Почему фраза «думай шаг за шагом» перестала быть суперсилой промпта
Наверняка ты видел советы в духе «добавь в промпт фразу think step by step — и точность ответа взлетит на десятки процентов». Этот совет кочует по гайдам и телеграм-каналам уже несколько лет, и звучит как незыблемый закон физики. Проблема в том, что закон этот давно устарел, а миф о магической фразе живёт своей жизнью отдельно от реальности современных моделей.
Откуда взялся миф про волшебную фразу
История начинается в 2022 году, когда исследователи Google опубликовали работу про chain-of-thought prompting.. Это действительно впечатляющий скачок — но именно он превратился в интернет-легенде в обобщённую цифру «плюс 61% к точности на чём угодно».
На деле всё было куда конкретнее.. Речь шла об одном конкретном тесте, на одной конкретной модели, при одном конкретном наборе условий. С тех пор эту цифру оторвали от контекста и приклеили ко всем промптам подряд — от написания текстов до анализа таблиц.
Почему в новых моделях приём работает иначе
Главная причина, по которой старый трюк с фразой «думай шаг за шагом» сегодня даёт совсем не тот эффект — устройство самих моделей изменилось.. Модель уже думает пошагово внутри себя, ещё до того, как ты попросил её об этом текстом.
Из-за этого ручная команда часто становится избыточной.. Причём есть и обратная сторона: у самой оригинальной техники изначально. То есть даже в 2022 году это была не универсальная кнопка «сделай умнее», а эффект, который проявлялся при определённых условиях.
Есть и вполне ощутимая денежная сторона вопроса. Каждый шаг рассуждения, который модель выписывает текстом, — это дополнительные токены, за которые ты платишь.. Добавь к этому, что современные модели ещё и считают скрытые токены размышления, которые ты вообще не видишь — и получится, что слепое копирование старого совета может просто раздувать счёт без пользы для качества.
Когда старый приём всё же выручает
Списывать chain-of-thought прompting со счетов рано — просто область его пользы сузилась. Вот где фраза «рассуждай шаг за шагом» ещё реально помогает:
- Небольшие или средние модели, у которых нет встроенного режима размышления — здесь явная просьба показать ход рассуждений по-прежнему повышает точность.
- Модели без специальной настройки на рассуждение — на них фраза-триггер до сих пор работает почти как раньше.
- Формат few-shot, когда ты даёшь модели несколько примеров с готовыми цепочками рассуждений —.
А вот с современными флагманскими моделями логика другая:.
Что делать вместо магической фразы
Если ты работаешь с современной большой моделью, вместо заклинания «think step by step» лучше потратить силы на другое:
- Дай модели чёткий контекст задачи и критерии успешного результата — это влияет сильнее, чем призыв рассуждать.
- Если модель поддерживает настройку глубины размышления (reasoning effort или budget), управляй именно этим параметром, а не текстом промпта.
- Для действительно сложных многошаговых задач используй few-shot с готовыми примерами рассуждений — это до сих пор работает надёжно.
- Не проси модель «показывать ход мыслей» ради красоты — это лишние токены и время, если задача не требует прозрачного рассуждения.
Получается, что миф не в том, что chain-of-thought бесполезен — а в том, что универсальная волшебная фраза давно перестала быть универсальной. Технология ушла вперёд, а совет остался прежним.
Хочешь на практике сравнить, как разные модели реагируют на такие приёмы — GPT, Claude и Gemini уже ждут в GEMERA AI, в Telegram-боте и в веб-кабинете. Можно быстро проверить и старые, и новые техники промптинга без лишних настроек и переключений между сервисами.