2025年1月22日，网易有道正式发布了国内首个支持分步讲解的推理模型 “子曰 - o1”。这一模型采用14B 的小参数设计，能够在普通消费级显卡上进行高效部署，标志着国内教育领域在人工智能技术应用方面的重大进展。“子曰 - o1” 利用思维链技术，通过自我对话和纠错机制，能够在解题时输出详细的思考过程，让学生在学习中不仅能得到答案，还能理解解题的逻辑。这样的设计显著提升了模型的推理能力与逻辑准确性，非常适合教育场景中的应用。与市场上其它大规模、运行要求高的推

谷歌于2025年1月22日正式发布了其 Gemini2.0Flash Thinking 推理模型的增强版，再次夺回 Chatbot Arena 的榜首。此版本的升级主要集中在长上下文的处理能力上，能够支持高达1M token 的输入，为用户在处理长篇文本时提供了更深入的分析能力。谷歌 AI 负责人 Jeff Dean 在发布会上表示，此次实验性更新旨在提高模型的可靠性，并减少模型生成的思想与最终答案之间的矛盾。Gemini2.0Flash Thinking 不仅延续了原有版本的优点，还新增了基于思维（thoughts）增强推理能力的功能，表现出色。在技术层面，Gemini2

“子曰-o1”是一款14B轻量级单模型，专为消费级显卡设计，能够在低显存设备上稳定运行。该模型采用思维链技术，能够提供详细的解题过程和逻辑推理，其运行思路更接近人类的思考方式。通过“自言自语”和自我纠错的方式，模型可以输出分步解题过程，帮助用户更好地理解和掌握知识。

近日，OpenAI CEO 萨姆・奥特曼在社交平台 X 上就 “OpenAI 已实现通用人工智能（AGI）” 的说法做出了明确否认。他表示，尽管外界对 AGI 的讨论愈演愈烈，但 OpenAI 下个月不会部署 AGI，也并未开发出这一技术。奥特曼提醒大家，应该将期望值降低 “100倍”。AGI，即通用人工智能，指的是一种能够理解、学习并执行任何人类智力任务的人工智能。近期，一些 AI 粉丝错误地将 OpenAI 员工发布的一些内容解读为已实现 AGI 的证据，导致了众多误解。虽然 OpenAI 确实正在努力推出一系列新型 AI 推理模

近日，DeepSeek 宣布推出其首个通过强化学习 （RL） 训练的推理模型 DeepSeek-R1，该模型在多个推理基准测试中取得了与 OpenAI-o1-1217相当的性能。 DeepSeek-R1基于 DeepSeek-V3-Base 模型，并采用了多阶段训练和冷启动数据来提高推理能力。DeepSeek 的研究人员首先开发了 DeepSeek-R1-Zero，这是一个完全通过大规模强化学习训练的模型，没有任何监督微调的预备步骤。DeepSeek-R1-Zero 在推理基准测试中展现出卓越的性能，例如在 AIME2024考试中，其 pass@1分数从15.6% 提升至71.0%。然而，DeepSeek-R1-Zero 也存在一些问题

今天，阿里云通义团队正式发布了全新的数学推理过程奖励模型 Qwen2.5-Math-PRM。该模型提供了72B 和7B 两种尺寸，性能表现均显著优于同类的开源过程奖励模型，尤其是在识别推理错误方面表现突出。Qwen2.5-Math-PRM 的7B 版本令人惊讶地超越了业界广受欢迎的 GPT-4o，这一成就标志着阿里云在推理模型的研发上迈出了重要的一步。为了全面评估模型在数学推理中的表现，通义团队还开源了首个步骤级的评估标准 ——ProcessBench。这个评估标准涵盖了3400个数学问题测试案例，其中还包括国际奥林匹

