文｜魏琳華

編｜王一粟

ChatGPT誕生的第二年，OpenAI和國(guó)內(nèi)的一眾企業(yè)正在試著“拋棄”它。

在Scaling Law被質(zhì)疑能力“見頂”的情況下，今年9月，OpenAI帶著以全新系列命名的模型o1一經(jīng)發(fā)布，“會(huì)思考的大模型”再度成為焦點(diǎn)。

“我認(rèn)為這次 o1 模型發(fā)布最重要的信息是，AI 發(fā)展不僅沒有放緩，而且我們對(duì)未來幾年已經(jīng)勝券在握?！睂?duì)于o1的發(fā)布，奧特曼信心滿滿。

國(guó)內(nèi)大模型廠商對(duì)o1的學(xué)習(xí)、超越任務(wù)也提上了日程。兩個(gè)多月之后，國(guó)內(nèi)大模型公司紛紛效仿，相繼推出了各具特色的o1類深度思考模型。

無論是kimi的k0 math、Deepseek的DeepSeek-R1-Lite，還是昆侖萬維推出的“天工大模型4.0”o1版，都在強(qiáng)調(diào)著國(guó)內(nèi)大模型對(duì)大模型邏輯思考能力的重視。

國(guó)產(chǎn)大模型集體跟進(jìn)o1

在OpenAI沒有披露o1具體技術(shù)的情況下，只用了2個(gè)月左右的時(shí)間，國(guó)內(nèi)大模型公司就跟上了前沿方向的能力：

11月16日，月之暗面在發(fā)布會(huì)上公開了新模型k0 math，通過采用強(qiáng)化學(xué)習(xí)和思維鏈推理技術(shù)，大模型開始試圖模擬人類的思考和反思過程，從而增強(qiáng)其數(shù)學(xué)推理能力。顧名思義，它在研究數(shù)學(xué)難題方面的能力可謂“遙遙領(lǐng)先”。

4天后，Deepseek的DeepSeek-R1-Lite正式上線。和OpenAI的o1相比，R1毫無保留地放出了大模型思考的完整過程。官方表示，R1的思維鏈長(zhǎng)度可達(dá)數(shù)萬字。從官方測(cè)試結(jié)果來看，在AIME（美國(guó)數(shù)學(xué)競(jìng)賽）、部分編程比賽的測(cè)試上，R1的表現(xiàn)超越了o1-Preview。Deepseek還直接在官網(wǎng)放出了測(cè)試版，允許用戶每天體驗(yàn)50次對(duì)話。

就在上周三（11月27日），昆侖萬維也放出了具有復(fù)雜思考推理能力的天工大模型4.0 o1版（Skywork o1），宣布它是國(guó)內(nèi)首款實(shí)現(xiàn)中文邏輯推理的模型。它也一次性給出了三種模型版本：開源的Skywork O1 Open、優(yōu)化中文支持能力的Skywork O1 Lite，以及完整展現(xiàn)模型思考過程的Skywork O1 Preview。

扎堆涌現(xiàn)的國(guó)產(chǎn)“o1”大模型們，不想只做簡(jiǎn)單的“模型復(fù)刻”。

從模型測(cè)試跑出的指標(biāo)分?jǐn)?shù)來看，上述模型在數(shù)學(xué)、代碼等能力上的表現(xiàn)均逼近、甚至超過了o1：

以k0 math為例，在中考、高考、考研以及包含入門競(jìng)賽題的MATH等4個(gè)數(shù)學(xué)基準(zhǔn)測(cè)試中，k0-math的成績(jī)超過了OpenAI的o1-mini和o1-preview模型。

不過，在一些難度更大的競(jìng)賽測(cè)試題能力表現(xiàn)上，比如難度更大的競(jìng)賽級(jí)別的數(shù)學(xué)題庫OMNI-MATH和AIME基準(zhǔn)測(cè)試中，ko math表現(xiàn)還沒辦法趕上o1-mini。

能夠做出難度高的數(shù)學(xué)題，類o1的大模型們開始學(xué)會(huì)了“慢思考”。

通過在模型中引入思維鏈（CoT），大模型將復(fù)雜問題拆解為多個(gè)小問題，開始模擬人類逐步推理的過程。這是在無人參與的情況下，由大模型獨(dú)立完成推理。強(qiáng)化學(xué)習(xí)使大模型能夠自行嘗試多種不同的解題方法并根據(jù)反饋調(diào)整策略，學(xué)習(xí)和反思的任務(wù)的任務(wù)，都交給了大模型。

