Reasoning Model adalah kategori model AI yang dirancang khusus untuk melakukan penalaran bertahap secara internal—sering disebut "berpikir" (thinking)—sebelum menghasilkan jawaban akhir kepada pengguna. Berbeda dengan model bahasa konvensional yang langsung menghasilkan respons kata demi kata, reasoning model terlebih dahulu menyusun rangkaian langkah penalaran, mengevaluasi berbagai pendekatan, dan terkadang mengoreksi dirinya sendiri sebelum memberikan jawaban final.
Pendekatan ini berakar dari teknik Chain-of-Thought Prompting, namun reasoning model membawanya lebih jauh dengan melatih model secara khusus agar proses berpikir bertahap ini menjadi kemampuan bawaan, bukan sekadar hasil dari instruksi prompt. Model seperti seri "o" dari OpenAI, atau mode "thinking"/"extended thinking" pada model seperti Claude dan Gemini, adalah contoh reasoning model.
Keunggulan reasoning model paling terasa pada tugas-tugas yang membutuhkan penalaran multi-langkah, seperti soal matematika kompleks, debugging kode yang rumit, perencanaan strategis, atau analisis logis berlapis. Pada tugas-tugas ini, reasoning model secara konsisten mengungguli model konvensional dengan ukuran serupa, karena "waktu berpikir" tambahan memungkinkan model mengeksplorasi dan mengoreksi kesalahan sebelum memberi jawaban.
Konsekuensi dari kemampuan ini adalah waktu respons yang lebih lama dan biaya komputasi yang lebih tinggi, karena model menghasilkan banyak token "berpikir" tambahan yang biasanya tidak seluruhnya ditampilkan ke pengguna namun tetap dihitung dalam biaya pemrosesan. Karena itu, reasoning model umumnya paling cocok digunakan untuk tugas yang benar-benar membutuhkan penalaran mendalam, bukan untuk pertanyaan sederhana yang bisa dijawab dengan cepat oleh model konvensional.
Tren menuju reasoning model menjadi salah satu arah pengembangan paling signifikan sejak akhir 2024, menandai pergeseran fokus industri dari sekadar memperbesar ukuran model menuju meningkatkan kualitas dan kedalaman proses berpikir model saat inferensi.