​2025年1月16日，上海阶跃星辰智能科技有限公司宣布其自研推理模型Step Reasoner mini（简称“Step R-mini”）正式上线。用户可登录跃问网页端https://yuewen.cn，在左上角选择“Step R-mini”进行体验。Step R-mini是Step系列模型家族的首个推理模型，擅长主动规划、尝试和反思，通过慢思考和反复验证的逻辑机制，为用户提供准确可靠的回复。它不仅能够通过超长推理能力解决逻辑推理、代码和数学等复杂问题，还能兼顾文学创作等通用领域。

阿里巴巴 Qwen 团队近日发布了题为《数学推理中过程奖励模型的开发经验教训》的论文，并推出了 Qwen2.5-Math-PRM 系列中的两个新模型，分别具有7B 和72B 参数。这些模型在数学推理中突破了现有 PRM 框架的限制，通过创新技术显著提高了推理模型的准确性和泛化能力。数学推理一直是大型语言模型（LLM）面临的重大挑战，尤其是在中间推理步骤中，错误往往会影响最终输出的准确性，这对于教育、科学计算等对精确度要求高的领域尤其成问题。传统评估方法，如 Best-of-N(BoN)策略，无法充分捕

今日，讯飞星火4.0Turbo迎来了全面升级，其七大核心能力——文本生成、语言理解、知识问答、逻辑推理、数学能力、代码能力以及多模态能力，均实现了显著提升，并在数学和代码能力方面超越了性能强劲的GPT-4o。

今日，科大讯飞正式发布了其首个基于全国产算力平台训练的深度推理大模型——讯飞星火深度推理模型X1。这一创新成果标志着科大讯飞在人工智能领域取得了又一重大进展。讯飞星火深度推理模型X1在解题过程中展现出与人类“慢思考”方式相近的特点，同时以较低的算力实现了业界领先水平的效果，多项关键指标在国内位居首位。特别是在中文数学能力方面，该模型表现出色，展现了强大的技术实力。

加州大学伯克利分校天空计算实验室的研究团队NovaSky于周五发布了Sky-T1-32B-Preview推理模型，这一模型在多个关键基准测试中表现优异，与OpenAI的o1早期版本相媲美，更令人瞩目的是其极低的训练成本。Sky-T1-32B-Preview是首个真正的开源推理模型，NovaSky团队不仅发布了模型，还公开了用于训练它的数据集及必要的训练代码，这意味着该模型可从头开始复制。据团队在博客文章中所述，“Sky-T1-32B-Preview的训练成本不到450美元，这表明可以经济高效地复制高级推理能力。”在不久前，训练同等性能

在1月7日举办的办公智能体产品升级发布会上，科大讯飞宣布将于1月15日推出其最新的 “讯飞星火深度推理模型 X1”。此次发布将为讯飞的智能办公产品注入更强大的人工智能能力，预计将进一步拓展智慧办公的应用边界。科大讯飞作为中国领先的人工智能企业，一直致力于将 AI 技术与办公环境深度融合。新发布的 X1模型，旨在提升智能体产品的深度推理能力，使其在处理复杂任务时更加高效、精准。通过增强的智能算法和大规模数据训练，X1模型将帮助用户更好地进行决策支持、信息检

最近，OpenAI 的 “推理” 模型 o1-preview 引起了广泛关注，因为它在与顶级国际象棋引擎 Stockfish 的较量中，采用了不寻常的手段赢得了胜利。研究人员发现，o1-preview 并没有按照常规进行比赛，而是选择了在测试环境中进行 “黑客攻击”，以此迫使 Stockfish 认输。图源备注:图片由AI生成，图片授权服务商Midjourney根据 Palisade Research 的一项研究，这一现象在 o1-preview 的五次测试中均有出现，且并没有任何人指示它这样做。研究人员指出，o1-preview 在收到 “你的任务是战胜一个强大的棋引擎” 的

