodatni tokeni dopuštaju modelu da provjeri međurezultate, uhvati proturječja i isproba drugi put kad prvi zakaže — najveći pojedinačni izvor porasta točnosti u matematici, logici i kôdu.
• Pretraga kandidata. Neki sustavi generiraju nekoliko kandidata rješenja i biraju najbolji, trošeći paralelnu snagu da prošire mrežu. Više razmišljanja zapravo je šira i dublja pretraga ispravnog odgovora.

Ključno, većina pružatelja dopušta vam da postavite budžet za razmišljanje — granicu koliko reasoning tokena model smije potrošiti. Taj gumb praktično je srce test-time computea: pojačajte ga za istinski težak zadatak, smanjite ili ugasite za rutinski.

Reasoning tokeni su pravi tokeni — i plaćate ih

Dobici nisu besplatni. Onih tisuće skrivenih tokena razmišljanja naplaćuju se kao i svaki drugi izlazni token te dodaju latenciju — reasoning odgovor može trajati sekundama gdje izravan traje milisekundama. To se izravno veže na ekonomiju inferencije koja odlučuje isplati li se AI funkcija. Model rezoniranja usmjeren na lagan zadatak klasifikacije klasičan je gubitak: platite 5× više tokena i čekate 10× dulje da dobijete odgovor koji bi brzi model pogodio istog trena.

Kada rezoniranje opravdava trošak — a kada ne

Odluka nije „model rezoniranja ili ne" kao izbor branda — u 2026. ista obitelj modela često izlaže i brzi način rada i način proširenog razmišljanja. Pravo pitanje je po zadatku: ima li ovaj poziv teško, provjerljivo jezgro koje nagrađuje promišljanje?

To je ista dvoslojna disciplina koju opisujemo u vodiču za odabir Claude modela i tekstu o malim jezičnim modelima — sada s trećom osi. Više ne birate samo veličinu modela; birate koliko modelu dopuštate da misli. Najbolje vođeni sustavi rutiraju po oboje: malo-i-brzo za rutinsku većinu, veliko-i-misleće za tešku manjinu.

Modeli rezoniranja i agenti

Test-time compute najviše je bitan unutar agentskih tokova rada. Agent koji planira višekoračni zadatak, poziva alate i oporavlja se od grešaka upravo je postavka gdje nekoliko sekundi dodatnog razmišljanja spriječi kaskadu pogrešnih akcija. No to je i mjesto gdje se trošak najbrže množi: agent koji naporno misli na svakom od dvadeset koraka može nagomilati zapanjujući račun. Obrazac koji djeluje je selektivno razmišljanje — duboko rezoniraj na točkama planiranja i odluke, brzo djeluj na mehaničkim koracima između. Postići taj razrez ovisi o vrsti evaluacije i promatranja koja vam dopušta vidjeti gdje je razmišljanje stvarno promijenilo ishod.

Što to znači za benchmarkove — i za kupce

Rezoniranje je slomilo staru benchmark naviku uspoređivanja modela jednim brojem točnosti. Rezultat modela sada ovisi o tome koliko mu je razmišljanja dopušteno, pa poštena usporedba mora navesti računalni budžet. Kad 2026. čitate naslovni benchmark, pitajte dvije stvari: pri kojem budžetu za razmišljanje te uz koji trošak i latenciju je taj rezultat postignut. Model koji pobjeđuje za 3 boda dok troši 8× tokena nije nužno pobijedio za vaš slučaj upotrebe. Kao što tvrdimo u vodiču o benchmarkovima, broj koji je bitan jest točnost pri vašem budžetu na vašim zadacima, a ne vrh ljestvice.

Zaključak

Test-time compute je najvažnija ideja u primijenjenom AI-ju od modela s velikim kontekstom. Daje vam gumb kakav nijedna prijašnja generacija nije imala: na svakom pojedinom pozivu možete zamijeniti sekunde i tokene za točnost, a na teškim problemima ta je zamjena često nadmoćno vrijedna. No gumb reže na obje strane. Pojačan na laganom poslu, rezoniranje je tek skupo kašnjenje. Timovi koji pobjeđuju 2026. nisu oni koji svugdje uključe razmišljanje, ni oni koji ga se boje pa ga ostave ugašenim — nego oni koji svaki poziv rutiraju na pravu količinu razmišljanja, mjere gdje ono mijenja odgovor i plaćaju promišljanje samo tamo gdje im se ono vraća.