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-R1 — GRPO（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

• OpenAI — o1（2024-09）/ o3（2024-12）
• DeepSeek — R1（2025-01，开源，颠覆性）
• Anthropic — Claude 4.5 推理能力
• Google — Gemini 2.5 Thinking
• 月之暗面 — Kimi K2 Thinking（2025-11）

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

• 2024-09 OpenAI o1 发布，"推理时计算"概念提出
• 2024-12 OpenAI o3 在 ARC-AGI 等基准突破
• 2025-01-DeepSeek-R1震动全球AI界 — 开源，定价革命
• 2025-11 月之暗面 Kimi K2 Thinking 发布

相关概念

• 推理时计算
• GRPO — DeepSeek 提出的 RL 方法
• RLHF
• 模型蒸馏 — 从大推理模型蒸馏小模型