Reasoning-Modellesind Sprachmodelle, die mit Reinforcement Learning trainiert wurden, um komplexe Schlussfolgerungen zu ziehen. Reasoningmodelle erstellen eine interne Gedankenkette, bevor sie dem Benutzer antworten. Die Idee hinter diesen Modellen ist es das logische Denken und den Problemlösungsmechanismus nachzubilden, wie etwa Usache-Wirkungs-Beziehungen. Sie zeichnen sich durch eine höhere Genauigkeit und Zuverlässigkeit aus. Dies geht zu Lasten der Geschwindigkeit. Beispiele für diese Art von Modellen sind: o1, o1-mini oder o3-mini.