Зинин×Штурбини партнёры Discovery call
● Методология / Уровень: средний / Q2 · 2026 / 15 из 90

Chain-of-Thought.

пошаговое рассуждение модели
Короткий
ответ ↳
Chain-of-Thought (CoT) — это техника, при которой модель сначала вслух рассуждает, потом отвечает. Простое «думай пошагово» в промпте даёт +20-40% к качеству на задачах, требующих логики или арифметики. Современные reasoning-модели делают CoT встроенно.

01 Что такое CoT

Старые LLM без CoT отвечают сразу: «Результат: 42». На сложной задаче часто ошибаются, потому что не «дают себе времени подумать». С CoT модель сначала пишет: «Так, шаг 1: умножим X на Y... Шаг 2: вычтем Z... Итого 42». Текст рассуждения помогает модели не теряться.

Открытие сделано в статье Google «Chain-of-Thought Prompting Elicits Reasoning in Large Language Models» (Wei et al., 2022). Авторы показали, что простое добавление промпта «think step by step» даёт скачок качества на математических задачах с 17% до 58%.

02 Как применять

Три способа активировать CoT:

  1. Zero-shot CoT. Добавьте в промпт фразу «Думай пошагово» или «Let's think step by step».
  2. Few-shot CoT. Покажите 2-3 примера с явными цепочками рассуждений — модель воспроизведёт стиль.
  3. Reasoning-модель. Возьмите o3 или Claude Opus 4.7 — они делают CoT встроенно.
Бизнес-правилоДля критичных аналитических задач (финансы, юридика, медицина) — всегда CoT. Цена ошибки оправдывает +2-5x токенов.

03 Когда помогает

  • Математика, аналитика, расчёты ROI.
  • Многошаговые планы агентов (planning).
  • Юридический анализ, поиск противоречий в договорах.
  • Debug кода, поиск багов.
  • Сложные классификации с условиями.

Не помогает на простых классификациях, переводах и creative writing — там CoT только увеличивает токены без улучшения качества.

04 Стоимость CoT

CoT увеличивает количество output-токенов в 2-5x — модель печатает рассуждения. С учётом цены output это часто +50-200% к стоимости запроса. Зато качество растёт значительно.

05 Связь с reasoning-моделями

В 2024-2026 появились reasoning-модели (OpenAI o3, Claude Opus extended thinking, DeepSeek R1), которые делают CoT внутри себя — пользователь не видит, но модель «думает» 10-60 секунд перед ответом. Качество на сложных задачах в 1.5-2x выше обычной LLM.

// 06
// методология
Промпт-инжиниринг
искусство формулировать запросы к LLM
// концепция
Reasoning-модели
LLM, которые думают перед ответом
// концепция
LLM
большая языковая модель
// методология
Few-shot / Zero-shot
режимы работы LLM с примерами и без
// 08

Частые вопросы

01 Нужна ли мне reasoning-модель?

Для аналитики, кода, сложных решений — да. Для простых задач (классификация, перевод) — переплата.

02 CoT увеличивает стоимость?

Да, на 2-5x — потому что модель генерирует больше токенов. Зато качество выше.

03 Можно ли скрыть CoT от пользователя?

Да, парсите ответ модели и показывайте только финальную часть. Reasoning-модели OpenAI делают это автоматически.

04 CoT работает на русском?

Да, отлично. «Думай пошагово» работает не хуже английского эквивалента в современных моделях.

Понимаем — учим
работать с Chain-of-Thought
внутри команды.

Час бесплатной диагностики: разбираем 2–3 ваших процесса и говорим прямо, где AI окупится за квартал, а где брать рано. Знания остаются у вашей команды.

Discovery call · 1 час @Aleksei_Shturbin
Готовы поговорить?
@Aleksei_Shturbin Бот →