Reasoning-режим включили везде — половину пришлось выключить: как мы примеряли GigaChat 3.5 Reasoning к нашим ИИ-агентам для бизнеса

Десятого сентября Сбер выложил GigaChat 3.5 Reasoning — российский ответ на DeepSeek R1 и o4-mini, с режимом рассуждений, MIT-лицензией для разработчиков и обещанием сильных приростов на многошаговых задачах. У нас в чате прилетело три ссылки за час, и настроение в команде было понятное: «ну всё, теперь наши ИИ-агенты станут умнее по щелчку». Мы даже успели набросать план прогона на боевых стендах, прежде чем один из инженеров сказал вслух неприятную вещь: «Ребят, а мы вообще уверены, что reasoning нужен всем нашим агентам?»

К вечеру того же дня стало ясно, что не всем. К концу недели — что примерно половине. А ещё через две недели у нас появился внутренний чек-лист, который мы теперь достаём каждый раз, когда речь заходит про создание ИИ-агента для очередного заказчика.

Что вообще такое режим рассуждений и почему все за него хватаются

Если совсем коротко: обычная языковая модель отвечает сразу — прочитала запрос, прикинула распределение, выдала токены. Reasoning-режим устроен иначе. Модель сначала «думает вслух» во внутреннем черновике — разбирает задачу, проверяет варианты, ловит собственные ошибки — и только потом формулирует ответ пользователю. Черновик обычно скрыт от клиента, но он есть, и за него платят токенами и секундами.

Именно поэтому reasoning-модели рвут бенчмарки на многошаговых задачах: планирование действий, разбор кода, математика, длинные цепочки логики. И именно поэтому они дороже и медленнее обычных.

Когда клиенты спрашивают «ИИ-агент — что это такое», мы обычно объясняем на пальцах: это программа, которая получила от модели голову, а от нас — руки. Руки — это инструменты: базы данных, API, MCP-серверы, доступ к 1С. Голова — это LLM, которая решает, какой рукой сейчас двигать. Reasoning-режим меняет только одно: как именно голова принимает решение. Не что она умеет, а насколько тщательно думает.

Первая волна: включили везде

С GigaChat 3.5 Reasoning мы поступили как все нормальные инженеры — включили его в тестовом контуре сразу на нескольких агентах: помощнике по тендерной документации, ассистенте отдела продаж, агенте для разбора входящих писем и внутреннем помощнике по 1С.

Через несколько дней картина сложилась неожиданно контрастная.

На тендерном агенте reasoning дал ощутимый выигрыш. Там задача честно многошаговая: посмотреть техзадание, сопоставить с прайсом, проверить сроки поставки, свериться с реестром недобросовестных поставщиков, собрать смету. Обычная модель периодически «срезала углы» — забывала проверить одно из условий, если оно упоминалось в тексте один раз и вскользь. Reasoning эти углы не срезает, потому что во внутреннем черновике сам себе задаёт вопрос: «а я точно проверил все требования из раздела 5?»

На агенте для разбора входящих писем — эффект оказался ровно противоположным. Задача простая: понять, это запрос коммерческого предложения, жалоба, вопрос по счёту или спам. Обычная модель отвечала практически мгновенно. Reasoning тратил заметно больше времени на то, чтобы «подумать», хотя думать там особо не о чем — категория считывается с первых строк. Пользователи начали жаловаться, что почта разбирается медленнее. Мы посмотрели на счёт за модель — он тоже подрос, потому что за скрытые токены рассуждений тоже надо платить.

Прежний быстрый ответ был лучше нового умного.

Где reasoning окупился, а где — нет

К концу второй недели у нас сложилась карта. Мы её теперь показываем клиентам, когда обсуждаем, как создать ИИ-агента под их задачу.

Reasoning окупается там, где:

задача честно многошаговая и требует держать в голове несколько условий одновременно;
цена ошибки высокая — юридические документы, тендеры, расчёт стоимости, проверка на соответствие регламентам;
пользователь готов подождать, потому что альтернатива — ждать ответа от живого специалиста полдня;
ответ должен быть объясним. Reasoning-модели проще заставить показать логику — это важно там, где решение потом проверяет человек.

Reasoning не окупается или мешает там, где:

задача одношаговая — классификация, поиск в базе, ответ на типовой вопрос;
важна скорость ответа. Живой чат с клиентом, помощник оператора колл-центра, автоподсказки в интерфейсе;
задача решается по чёткому регламенту без развилок. Тут лучше обычная модель плюс правильные инструменты, чем длинные внутренние размышления.

Ещё один момент, который мы сначала недооценили. Reasoning-модель гораздо тяжелее вписывается в жёсткие таймауты. Если у вас в архитектуре ИИ-агента стоит общий дедлайн на запрос — и он рассчитан под обычную модель — с reasoning вы будете регулярно упираться в потолок. Приходится либо поднимать таймаут, либо признавать, что для этой конкретной задачи режим рассуждений — не ваш вариант.

Как мы теперь принимаем решение

Разработка ИИ-агентов для бизнеса — это в первую очередь работа с задачей клиента, а не с моделью. Модель — это последнее, что мы выбираем. Сначала мы разбираем: что должен делать агент, какие у него инструменты, какие есть ограничения по скорости и цене ответа, кто и как проверяет его работу.

И только когда карта задач нарисована, мы задаём один короткий вопрос: сколько шагов рассуждения в этой задаче?

Если один-два — обычная модель. Если больше — думаем про reasoning, но не бросаемся его включать. Проверяем, помещаемся ли в таймауты. Смотрим, не будет ли платить клиент за скрытые токены больше, чем за пользу от них. Иногда честнее вынести многошаговость наружу — не в модель, а в оркестрацию: агент делает шаг, инструмент возвращает результат, обычная модель принимает следующее решение. Это дешевле, чем гонять reasoning на каждом шаге.

Для нашего клиента, у которого агент разбирает договоры и приказы, мы в итоге сделали гибрид: reasoning-модель работает на сложных развилках, обычная — на простой каталогизации. Разница по скорости и стоимости — заметная. Разница по качеству — там, где она нужна.

Что осталось за кадром

Мы не проверяли пока GigaChat 3.5 Reasoning на действительно больших контекстах. Не гоняли его на задачах со сложными таблицами внутри PDF. Не сравнивали формально с DeepSeek V4.1 Flash, который тоже вышел свежим и заточен под длинный контекст. Всё это в очереди — и, скорее всего, окажется темами отдельных статей.

Но главный вывод от первой волны выглядит скучно и правильно: reasoning — это не улучшение по умолчанию. Это инструмент под задачу. Иногда он бесценен, иногда — просто дорогой способ ответить на «здравствуйте, у меня вопрос по счёту».

Мы сейчас всё чаще ловим себя на мысли, что хороший ИИ-агент для бизнеса — это не тот, где стоит самая свежая и умная модель. Это тот, где под каждый шаг подобрана та модель, которая делает свою работу быстро, дёшево и без театральных монологов в черновике.

А у вас как — вы уже щупали reasoning-режим в своих сценариях? И где он у вас честно окупился, а где вы его выключили?