Thinking-KT: рассуждения важнее размера модели в оценочных задачах

Парадокс: Маленькая модель (1.7B параметров) с явными рассуждениями обгоняет большую модель без них. В задачах оценки знаний размер модели даёт слабый прирост (+2-3%), а вот рассуждения — это стабильность: без них модель скачет 52-70% точности, с ними — уверенно 70%+. Thinking-KT позволяет получить три выхода в одном запросе: предсказание успеха студента, диагностику слабых зон, персональный план развития — всё через явные рассуждения модели перед ответом. Фишка: форсируешь модель рассуждать 2048 токенов ("проанализируй паттерны пошагово") → она экстернализирует логику в промежуточные выводы → unified output использует те же выводы для всех трёх задач одновременно, без потери точности предсказания. Обратная связь и рекомендации достаются бесплатно.