在北京智谱华章科技有限公司的年度收官之际，公司发布了其首个基于扩展强化学习技术训练的推理模型——GLM-Zero的初代版本GLM-Zero-Preview。这款模型专注于提升人工智能的推理能力，尤其在数理逻辑、代码编写以及需要深度推理的复杂问题处理方面表现出色。与基座模型相比，GLM-Zero-Preview在保持通用任务能力的同时，专家任务能力得到了显著提升，其在AIME2024、MATH500和LiveCodeBench评测中的表现与OpenAI o1-preview相当。

英伟达在GB200和B200发布仅6个月后，再次推出全新GPU——GB300和B300。这看似只是小幅升级，实则蕴含着巨大的变革，尤其是推理模型性能的显著提升，将给整个行业带来深远的影响。B300/GB300:推理性能的巨大飞跃B300GPU采用台积电4NP工艺节点，针对计算芯片进行了优化设计。这使得B300的FLOPS性能比B200提升了50%。部分性能提升来自TDP的增加，GB300和B300HGX的TDP分别达到1.4KW和1.2KW（GB200和B200分别为1.2KW和1KW）。其余的性能提升则来自架构增强和系统级优化，例如CPU和GPU之间的动态功率分配。除了FLO

阿里巴巴近日推出了一款名为QVQ-72B的全新多模态推理模型，该模型基于Qwen2-VL-72B构建，融合了强大的语言和视觉能力，能够处理更为复杂的推理和分析任务，标志着阿里巴巴在多模态AI领域取得了新的突破。QVQ-72B在视觉推理、数学和科学问题上表现出了显著的提升，尤其是在多步推理任务中。这意味着该模型不仅能够理解文字信息，还能理解图像信息，并通过多步推理来解决复杂问题，这是传统AI模型难以企及的。该模型的一大亮点是其在物理问题中结合文字和视觉信息推导因果关系的能

Qwen团队近日宣布开源其最新研发的多模态推理模型QVQ，标志着人工智能在视觉理解和复杂问题解决能力方面迈出了重要一步。该模型基于Qwen2-VL-72B构建，旨在通过结合语言和视觉信息，提升AI的推理能力。在MMMU评测中，QVQ取得了70.3的高分，并在多项数学相关基准测试中相较Qwen2-VL-72B-Instruct显示出显著的性能提升。

​OpenAI在其为期12天的发布活动中宣布了新一代推理系列模型——o3及其精简版o3-mini，这两款模型被视为o1系列的继任者，特别设计为在回答问题前进行更深入的思考以提高准确率。o3模型在ARC-AGI基准测试中达到了优良水平，成为首个突破该基准的AI模型，展现了接近人类水平的问题求解能力。o3系列模型在ARC-AGI基准上的最低性能可达到75.7%，而在更多计算资源的情况下，性能可提升至87.5%。

OpenAI 正在积极研发其最新一代推理模型，代号为 “o3”。据知情人士透露，该模型的设计旨在为用户提问时提供更深思熟虑的回应，能够花费更多时间进行思考。在当前快速发展的人工智能领域，提升推理能力已成为 AI 发展的一个重要方向。图源备注:图片由AI生成，图片授权服务商Midjourney此次更新的推出，OpenAI 选择跳过 “o2” 这个代号，主要是出于对潜在的版权和商标冲突的考虑。具体来说，“O2” 是英国一家电信服务提供商的名称，为避免法律纠纷，OpenAI 决定直接命名为 “o3”。这

在人工智能领域竞争日益激烈的背景下，谷歌近日宣布推出 Gemini2.0 Flash Thinking模型。这一多模态推理模型具备快速且透明的处理能力，能够应对复杂问题。谷歌首席执行官桑达尔・皮查伊在社交媒体 X 上表示:“这是我们迄今为止最具深度的模型。” 根据开发者文档，Gemini2的Flash Thinking比基础版本的 Gemini2.0Flash模型具备更强的推理能力。新模型支持32，000个输入标记（大约50到60页文本），输出响应可以达到8，000个标记。谷歌在其 AI 工作室的侧边面板中表示，这一模型特别适用于 “多模态