Redeneermodel
Een redeneermodel is een type kunstmatige-intelligentiesysteem dat, voordat het een antwoord geeft, eerst een soort inwendige tussenstap doorloopt waarin het probleem stap voor stap wordt uitgewerkt. Vergelijk het met het verschil tussen een rekensom uit je hoofd doen en dezelfde som op een kladblaadje uitschrijven: bij de eerste aanpak schiet je er meteen een antwoord uit, dat bij ingewikkelde sommen al snel fout gaat; bij de tweede aanpak zet je tussenstappen op papier, controleer je jezelf onderweg en kom je vaker tot het juiste antwoord. Gewone taalmodellen (AI-systemen die tekst genereren door telkens het meest waarschijnlijke volgende woord te voorspellen) werken van nature meer als de eerste aanpak: snel, vloeiend, maar bij complexe logica of wiskunde foutgevoelig.
Redeneermodellen zijn taalmodellen die speciaal zijn getraind om die 'kladblaadje-aanpak' zelf toe te passen, zonder dat een gebruiker daar expliciet om hoeft te vragen. Ze genereren eerst een uitgebreide interne redenering – soms honderden of duizenden woorden lang – en pas daarna een definitief antwoord. Bekende voorbeelden zijn OpenAI's o1 en o3, DeepSeek R1 en de 'thinking'-varianten van Google Gemini en Anthropic Claude. Deze aanpak maakt de modellen trager en duurder in gebruik, maar aantoonbaar beter in taken waarbij meerdere logische stappen nodig zijn, zoals wiskundeopgaven, programmeeropdrachten en wetenschappelijke redeneervragen.
Wat is het precies?
Om te begrijpen wat een redeneermodel bijzonder maakt, helpt het eerst te kijken naar een gewoon groot taalmodel (large language model, afgekort LLM). Zo'n model is getraind op enorme hoeveelheden tekst en heeft geleerd om, gegeven een stuk tekst, het meest waarschijnlijke vervolg te voorspellen. Vraag je zo'n model om 47 keer 36 uit te rekenen, dan 'raadt' het in feite het antwoord op basis van patronen die het in trainingsdata heeft gezien – en dat gaat bij grote getallen vaak mis.
Al enkele jaren geleden ontdekten onderzoekers dat je een taalmodel kunt helpen door het te vragen “denk stap voor stap” voordat het antwoordt. Dit heet chain-of-thought prompting (redeneerketen-prompting): je dwingt het model om eerst tussenstappen op te schrijven, wat de nauwkeurigheid flink verbetert. Dit was in eerste instantie een truc die gebruikers zelf in hun vraag moesten toepassen.
Redeneermodellen tillen dit idee naar een ander niveau: het 'stap voor stap denken' wordt niet meer aan de gebruiker overgelaten, maar zit ingebakken in de training van het model zelf. Dit gebeurt doorgaans met reinforcement learning (leren via bekrachtiging): het model krijgt talloze problemen voorgelegd met een controleerbaar juist antwoord – bijvoorbeeld wiskundeopgaven of programmeeropdrachten waarvan de uitkomst automatisch te verifiëren is – en wordt beloond wanneer het via een goede redenering tot het juiste antwoord komt. Zo leert het model geleidelijk welke soorten tussenstappen (controleren, herformuleren, teruggaan naar een eerdere aanname) daadwerkelijk tot betere antwoorden leiden.
Een tweede belangrijk concept is test-time compute: extra rekenkracht die niet tijdens het trainen wordt ingezet, maar op het moment dat het model daadwerkelijk een vraag beantwoordt. Waar een gewoon model bij elke vraag ongeveer evenveel rekentijd gebruikt, kan een redeneermodel bij een moeilijke vraag veel langer 'nadenken' – soms tientallen seconden tot enkele minuten – en bij een simpele vraag relatief kort. Meer rekentijd tijdens het antwoorden blijkt, tot op zekere hoogte, net zo'n effectief middel om prestaties te verbeteren als een groter of langer getraind model.
Wat wil men ermee bereiken?
De directe drijfveer is betere prestaties op taken die meerdere logische stappen vereisen: complexe wiskunde, softwarecode schrijven en foutopsporen, wetenschappelijke redeneerproblemen en puzzels. Op dit soort taken presteerden gewone taalmodellen relatief zwak, ook al waren ze uitstekend in taalvaardigheid en algemene kennis.
Een tweede doel is het terugdringen van hallucinaties (het zelfverzekerd presenteren van onjuiste informatie) bij complexe vraagstukken. Door een model te dwingen zijn eigen redenering te controleren voordat het antwoordt, hopen ontwikkelaars fouten eerder te laten opvallen – al is dit geen garantie, en redeneermodellen kunnen nog altijd overtuigend verkeerde antwoorden geven.
