Chain of Thought с проверкой: как один приём поднял точность Claude на 40%

В конце апреля 2026 Anthropic опубликовала результаты внутреннего эксперимента с Claude Opus 4.7. Инженеры проверили гипотезу: если модель не просто генерирует ответ, а сначала рассуждает вслух, а затем сама проверяет результат — насколько вырастет точность? Цифры оказались впечатляющими: на задачах с длинной логической цепочкой точность выросла на 38–42%, на коротких — на 15–20%. При этом промпт занял три абзаца, а расход токенов увеличился всего на 30%.

Этот приём называется Chain of Thought with Verification — цепочка рассуждений с самопроверкой. Он работает не только в Claude, но и в GPT-5.5, DeepSeek V4 и других флагманских моделях. Разбираем, как устроен метод, где он даёт максимальный эффект и как встроить его в рабочие промпты уже сегодня.

Как работает Chain of Thought с проверкой

Базовый Chain of Thought — это инструкция модели рассуждать пошагово перед финальным ответом. Вы пишете в промпте: «Подумай вслух, распиши логику, потом дай ответ». Модель генерирует промежуточные шаги, и это помогает ей не терять нить на длинных задачах. Приём известен с 2022 года, но в 2026 он получил важное дополнение — встроенную самопроверку.

Суть в том, что модель не просто рассуждает, а после рассуждения проверяет сама себя. Вы явно просите: «Теперь вернись к началу, перечитай условие и проверь, не ошибся ли ты». Модель проходит цепочку заново, ловит противоречия и исправляет их до выдачи финального ответа. Anthropic назвала это verification loop — петля верификации. В эксперименте с Opus 4.7 этот шаг дал прирост точности на 18–25% сверх обычного Chain of Thought.

Cat Wu из Anthropic в апрельском треде отметила, что модель оптимизирована именно под автономные task loops с явной валидацией. Это значит, что встроенная самопроверка не просто работает — она заложена в архитектуру обучения. GPT-5.5 и DeepSeek V4 Pro показывают схожие результаты: если промпт содержит инструкцию проверить ответ, модель делает это качественнее, чем если просто попросить «будь внимательнее».

Где приём даёт максимальный эффект

Эксперименты показали три типа задач, где Chain of Thought с проверкой работает лучше всего:

• Длинные логические цепочки. Задачи на 5–15 шагов: расчёт стоимости проекта с учётом скидок, планирование маршрута с ограничениями, анализ финансовой отчётности. Здесь прирост точности достигает 38–42%.
• Задачи с неочевидными ограничениями. Например, составление расписания, где нужно учесть пять условий одновременно. Модель без проверки часто нарушает одно из них. С проверкой — ловит ошибку сама.
• Генерация кода с требованиями к надёжности. Написание функции, которая должна обрабатывать граничные случаи. Модель пишет код, потом проверяет его на тестовых данных в уме и исправляет баги до выдачи.

На коротких задачах — один-два шага, очевидная логика — эффект скромнее: 10–15%. Но даже здесь самопроверка помогает ловить опечатки и фактические ошибки, которые модель иначе пропустила бы.

Готовый промпт для внедрения

Вот структура промпта, которая даёт устойчивый результат в Claude Opus 4.7, GPT-5.5 и DeepSeek V4:

Шаг 1. Дай контекст и задачу. Опиши, кто ты, для кого решаешь задачу, какой результат нужен. Будь конкретным: формат, объём, ограничения.

Шаг 2. Попроси рассуждать вслух. Добавь фразу: «Прежде чем дать финальный ответ, распиши логику пошагово. Объясни каждое решение». Это включает Chain of Thought.

Шаг 3. Встрой самопроверку. Добавь: «После того как закончишь рассуждения, вернись к началу. Перечитай условие задачи и проверь, не противоречит ли твой ответ хотя бы одному требованию. Если найдёшь ошибку — исправь и объясни, что поменял».

Шаг 4. Запроси финальный ответ. Завершающая фраза: «Только после проверки дай финальный ответ в формате [укажи формат]».

Пример полного промпта для расчёта бюджета рекламной кампании:

Ты — маркетинговый аналитик. Рассчитай бюджет рекламной кампании на месяц. Каналы: Яндекс Директ, ВКонтакте, Telegram Ads. Общий бюджет — 300 000 рублей. Условия: на Директ должно уйти не меньше 40% бюджета, на ВКонтакте — не больше 25%, остальное — Telegram Ads. Прежде чем дать финальный ответ, распиши логику пошагово: как распределяешь бюджет, почему выбираешь такие доли. После рассуждений вернись к началу, перечитай условия и проверь, выполнены ли все ограничения. Если найдёшь ошибку — исправь и объясни. Только после проверки дай финальный ответ в формате: канал — сумма — процент от бюджета.

Этот промпт занимает 120 слов и увеличивает расход токенов примерно на 25–30%. Но точность ответа вырастает на 30–40%, если задача содержит три и более условия.

Реальный кейс: финансовый анализ для стартапа

Один из пользователей, упомянутых в апрельском обсуждении на Habr, применил Chain of Thought с проверкой для анализа финансовой модели стартапа. Задача: проверить три года прогнозов выручки, найти противоречия между таблицами и указать, где модель не сходится. Без самопроверки GPT-5.5 пропустила два критических несоответствия. С самопроверкой — нашла все четыре, включая скрытую ошибку в формуле роста.

Время выполнения выросло с 45 до 70 секунд, расход токенов — с 8 тысяч до 11 тысяч. Но результат оказался настолько точнее, что пользователь перевёл все аналитические задачи на этот формат промпта. Экономия на переделках и ручной проверке окупила увеличение расхода токенов в первую же неделю.

Три практических совета

Первое: не используйте самопроверку в задачах, где достаточно одного шага. Если вы просите модель переписать абзац текста или сгенерировать заголовок, Chain of Thought только замедлит ответ без прироста качества. Приём работает там, где есть логическая цепочка.

Второе: проверяйте, действительно ли модель выполнила самопроверку. Иногда модель пишет «я проверил, всё верно», но на деле не возвращалась к условиям. Если видите формальный ответ — уточните в промпте: «Перечисли каждое условие и покажи, как твой ответ ему соответствует».

Третье: комбинируйте самопроверку с примерами. Если задача нестандартная, добавьте в промпт пример правильного рассуждения с проверкой. Это называется Few-shot Chain of Thought — модель видит образец и копирует структуру. Прирост точности в таких случаях достигает 50%.

Chain of Thought с самопроверкой — это не магия, а инженерный приём. Он требует на 25–30% больше токенов и на 15–20 секунд больше времени. Но в задачах, где ошибка дорого обходится — финансовый анализ, юридическая проверка, архитектурное планирование — этот приём окупается с первого запроса. Anthropic, OpenAI и DeepSeek оптимизировали свои флагманские модели именно под такие сценарии. Попробуйте встроить самопроверку в ваши рабочие промпты — и сравните результат с обычными запросами. Разница заметна уже на второй-третьей задаче.

Все модели, о которых мы говорили в статье — Claude Opus 4.7, GPT-5.5, DeepSeek V4 — доступны в GEMERA AI. Попробуйте Chain of Thought с самопроверкой на ваших реальных задачах и проверьте, насколько вырастет точность. Доступ через Telegram-бота и веб-кабинет, первые запросы — с пробным балансом.