GPT vs Reasoning Model: Apa Bedanya dan Kapan Menggunakannya?

## Paradigma Baru: Dari "Fast Thinking" ke "Deep Thinking"

Secara historis, model GPT (seperti GPT-3, GPT-4, dan GPT-4o) adalah model transformer autoregresif yang dilatih untuk memprediksi kata berikutnya secara instan berdasarkan probabilitas statistik. Karakter ini sangat mirip dengan **Sistem 1 (Fast Thinking)** pada otak manusia—cepat, intuitif, dan fasih berbahasa.

Namun, untuk masalah logika yang sangat rumit—seperti mencari celah keamanan kode atau menyelesaikan soal olimpiade matematika—manusia tidak langsung menjawab secara spontan. Kita mencoret-coret di kertas, menguji hipotesis, dan membatalkan langkah yang salah. Inilah **Sistem 2 (Slow & Deliberate Reasoning)** yang dihadirkan oleh seri **o-series (o1 dan o3-mini)**.

---

1. **Hidden Chain of Thought (Rantai Pemikiran Tersembunyi):** Sebelum mengeluarkan satu kata pun kepada pengguna, model menghasilkan ribuan token pemikiran internal untuk memecah masalah besar menjadi sub-masalah kecil. 2. **Koreksi Kesalahan Mandiri (Self-Correction):** Jika langkah pemikiran buntu, model mundur ke langkah sebelumnya dan mencoba pendekatan lain. 3. **Reasoning Tokens:** Pengembang hanya ditagih biaya token penalaran, namun token tersebut memastikan jawaban akhir bebas dari halusinasi logika dasar.

---