Ano ang pangunahing benepisyo ng mga 'reasoning' model na ito?

Ang mga reasoning model ay huminto muna upang lutasin ang isang problema sa mga hakbang na intermedya bago gumawa ng huling sagot, sa halip na bumuo ng sagot sa iisang agad na daan tulad ng ginagawa ng mas maagang chatbot noon. Sa paglalaan ng dagdag na pagsisikap sa pagkalkula sa sandaling itinatanong mo ang isang tanong, na bumubuo ng panloob na scratchpad ng pangangatwiran, kaya ng mga modelong ito na mahuli ang mga pagkakamali, siyasatin ang maraming paraan, at hawakan ang mga problemang may maraming hakbang, na kapansin-pansing nagpapahusay ng performance sa mahihirap na matematika, puzzle ng logic, at komplikadong gawain sa coding.

Kailangan pa rin ng mga modelong ito ng koneksiyon sa internet kapag pinapatakbo sa pamamagitan ng cloud service, kaya't hindi tama ang pagpapaliwanag na iyon kung paano ito ginagamit. Hindi rin sila gumagamit ng mas kaunting memory kaysa sa mas lumang modelo; ang dagdag na hakbang-hakbang na pangangatwiran ay kadalasang gumagamit ng mas maraming computing resource sa bawat sagot, dahil ang pagbuo ng nakatagong pangangatwirang iyon ay tumatagal ng dagdag na oras at kuryente sa pagproseso.

Ipinapakita nito na ang paggawa lamang ng modelo nang mas malaki ay hindi lamang ang tanging paraan tungo sa mas mahusay na performance; ang pagpapahintulot sa isang modelo na "mag-isip nang mas matagal" sa sandaling ka nagtatanong ay maaari minsan tumugma o tumalo sa gains mula sa pagte-train ng mas malaking modelo mula sa wala.