答えを出す前に、モデルが内部で考える。そうしたモデルを「リーズニングモデル」と呼びます。OpenAIのドキュメントは、GPT-5.5のようなリーズニングモデルは応答を作る前に内部の推論トークンを使う、と説明しています。同社によると、これは計画を立てること、道具をうまく使うこと、別の案を検討すること、あいまいさから立て直すこと、多段の難しい課題を解くことに役立つとされています。推論トークンとは、利用者に見える答えとは別に、モデルが内部の思考のために消費するトークンのことです。普通のモデルが入力を受けてすぐ答えを書き始めるのに対し、リーズニングモデルは書き始める前にこの内部の工程を挟みます。
この「どれだけ考えさせるか」を、4社はそれぞれ別の名前で扱っています。OpenAIは reasoning_effort というパラメータを使い、値は none / minimal / low / medium / high / xhigh / max の7段階です。同社は、低い effort は速度とトークン消費の少なさを優先し、高い effort ではモデルがより十分に考えて品質の高い応答を返す、としています。既定値はモデルごとに異なり、gpt-5.5 は medium が既定です。Alibabaは enable_thinking の true / false で推論の有無を切り替え、thinking_budget で推論トークンの上限を指定します。Moonshotの kimi-k2.6 と kimi-k2.5 は thinking と non-thinking の2つのモードを持ちます。Anthropicは thinking.type と effort で扱います。名前も、段階の数も、指定の単位が段階なのかトークン数なのかも揃っていません。
そのAnthropicは、いま方式を移行中です。従来の手動方式であるextended thinkingでは、thinking に type: "enabled" と budget_tokens を渡し、人が何トークン考えるかを指定します。最小は1,024トークンで、max_tokens より小さい必要があります。新しい自動方式のadaptive thinkingでは type: "adaptive" を渡し、考えるかどうかとどれだけ考えるかをモデルが決めます。深さは output_config の effort で指定します。同社のドキュメントは、固定の予算ではClaudeは毎回のリクエストで考えるが、adaptive thinkingではリクエストごとに考えるかどうかとどれだけ考えるかをClaude自身が決め、低い effort 設定では簡単な入力について思考を完全に省くことがある、と記しています。つまり「毎回考える」から「考えるかどうかもモデルが決める」への変化です。移行の段取りも示されています。Claude 4.5以前は手動しかありません。Claude 4.6世代では budget_tokens が非推奨となり、リクエスト自体は通ります。Claude 4.7以降は type: "enabled" を受け付けず、400エラーを返すとされています。
費用にも関わります。推論トークンは課金対象の出力に含まれます。Anthropicは応答の usage.output_tokens_details.thinking_tokens に、課金対象の出力トークンのうち何トークンが内部の推論だったかが入る、としています。Alibabaは thinking_budget で上限を決められます。考える量は、そのまま費用に効いてきます。
対応モデルも挙げておきます。OpenAIは gpt-5.6、gpt-5.6-sol、gpt-5.6-terra、gpt-5.6-luna、gpt-5.5、gpt-5.4 です。Moonshotは kimi-k3（文脈長1M）、kimi-k2.7-code（256k）、kimi-k2.7-code-highspeed、kimi-k2.6（256k）、kimi-k2.5（256k）です。kimi-k3 は長期的なコーディングと一気通貫の知識労働のために作られた同社の旗艦モデルで、視覚理解を備えると説明されています。Alibabaは数が多く、qwen3.7-max、qwen3.7-plus、qwen3.6-max-preview、qwen3.6-plus、qwen3.6-flash、qwen3.5-plus、qwen3-max などが挙がっています。オープンソースのものとして qwen3.6-35b-a3b、qwen3.5-35b-a3b も記載されています。なお thinking_budget については、Qwen3（thinkingモード）と Kimi のモデルが対応する、と同ドキュメントは書いています。
揃っていない点もあります。各社の low / medium / high といった段階が、同じ深さを指す保証はありません。どの設定でどれだけ品質が上がるかを比べた数字は、今回参照した各社の資料にはありません。本記事の内容は2026年8月17日時点で確認したものです。設定名や仕様は変わる可能性があるため、実際に使う前に各社の公式ドキュメントで確認してください。
