Negli ultimi giorni si parla molto di modelli di reasoning nel mondo dell’AI…

DeepSeek ha rilasciato R1. 💡

OpenAI ha rilasciato o3-mini e o3-mini high. 🙌

Mark Zuckerberg ha annunciato novità su Llama 4, anticipando futuri rilasci di modelli di reasoning anche da parte di Meta. 👀

Dato che sempre più persone utilizzano i modelli di reasoning, volevo condividere con te questa guida su come utilizzarli al meglio. 📚

Ma facciamo un breve passo indietro…

Come funzionano? 🤔

Per spiegartelo in breve, il modello genera più risposte in parallelo e confronta diverse opzioni di completamento prima di rispondere (Test Time Compute). ⌛️

Questo genera un comportamento di “ragionamento interno”, che gli permette di risolvere problemi più complessi e di logica.

Ora torniamo a noi.

Molte persone non sono soddisfatte dell’output che ottengono utilizzando questi modelli.

Il problema è che tendiamo a trattarli come abbiamo sempre fatto con modelli come GPT-4o o Claude Sonnet 3.5 … che, però, funzionano in maniera diversa …

È importante capire che modelli come o1 non sono “modelli di chat**”**. 💬

Ti spiego meglio. 👇

Da quando abbiamo a disposizione strumenti come ChatGPT, ci siamo abituati a ricevere una risposta in output molto velocemente. ⌨️

Ma con i modelli di reasoning la velocità di risposta (tempo di latenza) è cambiata. ⏱️

Il modello ci mette più tempo prima di darti una risposta in output. Proprio perché si prende del tempo per “ragionare” (siamo sempre restii nell’usare questo termine perché i modelli non ragionano come facciamo noi) 😅

Ecco alcuni punti chiave per sfruttare al massimo le capacità di questi modelli 🗝️

1️⃣ Fornisci molto contesto e definisci in maniera chiara l’output che vuoi per ottenere la soluzione giusta al primo colpo

In breve, è importante fornire un brief chiaro e tantissimo contesto.

Qualunque cosa pensi sia “tanto”, tu moltiplicalo x10 😂

Ecco un esempio di prompt:

Torniamo a parlare per un secondo dei modelli classici che conosciamo, come Claude 3.5 Sonnet o GPT-4o.

Immagino che quando usi questi modelli inizi facendo una domanda semplice e aggiungendo una breve frase per dare contesto. 📩

Poi se il modello ha bisogno di più contesto, spesso te lo chiederà.

Di base è un botta e risposta fino a quando ottieni l'output desiderato. ✅

Con i modelli di reasoning, invece, devi dare tantissimo contesto in partenza.

Un piccolo trick utile potrebbe essere:

👉 usare app di registrazione vocale per descrivere tutto il problema in 1-2 minuti di audio e poi incollare la trascrizione.

2️⃣ Concentrati sugli Obiettivi: descrivi esattamente cosa vuoi all'inizio, e concentrati meno su come lo vuoi

Quindi prima fornisci più contesto possibile.

Poi spiega che cosa vuoi nell’output.

Con la maggior parte dei modelli, siamo stati abituati a dire al modello in partenza come vogliamo che ci risponda:

“Sei un esperto in software engineering.”

“Pensa lentamente e più attentamente prima di rispondere”

Ecco, con o1 dobbiamo usare il meccanismo opposto. 🔄

Non devi dargli istruzione sul COME fare una cosa ma solo su CHE COSA deve fare.

Poi lascia che faccia tutto o1.

Ecco questa è una breve guida su come utilizzare i modelli di reasoning ed evitare di perdere tempo e agitarsi perché non ci risponde come vogliamo 😂

È importante, secondo me, capire che i modelli di reasoning hanno performance molto buone per determinati compiti, ma non sono migliori in assoluto.

Devi fare un’analisi step-by-step di un codice molto lungo? 👉 allora o1 potrebbe essere molto utile.

Hai una domanda diretta come “qual è la capitale dell’Argentina?” 👉 allora meglio GPT-4o.

Ma aspetta, non ho finito, ho ancora un paio di cose da dirti 😂

Ieri OpenAI ha annunciato Deep Research, nuova funzionalità di ChatGPT in grado di eseguire ricerche complesse e dettagliate, utilizzando il modello o3 per navigare sul web e analizzare dati con precisione.

Questa funzionalità sarà disponibile inizialmente per gli utenti Pro (con l’abbonamento da $200 al mese). 💸

Ne parleremo meglio della nuova funzionalità nei prossimi giorni sui nostri canali.

Nel frattempo volevo anticipartelo. 👀

PS: giovedì scorso abbiamo fatto una live su DeepSeek.

Se l’hai seguita, saprai che ho promesso di lasciare le slide in questa puntata di Commit.

E infatti eccole qui! 💪

E se vuoi recuperare la live, la trovi su YouTube a questo link! È stato assurdo, c’erano più di 400 persone, non me lo aspettavo… 😱

---

By Giacomo Ciarlini - Head of Content & Education - Datapizza