AI-resonemangstokens håller på att bli en av de viktigaste delarna av modern AI-prestanda.
OpenAI och Anthropic exponerar nu avvägningen tydligare än tidigare. OpenAI har `reasoning.effort`. Anthropic har utökat tänkande och `budget_tokens`. Båda kontrollerna pekar på samma mönster: vid svåra uppgifter kommer bättre resultat ofta av att ge modellen mer utrymme att tänka.
Detta är användbart för kodning, forskning, planering, matematik och agentarbetsflöden. Det betyder också att AI-industrin flyttar mer arbete till inferenstid. Fler resonemangstokens innebär mer acceleratortid, mer kylning, mer datacenterkapacitet och mer elektricitet.
Min tolkning är enkel: kapplöpningen mellan modeller håller på att bli en kapplöpning inom infrastruktur.
Vad är AI-resonemangstokens?
AI-resonemangstokens är tokens som en modell förbrukar medan den arbetar igenom ett problem före eller parallellt med det slutgiltiga svaret. En del av detta arbete kan vara dolt för användaren. Du ser inte alltid resonemangstexten, men leverantören måste ändå köra beräkningen.
OpenAI:s dokumentation om resonemang säger att `reasoning.effort` styr hur mycket resonemang en modell utför. Lägre ansträngning gynnar hastighet och färre tokens. Högre ansträngning kan producera mer fullständiga svar på komplexa uppgifter. OpenAI förklarar också att resonemangsmodeller kan använda dolda resonemangstokens utöver inmatnings- och synliga utdatatokens.
Anthropic beskriver samma typ av avvägning med Claude utökat tänkande. Deras dokumentation säger att `budget_tokens` anger det maximala antalet tokens Claude får använda för internt resonemang. Större budgetar kan förbättra svars kvaliteten på komplexa problem, även om modellen kanske inte använder hela budgeten och vinsterna kan plana ut vid högre nivåer.
Den viktiga skillnaden är denna: längre slutgiltiga svar är inte målet. Bättre mellanliggande resonemang är målet.
Varför fler tokens kan ge bättre AI-resultat
Resonemangsmodeller förbättras när de har tillräcklig budget för att inspektera uppgiften, testa möjliga svar, korrigera misstag och använda verktyg utan att skynda. En liten tokenbudget kan fungera för enkla prompts. Den misslyckas ofta när arbetet har dolda beroenden.
Jag ser detta tydligast i kodningsagenter. En billig, snabb genomgång kan byta namn på en variabel eller förklara en liten funktion. Samma läge kämpar när uppgiften kräver repo-kontext, tester, webbläsarverifiering, distributionsbegränsningar och ett omdöme om vad som inte bör röras.
Modellen behöver budget för att göra de tråkiga delarna bra:
Detta arbetsflöde förbrukar tokens. Det producerar också bättre mjukvara än en snabb gissning.
Jag skrev om detta utifrån min egen användning i kodagenter efter 21,54 miljarder tokens→. Den användbara läxan var inte att en modell fixar allt. Systemet runt modellen är viktigt: kontext, verktyg, verifiering, minne och tillräcklig budget för att agenten ska kunna använda dem.
OpenAI och Anthropic gör beräkningskraft till en produktinställning
De nya modellkontrollerna får intelligens att kännas justerbar.
En leverantör kan nu erbjuda olika beteenden från samma modellsfamilj: snabbt svar, balanserat svar, djupt resonemang, agentarbete med lång kontext eller verktygsanvändning med hög ansträngning. Användaren kanske inte bryr sig om det interna tokenantalet. Produkten måste ändå betala för det.
För byggare ändrar detta routning. Du vill inte ha maximalt resonemang på varje begäran.
| Uppgiftstyp | Bättre standardvärde |
|---|---|
| --- | --- |
| Formatering, extrahering, korta omskrivningar | Låg resonemangsansträngning |
| Normal forskning, kodändringar, supportanalys | Medelstor resonemangsansträngning |
| Produktionskodändringar, juridisk granskning, finansiell logik | Hög resonemangsansträngning |
| Flerstegsagenter med verktyg och verifiering | Utökat tänkande eller större resonemangsbudget |
Här konvergerar OpenAI och Anthropic. De exponerar olika API:er och produktspråk, men båda lär byggare att intelligens inte är en fast inställning. Det är ett budgetbeslut.