和一般模型相比，此類產(chǎn)品在一些往常無法解決的問題上也能夠正確回答，比如“草莓strawberry”一共有幾個(gè)r、“9.11和9.9相比哪個(gè)大”等問題，交給o1，它能在一番思考后給出正確的答案。

比如，把“Responsibility中有幾個(gè)字母i？”的問題拋給Deepseek R1，在深度思考模式中，我們能夠看到大模型的思考過程：它先把單次拆解成一個(gè)個(gè)字母，再逐步比較每個(gè)字母是什么，最終給出了正確的結(jié)果。在測(cè)試中，R1的思考速度也夠快，用不到兩秒的時(shí)間給出了答案。

專精還是空中樓閣，o1的硬幣兩面

批量制造的“慢思考”大模型們，在強(qiáng)化學(xué)習(xí)和邏輯鏈的加成下，模型能力的表現(xiàn)突飛猛進(jìn)。

在Deepseek公布的測(cè)試效果中，可以看到，DeepSeek-R1-Lite的推理時(shí)間和準(zhǔn)確率成正比關(guān)系，即推理時(shí)長(zhǎng)越長(zhǎng)，跑出的效果就越好。和過往沒有“慢思考”能力的模型相比，R1的表現(xiàn)遠(yuǎn)優(yōu)于前者。

在上述能力的加成下，大模型的自我反思、學(xué)習(xí)能力提升明顯。比如，面對(duì)陷阱時(shí)，模型可以通過思維鏈模式自行避開問題。

發(fā)布自研模型時(shí)，昆侖萬維給了大模型一個(gè)“陷阱”題目。讓它回答存在中文讀音“陷阱”的問題——“請(qǐng)將qíng rén yǎn lǐ chū xī shī轉(zhuǎn)換為中文”。在第一次思考得出結(jié)論時(shí)，大模型主動(dòng)發(fā)現(xiàn)了“西詩”是不對(duì)的說法，通過推理找到了準(zhǔn)確的翻譯結(jié)果。

一方面，慢思考模型大幅提升了大模型在一些特定學(xué)科上的表現(xiàn)，解決難題的能力進(jìn)一步提升；另一方面，大量耗費(fèi)tokens的方式卻未必能換來用戶需要的回報(bào)，這也是常被用戶詬病的一點(diǎn)。

在某些情況下，增加模型思維鏈的長(zhǎng)度可以提高效率，因?yàn)槟Ｐ湍軌蚋钊氲乩斫夂徒鉀Q問題。

然而，這并不意味著它在所有情況下都是最優(yōu)解。

比如，思考“1+1＞2”這類常識(shí)性問題，顯然從效率和成本上來看，更適合用以往大模型的能力。這就需要大模型學(xué)會(huì)對(duì)問題難度自行進(jìn)行判別，從而決定是否采用深度思考模式回答對(duì)應(yīng)問題。

而在科學(xué)研究或復(fù)雜項(xiàng)目規(guī)劃中，增加思維鏈的長(zhǎng)度可能是有益的。在這些情況下，深入理解各個(gè)變量及其相互作用，對(duì)于制定有效的策略和預(yù)測(cè)未來的結(jié)果至關(guān)重要。

此外，從特定場(chǎng)景下的強(qiáng)化學(xué)習(xí)應(yīng)用轉(zhuǎn)向通用模型，在訓(xùn)練算力和成本的平衡上或許還有一定難度。

從國(guó)內(nèi)發(fā)布的模型來看，目前“慢思考”類大模型開發(fā)的基座模型參數(shù)不大。比如Deepseek和昆侖萬維給出的模型版本，都建立在規(guī)模量更小的模型上：Skywork o1 Open基于Llama 3.1 8B的開源模型，Deepseek也強(qiáng)調(diào)目前使用的是一個(gè)較小的基座模型，還無法完全釋放長(zhǎng)思維鏈的潛力。

“一個(gè)大概率會(huì)確定的事情是，在訓(xùn)練 RL 的階段，我們所需要的算力可能并不比預(yù)訓(xùn)練要少，這可能是一個(gè)非共識(shí)?！闭劶皁1時(shí)，階躍星辰CEO姜大昕曾經(jīng)提到過這個(gè)問題。

