AITOPAI热报

Thinking

general · 首次出现 2026-05-22 · 最近出现 2026-11-06 · 累计提及 606

综述

Thinking 在当前 AI 语境下主要有两层含义：一是指大模型的"思考"能力，即推理模型在给出答案前先生成思维链（chain-of-thought）的范式；二是专指前 OpenAI CTO Mira Murati 创办的 Thinking Machines 实验室。两条线索近期都有活跃动态，共同指向"让模型更好地想、更快地想、更省地想"这一行业核心命题。

Thinking Machines 实验室近期进展

  • Chris Manning 评价 Thinking Machines 的 Inkling：小模型表现出色：斯坦福教授 Christopher Manning 对 Thinking Machines 的新模型 Inkling 给出正面评价，认为其在小模型尺寸下表现出色，说明该团队延续了对参数效率的重视。
  • Thinking Machines 实验室发布 AutoInfra：面向并行实验的训练基础设施：AutoInfra 是一套支持并行实验的训练基础设施，旨在加速模型迭代节奏，也反映了头部初创公司"卷"研发效率的趋势。
  • 全双工语音模型：边说边听，中途改口也能即时响应：全双工语音交互成为新方向，模型可边说边听并对用户中途改口即时响应，将"思考-响应"的延迟压到接近人类对话水平。

    • 推理思考（Thinking）模型的技术走向

  • DPT：用路径多样性奖励改进 LLM 并行思考：该工作提出用路径多样性奖励改进并行思考（parallel thinking），让多条推理路径互补而非重复，提高推理质量。
  • 固定推理预算下的答案交付研究：停止策略与终结提示的组合实验：DeepSeek 相关研究探讨在固定推理预算下如何通过停止策略与终结提示的组合，平衡思考深度与响应成本。
  • Reflection AI 发布 Beam 1.0：501B 参数开源模型跻身 Agent Arena 第12名：501B 参数（激活约 23B）的 Beam 1.0 开源模型跻身 Agent Arena 第 12 名，展示开源阵营在智能体推理能力上的追赶。另一条报道还提及 SparkLLM 的 Spark-X2.6-4B，以 100 万 token 上下文、Apache 2.0 协议开源，进一步降低了长上下文推理的使用门槛。

    • 当前焦点与观察点

    围绕 Thinking 的讨论正从"能不能推理"转向"如何高效推理"：并行思考、推理预算控制、小模型高性能等研究，本质上都在回答同一个问题——思维链带来的收益能否以更低的算力和延迟实现。争议点在于推理长度的边际收益递减，以及复杂思考与实时交互（如全双工语音）之间的取舍。

    另一个值得观察的变量是 Thinking Machines 实验室的商业化路径。Inkling 获得学界认可、AutoInfra 强化研发基础设施后，其能否在大厂与开源模型的夹击中建立独特优势，将影响"初创团队靠精英研发突围"这一叙事的成立与否。此外，Reflection AI 的 Beam 1.0 与 Spark-X2.6-4B 的开源，预示着推理与智能体能力正在快速平民化，闭源领先窗口可能继续收窄。

    相关报道

    10 条在档