AI产业链地图

推理模型

又名 Reasoning Model · Reasoning LLM · 思考型大模型 · 推理大模型

推理模型 = LLM + 强化学习训练 + 长思考链解码。模型在回答前生成数千到数万 token 的内部推理过程（"思考"），然后给出最终答案。区别于传统 LLM 直接出答案的范式

第四层 · AI 基础模型
首次提出2024关键参与方OpenAI · DeepSeek · Anthropic · Google

推理模型

2024 OpenAI o1 引入的新范式：让 大语言模型 在回答前生成长思考链（Chain-of-Thought），通过推理时计算显著提升复杂任务（数学/代码/科学）表现。DeepSeek-R1（2025-01）以极低成本复刻该范式并开源，颠覆全球定价。

技术细节

  • OpenAI o1 / o3 系列使用 RLHF + 自我博弈训练（具体方法未公开）
  • DeepSeek-R1GRPO（Group Relative Policy Optimization）+ 冷启动 SFT + 多阶段 RL
  • 思考链长度通常 2K-50K token（推理时计算成本远高于输出 token）
  • 能力提升数学竞赛、代码、科学推理 30-80% 提升

主要玩家

在 AI 产业链中的角色

推理模型是 2024-2026 模型工厂 子行业最大技术变革。它推动了：

  • 训练范式从纯 next-token prediction 转向 RL + 长思考
  • 推理基础设施需求暴涨（思考链消耗大量 token）
  • 模型能力曲线突破纯 scaling 瓶颈
  • DeepSeek-R1 引领的全球价格战

演进历史

相关概念

所属模型工厂