未來的大模型不應(yīng)該花費(fèi)大量精力在簡(jiǎn)單的問題上，要想跑出真正能夠釋放思維鏈能力的模型，還需要一定時(shí)間。

突破AGI二階段，國(guó)內(nèi)加速探索產(chǎn)品落地

大廠們?yōu)槭裁磳1視為了下一個(gè)必備項(xiàng)？

在OpenAI和智譜給出的“通往AGI五階段”的定義中，兩家公司均將多模態(tài)和大語言模型能力歸在L1階段，也就是最為基礎(chǔ)的能力配備。

而o1的出現(xiàn)，則標(biāo)志著大模型能力突破到了L2階段。自此，大模型開始真正擁有了邏輯思維能力，在無人力干預(yù)的情況下進(jìn)行規(guī)劃、驗(yàn)證和反思。

當(dāng)下，雖然海外以O(shè)penAI為代表，率先實(shí)現(xiàn)了“慢思考”大模型能力的實(shí)現(xiàn)，但國(guó)內(nèi)廠商在后續(xù)追趕的思路上想的更多。在同步跟進(jìn)o1類產(chǎn)品的同時(shí)，大模型公司們已經(jīng)在思考如何將o1的能力和現(xiàn)有AI應(yīng)用方向結(jié)合。

針對(duì)大模型訓(xùn)練進(jìn)展停滯的疑慮，可以看到，在數(shù)據(jù)枯竭的情況下，o1能夠?yàn)镾caling Law提供新的支撐。

此前，大模型訓(xùn)練已經(jīng)走入了“無數(shù)據(jù)可用”的困境。當(dāng)可用的優(yōu)質(zhì)數(shù)據(jù)資源變得越來越有限，給依賴大量數(shù)據(jù)進(jìn)行訓(xùn)練的AI大模型帶來了挑戰(zhàn)。

更多大模型公司的加入，或?qū)⒙?lián)手探索出更大的可能性?！皁1 已經(jīng) scale 到了一個(gè)很大的規(guī)模，我認(rèn)為它帶來了一個(gè) Scaling 技術(shù)的新范式，不妨稱之為 RL Scaling。而且 o1 還不成熟，它還是一個(gè)開端?！苯箨空f。

在現(xiàn)有的一些AI應(yīng)用上，思維鏈的能力已經(jīng)幫助提升了AI技術(shù)的使用效果。

以智譜的“會(huì)反思的AI搜索”為例，結(jié)合思維鏈能力，讓AI能夠?qū)?fù)雜問題拆解成多個(gè)步驟，進(jìn)行逐步搜索和推理。通過聯(lián)網(wǎng)搜索 + 深度推理，再將所有答案信息綜合整理到一起，AI能夠給到一個(gè)更加精準(zhǔn)的答案，

當(dāng)大模型開始學(xué)會(huì)“自我思考”，通往L3（Agent）的大門也正在被大模型公司們推開。

“從L1到L2花了一段時(shí)間，但我認(rèn)為L(zhǎng)2最令人興奮的事情之一是它能夠相對(duì)快速地實(shí)現(xiàn)L3，我們預(yù)計(jì)這種技術(shù)最終將帶來的智能體將非常有影響力?！闭劶皁1，Sam Altman肯定了“慢思考”模型對(duì)推動(dòng)智能體發(fā)展的潛力。

在智能體的能力實(shí)現(xiàn)上，思維鏈?zhǔn)侵悄荏w功能的重要一步。應(yīng)用思維鏈能力，大模型才能對(duì)接受到的任務(wù)進(jìn)行規(guī)劃，將復(fù)雜的需求拆解成多個(gè)步驟，支撐智能體的任務(wù)規(guī)劃。

最近涌現(xiàn)的一批“自主智能體”產(chǎn)品就是Agent能力的突破：通過將執(zhí)行任務(wù)拆解到極致，AI開始學(xué)會(huì)像人一樣用手機(jī)、電腦，幫助用戶完成跨應(yīng)用操作。智譜、榮耀等公司推出的智能體，已經(jīng)可以通過指令幫用戶完成點(diǎn)單購(gòu)買的任務(wù)。

但以目前的情況，開發(fā)者還需要具體結(jié)合o1類產(chǎn)品的能力，去調(diào)整智能體的輸出效果，讓它更接近人類的使用習(xí)慣。

在如何不過度思考的情況下，平衡大模型的推理進(jìn)化和用戶對(duì)效率的需求？這是楊植麟幾個(gè)月前在云棲大會(huì)上的提問，這個(gè)問題，還需要留給國(guó)內(nèi)大模型廠商們繼續(xù)解決。