Model AI Penalaran: Cara Kerja dan Mengapa Penting

Pada musim gugur 2024, OpenAI memperkenalkan model o1 yang menjadi sensasi: dalam ujian matematika AIME, model ini mencetak skor 74% dalam mode percobaan tunggal, dan hingga 93% dengan pemilihan konsensus, sementara GPT-4o hanya mampu menyelesaikan 12% soal. Pada tolok ukur GPQA Diamond, o1 mencapai 78%, melampaui rata-rata ahli. Hasil ini menunjukkan kemampuan Large Reasoning Models (LRM), yang meniru pemikiran lambat "System 2" yang dijelaskan oleh Kahneman. Model lain yang diklasifikasikan sebagai LRM termasuk Anthropic (Claude Fable 5, Mythos 5, Opus 4.8), Google Gemini 3.1 Pro, DeepSeek R1, dan GLM-5.2. Tidak seperti large language models (LLM) autoregresif klasik yang beroperasi seperti "System 1" yang cepat, model penalaran menggunakan rantai pemikiran, komputasi tambahan pada waktu inferensi (test-time compute), dan pembelajaran penguatan. Mereka menghasilkan token penalaran yang tidak terlihat oleh pengguna, yang meningkatkan waktu pemrosesan permintaan hingga satu menit atau lebih. Penelitian telah menunjukkan bahwa strategi "berpikir lebih lama" lebih efektif daripada sekadar memperbesar ukuran model: sebuah model dapat berkinerja sebaik LLM yang 14 kali lebih besar jika diberi cukup waktu untuk berpikir. DeepSeek-R1 dari China mengintegrasikan penalaran langsung ke dalam model itu sendiri, tanpa menggunakan "kritikus" eksternal.