Geverifieerd 2026-09-01

Redeneermodellen

De meeste promptadviezen die je online vindt, zijn geschreven voor modellen die niet nadachten voordat ze antwoordden. Vrijwel elk frontier-model doet dat nu wel. Die ene verandering maakt verschillende gevestigde technieken nutteloos, en een paar zelfs schadelijk.

Wat er veranderde

Een redeneermodel genereert interne overweging vóór het zichtbare antwoord, en hoeveel het overweegt is een instelling die jij bepaalt: effort bij Claude, thinking_level bij Gemini, redeneerniveaus bij GPT-5.6. Dat vervangt precies wat chain-of-thought-prompting moest nabootsen. Waar je een model vroeger moest verleiden zijn werk te tonen, draai je nu aan een knop.

Waar je mee moet stoppen

  • "Denk stap voor stap" toevoegen. Het redeneren is al gebeurd; de zin kost vooral tokens en tijd.
  • De methode voorschrijven. Een redeneermodel vertellen hóe het een probleem moet aanpakken beperkt een proces dat meestal beter is dan jouw beschrijving ervan.
  • Zwaar steigerwerk. OpenAI merkt op dat zijn huidige modellen er minder van nodig hebben, en dat minder herhaling de resultaten verbetert.
  • Om zichtbaar redeneren vragen als vervanging voor controle. Zichtbaar werk is niet hetzelfde als correct werk.

Wat je in plaats daarvan doet

  • Beschrijf het probleem en de randvoorwaarden precies, en laat het model verder met rust.
  • Stel de denkdiepte in met de eigen instelling van de aanbieder, niet met prompttaal.
  • Zeg waaraan een correct antwoord moet voldoen. Criteria helpen nog steeds; instructies over methode niet meer.
  • Let op te veel denkwerk bij eenvoudige taken — de faalmodus is omgeslagen van te weinig naar te veel redeneren.

Waar chain of thought nog wél loont

Bij kleine modellen, bij open-weight modellen die je zelf host, en bij meerstaps rekenwerk of symbolisch werk helpt expliciet stapsgewijs prompten nog steeds — en Meta noemt het om precies die reden bij zijn officiële Llama-technieken. Vuistregel: heeft het model geen redeneerinstelling, dan ben jij de redeneerinstelling.

Bronnen en onderbouwing

  1. 1The Decreasing Value of Chain of Thought in PromptingWharton Generative AI Labs
  2. 2Gemini 3 developer guide — thinking_levelGoogle
  3. 3Model guidanceOpenAI
  4. 4Prompting best practices — Thinking and reasoningAnthropic
  5. 5Prompt engineering — chain-of-thoughtMeta