Reasoning-Modelle verwenden intern eine Chain-of-Thought, um Probleme zu zerlegen und Loesungswege zu pruefen, bevor sie antworten. Dadurch erzielen sie bei Mathematik, Logik und komplexem Code deutlich bessere Ergebnisse als Standardmodelle. Der Preis ist eine hoehere Latenz und ein groesserer Token-Verbrauch, da das Denken selbst Token kostet. Fuer einfache Aufgaben sind sie oft ueberdimensioniert, fuer schwierige Aufgaben jedoch klar ueberlegen.