Op langere termijn zien AI-bedrijven redeneermodellen als een noodzakelijke stap richting zogeheten AI-agenten: systemen die niet alleen een vraag beantwoorden, maar zelfstandig meerstaps-taken uitvoeren, zoals het plannen van een reis, het debuggen van een softwareproject, of het uitvoeren van onderzoek waarbij tussentijds beslissingen moeten worden genomen. Voor dat soort taken is betrouwbaar, stapsgewijs redeneren een basisvoorwaarde.
Voorbeelden uit de praktijk
Het huidige tijdperk van redeneermodellen begon in september 2024, toen OpenAI een preview-versie van o1 uitbracht, gevolgd door een volledige release in december 2024. Het model liet duidelijk betere resultaten zien op wiskunde- en programmeerbenchmarks dan zijn voorganger GPT-4o, ten koste van langere antwoordtijden.
In december 2024 kondigde OpenAI ook o3 aan, een opvolger die op verschillende benchmarks – waaronder een bekende test voor abstracte redenering (ARC-AGI) – sterk verbeterde scores liet zien, al volgde de bredere beschikbaarheid pas later.
In januari 2025 zorgde het Chinese bedrijf DeepSeek voor grote ophef met DeepSeek R1, een open source redeneermodel (de modelgewichten zijn vrij te downloaden) waarvan het bedrijf claimde het te hebben getraind tegen aanzienlijk lagere kosten dan westerse concurrenten. Dit leidde tot brede discussie over de kosten-efficiëntie van AI-training en had merkbare impact op techaandelen.
Google presenteerde in december 2024 Gemini 2.0 Flash Thinking, een experimentele redeneervariant van zijn Gemini-modellenfamilie. Anthropic voegde in 2025 aan zijn Claude-modellen een functie toe die bekendstaat als 'extended thinking' (uitgebreid redeneren), waarbij gebruikers zelf kunnen instellen hoeveel interne redeneertijd het model mag gebruiken voordat het antwoordt.
Hoe ver is de techniek?
Sinds eind 2024 is dit een van de snelst groeiende deelgebieden binnen AI-onderzoek, met felle onderlinge concurrentie tussen OpenAI, Google, Anthropic, DeepSeek en andere partijen. Op benchmarks voor wiskundewedstrijden, programmeertests en wetenschappelijke redeneerproblemen zijn de vooruitgangen goed gedocumenteerd en aanzienlijk.
Er zijn ook duidelijke beperkingen. Redeneermodellen zijn rekenintensiever en dus duurder per vraag, en de antwoordtijd kan bij complexe taken flink oplopen. Sommige modellen vertonen bovendien 'overdenken': ze passen hun uitgebreide redeneerstrategie ook toe op eenvoudige vragen waar dat niet nodig is, wat tijd en rekenkracht verspilt. Bij problemen die echt buiten de patronen uit hun trainingsdata vallen, blijven redeneermodellen fouten maken – ze zijn beter, maar niet onfeilbaar.
Onder onderzoekers loopt bovendien een inhoudelijk debat over de vraag of deze modellen daadwerkelijk 'redeneren' in de zin van logisch nadenken zoals mensen dat doen, of dat ze een geavanceerdere vorm van patroonherkenning uitvoeren die redenering imiteert zonder er werkelijk toe in staat te zijn. Dit is geen louter semantische kwestie: het raakt aan de vraag hoe ver deze aanpak op te schalen is en waar de fundamentele grenzen liggen. Eenduidige consensus hierover ontbreekt vooralsnog.
Wie werken eraan?
OpenAI (bekend van ChatGPT) was met o1 de eerste die een redeneermodel breed uitbracht en zet de lijn voort met o3 en opvolgers. Google DeepMind ontwikkelt de Gemini-modellenfamilie, waaronder de Thinking-varianten. Anthropic bouwt redeneerfunctionaliteit in zijn Claude-modellen. Vanuit China zijn DeepSeek en Alibaba (met zijn Qwen-modellen) belangrijke spelers die eigen open source redeneermodellen uitbrengen; Meta AI werkt eveneens aan verwante technieken binnen zijn Llama-modellenfamilie.
Daarnaast dragen universiteiten en onderzoeksinstituten wereldwijd bij aan de onderliggende wetenschap, onder meer op het gebied van reinforcement learning en het opstellen van benchmarks om redeneervaardigheden te meten. Het onderwerp heeft ook een geopolitieke dimensie: de Verenigde Staten en China worden beide gezien als aanjagers van dit onderzoeksveld, met wederzijdse concurrentie op zowel modelprestaties als rekenkracht (chips) en kosten-efficiëntie.