推理能力大比拼，《推理模型综合测评报告 2025 》正式发布

主要观点总结

本文主要介绍了大模型赛道的新发展，即模型尺寸的卖点不再单一，推理能力成为新的关键。InfoQ研究中心对八款热门模型进行了系统评测，包括逻辑推理、数学推理、语言推理、多步推理以及幻觉控制五大维度。评测发现，各模型在不同维度表现不同，存在明显的优势和短板。同时，介绍了推理模型的发展趋势，如视觉推理模型的图片融入思维链、推理模型向多能智能体演变等。

关键观点总结

关键观点1: 模型尺寸不再是唯一卖点，推理能力成为新的关键

过去半年，大模型赛道出现了明显的拐点，推理能力成为新的分水岭。全球主流厂商纷纷强调模型的推理能力。

关键观点2: InfoQ研究中心对八款热门模型进行了系统评测

评测围绕逻辑推理、数学推理、语言推理、多步推理以及幻觉控制五大维度展开，测评对象包括DeepSeek-R1、k1.5等八款模型。评测发现各模型在不同维度表现不同，存在明显的优势和短板。

关键观点3: 推理模型的发展趋势

推理模型正在从单一能力向多能力智能体演变，视觉推理模型将图片融入思维链，推理模型能够连续编程并修改多文件项目。此外，安全对齐、多模态推理等方向也是未来发展的重要趋势。

正文

请到「今天看啥」查看全文

评测围绕逻辑推理、数学推理、语言推理、多步推理以及幻觉控制五大维度展开。300 道题库中包含超过 90% 的原创试题，覆盖 3 个难度梯度、涵盖多学科和多题型，并确保评分可量化、难度分层合理。

推理模型综合测评体系说明

评测对象包括 DeepSeek-R1、k1.5、Claude-3.7-Sonnet-Reasoning、GLM-Z1、Doubao-1.5-thinking-pro、o3、文心 X1 Turbo 以及 Qwen3-235B-A22B。参与测试的推理模型、版本号及测试渠道如下。

请到「今天看啥」查看全文