Det är också så jag tänker på modellroutning i delar som OpenAI GPT-5.6 Sol, Terra och Luna→ och 24h med Claude Fable 5→. Den bästa modellen är inte alltid den största modellen. Den bästa rutten är den som matchar uppgiften.
Infrastrukturproblemet bakom resonemangstokens
Varje extra resonemangstoken måste köras någonstans.
International Energy Agency uppskattar att datacenter använde cirka 415 TWh elektricitet år 2024, vilket motsvarar omkring 1,5 % av den globala elförbrukningen. I sitt basscenario fördubblas den globala elförbrukningen för datacenter till cirka 945 TWh år 2030. IEA pekar också på AI-drivna accelererade servrar som en av de viktigaste drivkrafterna för framtida efterfrågan.
Tidpunkten är den svåra delen. AI-företag kan snabbt leverera en modelluppdatering, öka kontextgränser eller lägga till ett nytt resonemangsläge. Elproduktion, transmissionsledningar, transformatorstationer, kylsystem, marktillstånd och vattenplanering rör sig i en annan takt.
Gartners prognos för 2026, rapporterad av Tom's Hardware, ger en annan användbar signal. Den projicerar den globala elförbrukningen för datacenter till 565 TWh år 2026 och över 1 200 TWh år 2030. Den förväntar sig också att AI-optimerade servrar kommer att använda 175 TWh år 2026, upp från cirka 95 TWh år 2025, och att de kommer att förbruka mer elektricitet än konventionella servrar år 2027.
Dessa siffror gör tokenberättelsen fysisk. Mer tänkande betyder mer inferens. Mer inferens betyder fler GPU:er, tätare rack, kylning, nätverksåtkomst och elkraftavtal.
Varför datacenter och elektricitet blir begränsningen
Den offentliga AI-konversationen fokuserar på chip. Chip är viktiga, men de är inte hela begränsningen.
Storskaliga resonemangsmodeller behöver en full stack av fysisk infrastruktur:
En modell kan vara redo innan det lokala elnätet är det. En leverantör kan köpa GPU:er innan den kan driva dem med den densitet den önskar. En region kan locka till sig investeringar i datacenter och sedan stöta på flaskhalsar i transmissionen.
Det är därför jag förväntar mig att många nya datacenter kommer att byggas för AI. Jag förväntar mig också mer press på eltillförseln i regioner där hyperskala AI-kluster koncentreras. Begränsningen kommer inte bara vara modellarkitektur. Det kommer att vara kraft, kylning, plats och förmågan att koppla ihop allt tillräckligt snabbt.
Fler resonemangstokens är inte gratis intelligens
Det finns en fälla i denna trend.
Om team hör "fler tokens betyder bättre resultat" kommer de att överanvända lägen med hög ansträngning. Det gör appar långsammare och dyrare. Det kan också producera sämre UX. En modell som tänker för länge på en enkel uppgift känns trasig.
Den praktiska regeln är snävare: mer resonemangsbudget hjälper när uppgiften har tillräcklig dold komplexitet.
Goda kandidater för större resonemangsbudgetar:
Dåliga kandidater:
Framtiden är inte en modell som tänker så hårt som möjligt vid varje begäran. Framtiden är system som beslutar när det är värt kostnaden att tänka hårdare.
Min slutsats
AI-resonemangstokens gör en dold avvägning synlig.
OpenAI och Anthropic visar båda användare samma grundläggande mönster: svårare uppgifter behöver mer beräkningskraft vid inferenstid. Utvecklare upplever detta som resonemangsansträngning, utökat tänkande, kontextfönster, dolda tokens och högre fakturor. Infrastrukturteam upplever det som rack, kylning, kraft, tillstånd och nätkapacitet.
Jag tror att nästa seriösa AI-produkter kommer att behandla resonemangsbudget som en knapp resurs. De kommer att spendera den där misstag är dyra, verifiering är viktig eller uppgiften kräver verklig planering. De kommer att undvika att slösa den på enkla förfrågningar.
Bättre AI kommer inte bara från större modeller. Den kommer från att allokera beräkningskraft bättre.
Källor: