OpenAI o1
OpenAI初の推論モデル（2024年9月）。回答の前に内部で「考える」CoT段階を挟み、テスト時計算量がパラメータの単純な拡大に勝りうることを示した。
数学やコードの問題で最終的な答えの正否を報酬とする強化学習で訓練され、長い内部推論の痕跡（一部はユーザーに非公開）を生成することを学ぶ。AIME、USAMO、Codeforcesで当時の最高水準を大きく更新した。
これを皮切りに「推論モデル」の潮流が生まれた。DeepSeek-R1、QwQ、Gemini Thinking、Claudeの拡張思考、GPT o3/o4などである。代償は高コストと遅さで、応答に数秒から数分かかる。