它是什么
思维链（chain of thought）是一种让语言模型「把过程写出来」的方法。模型不再从问题直接跳到答案，而是把中间的每一步写下来。推理模型（reasoning model）把这个思路往前推了一步：它经过训练，会在给出用户看到的回复之前先产生一段较长的内部推理。两者出自同一个朴素的观察：对于包含多个步骤的问题，一步一步来往往更容易得到正确结果。
怎么工作
设想一道简单的应用题：一家商店原有一些商品，卖出一部分，又进了一批新货，问现在有多少。如果模型直接给答案，等于要在一次猜测中完成全部推算。使用思维链时，提示词里会附上一个带有解题过程的示例，作者在给出结果前写下每一步，模型便模仿这种写法：先复述已知条件，再逐步运算，最后给出答案。纸面上写下的每一步都会成为后续步骤的上下文，因此这些文字本身就是计算的一部分，而不只是装饰。
推理模型的做法有所不同。它不再依赖提示词中的示例，而是通常借助强化学习（reinforcement learning）训练，让模型自己生成较长的推理，并在回答前投入更多思考。这种在回答时额外付出的计算，常被称为测试时计算（test-time compute）。[2]
从哪里来
这一思路的提示版本，由 Google 的 Wei 等人在 2022 年 1 月的研究中考察。他们发现，在提示词中加入几个带有逐步推理的示例，就能大幅提升大模型在数学应用题上的表现。使用八个这样的示例后，拥有 5400 亿参数的 PaLM 在 GSM8K 基准上达到了当时最先进的准确率。[1]
真正经过训练的推理模型出现得更晚。OpenAI 的 o1 于 2024 年 9 月发布，是第一个被广泛发布的此类模型。在 AIME 2024 数学竞赛题上，它每题取一个样本时的平均得分为 74%，而 GPT-4o 为 12%。[2]
2025 年 1 月，DeepSeek-R1 公开了训练方法：在答案可以自动核对的题目上进行大规模强化学习，并使用基于规则的奖励。其模型权重以 MIT 许可证发布，因此其他人可以下载并研究这个模型。[3]
今天用在哪里
推理模型最擅长数学、编程以及其他答案可以核对的任务。答案能被核对，训练过程就有了明确的成功信号。[3] 它与用于塑造聊天助手的基于人类反馈的强化学习（RLHF）有渊源，但推理训练中的奖励往往来自对结果的检查，而不只是人的评分。
局限
推理模型每次回答都更慢、成本更高，因为模型在回复出现之前会生成大量文字。因此，选择工具时要看任务：简单的事实问题通常不需要很长的内部推理。在没有标准答案、无法核对的开放式任务上，它的收益也不那么明确。另外，写出来的推理链本身也是生成的文本，即使最终答案看起来合理，过程中仍可能出错。
202510
-
发布Cohere 发布首个推理模型 Command A Reasoning
2025 年 8 月 21 日，Cohere 发布 Command A Reasoning，这是面向复杂智能体任务的混合推理模型，参数量 111 billion，支持开关思考过程。
-
发布DeepSeek 发布混合推理模型 DeepSeek-V3.1
2025 年 8 月 21 日，深度求索（DeepSeek）发布 DeepSeek-V3.1，这是该公司首个混合推理模型，可在思考模式和非思考模式之间切换，采用 MIT 许可证。
-
发布Mistral AI 发布首个推理模型 Magistral
2025年6月10日，Mistral AI 发布首批推理模型 Magistral Small 与 Medium，Small 以 Apache 2.0 开源，Medium 供预览。
-
2025 年 4 月 30 日，微软发布 Phi-4-reasoning 和 Phi-4-reasoning-plus，两个 140 亿参数的推理模型均以 Phi-4 为基础微调，并以 MIT 许可证发布。
-
发布字节跳动 Seed 发布深度思考模型 Seed-Thinking-v1.5
2025 年 4 月 10 日，字节跳动 Seed 团队发布推理模型 Seed-Thinking-v1.5 的技术报告。它是混合专家模型，激活 200 亿参数，总参数 2000 亿。
-
2025 年 3 月 16 日，百度发布深度思考模型文心 X1，是其首个具备工具调用能力的多模态推理模型。百度称其效果与 DeepSeek-R1 相当，价格只有一半。[^1]
-
发布xAI 发布 Grok 3，带来 Think 推理模式和 DeepSearch
2025 年 2 月 17 日，xAI 发布 Grok 3 与 Grok 3 mini，带来用于逐步推理的 Think 按钮和 DeepSearch 研究智能体。免费用户于 2 月 20 日获得 Grok 3。
-
2025年2月14日，Perplexity 推出 Deep Research，它会进行几十次搜索、阅读数百个来源并撰写报告。公司称其在 Humanity's Last Exam 上得分21.1%。
-
发布DeepSeek 发布开源推理模型 DeepSeek-R1
2025 年 1 月 20 日，深度求索（DeepSeek）发布开放推理模型 DeepSeek-R1，称其在数学、代码和推理任务上与 OpenAI o1 相当。发布之后，英伟达股价在 1 月 27 日大幅下跌。
-
2025 年 1 月 15 日，科大讯飞发布星火 X1，称其为中国首个基于全国产算力训练的深度推理大模型，由科大讯飞与华为联合研发，并率先用于教育、医疗等刚需场景。
20242
-
2024 年 9 月 12 日，OpenAI 推出首批推理模型 o1-preview 和 o1-mini，设计目标是回答前多花时间思考。完整版 o1 于同年 12 月发布。
-
论文DeepSeekMath 发布，提出 GRPO 强化学习算法
2024 年 2 月的论文发布面向数学的 70 亿参数语言模型 DeepSeekMath，并提出 GRPO 强化学习算法：去掉 PPO 的价值网络，在 MATH 竞赛基准上取得 51.7% 的成绩。
注释与来源
- Chain-of-Thought Prompting Elicits Reasoning in Large Language Modelshttps://arxiv.org/abs/2201.11903
- Learning to reason with LLMshttps://openai.com/index/learning-to-reason-with-llms/
- DeepSeek-R1: Incentivizing Reasoning Capability in LLMs via Reinforcement Learninghttps://arxiv.org/abs/2501.12948
引用本页: 思维链与推理模型. TellWorld, https://www.tellworld.net/zh/learn/reasoning-models. 更新于 2026-11-08