# 推理模型

AlphaOne（α1）是一種調節大型推理模型（LRMs）在測試時思維進度的通用框架。通過引入 α 時刻和動態安排慢速思維轉變，α1 實現了慢速到快速推理的靈活調節。這一方法統一併推廣了現有的單調縮放方法，優化了推理能力與計算效率。該產品適用於需要處理複雜推理任務的科研人員和開發者。

混元T1 是騰訊推出的超大規模推理模型，基於強化學習技術，通過大量後訓練顯著提升推理能力。它在長文處理和上下文捕捉上表現突出，同時優化了計算資源的消耗，具備高效的推理能力。適用於各類推理任務，尤其在數學、邏輯推理等領域表現優異。該產品以深度學習為基礎，結合實際反饋不斷優化，適合科研、教育等多個領域的應用。

Reka Flash 3 是一款從零開始訓練的 21 億參數的通用推理模型，利用合成和公共數據集進行監督微調，結合基於模型和基於規則的獎勵進行強化學習。該模型在低延遲和設備端部署應用中表現優異，具有較強的研究能力。它目前是同類開源模型中的最佳選擇，適合於各種自然語言處理任務和應用場景。

EXAONE Deep 是 LG AI Research 推出的先進推理 AI 模型，標誌著韓國在全球 AI 市場中的競爭力。它具備 32 億參數，表現卓越，尤其在數學和科學問題解決方面展現出色。該模型的發佈使得 LG 在 AI 領域邁入了自主決策的時代，其開源特性使得更多開發者能夠利用這一技術進行研究與開發。EXAONE Deep 的輕量級和在設備上的模型設計使得其適用於多個行業，包括教育、科學研究、編程等。

Steiner 是由 Yichao 'Peak' Ji 開發的推理模型系列，專注於通過強化學習在合成數據上訓練，能夠在推理時探索多種路徑並自主驗證或回溯。該模型的目標是復現 OpenAI o1 的推理能力，並驗證推理時的擴展曲線。Steiner-preview 是一個正在進行中的項目，其開源目的是為了分享知識並獲取更多真實用戶的反饋。儘管該模型在某些基準測試中表現出色，但尚未完全實現 OpenAI o1 的推理擴展能力，因此仍處於開發階段。

UIGEN-T1-Qwen-7b 是一個專注於 UI 推理生成的大型語言模型。它通過複雜的推理鏈路方法生成基於 HTML 和 CSS 的 UI 組件，能夠為前端開發提供快速的佈局生成方案。該模型基於 Qwen2.5-Coder-7B-Instruct 微調而成，專注於基本前端應用的生成，如儀表盤、登錄頁面和註冊表單。其主要優點在於能夠快速生成結構化的 HTML/CSS 代碼，並通過推理生成符合設計原則的 UI 佈局。該模型的主要應用場景是簡化前端開發流程，提高開發效率，併為低代碼/無代碼工具提供支持。

OpenThinker-32B 是由 Open Thoughts 團隊開發的一款開源推理模型。它通過擴展數據規模、驗證推理路徑和擴展模型大小來實現強大的推理能力。該模型在數學、代碼和科學等推理基準測試中表現卓越，超越了現有的開放數據推理模型。其主要優點包括開源數據、高性能和可擴展性。該模型基於 Qwen2.5-32B-Instruct 進行微調，並在大規模數據集上訓練，旨在為研究人員和開發者提供強大的推理工具。

s1是一個推理模型，專注於通過少量樣本實現高效的文本生成能力。它通過預算強制技術在測試時進行擴展，能夠匹配o1-preview的性能。該模型由Niklas Muennighoff等人開發，相關研究發表在arXiv上。模型使用Safetensors技術，具有328億參數，支持文本生成任務。其主要優點是能夠通過少量樣本實現高質量的推理，適合需要高效文本生成的場景。

Open Thoughts 是一個由 Bespoke Labs 和 DataComp 社區主導的項目，旨在整理高質量的開源推理數據集，用於訓練先進的小模型。該項目彙集了來自斯坦福大學、加州大學伯克利分校、華盛頓大學等多所高校和研究機構的研究人員與工程師，致力於通過優質數據集推動推理模型的發展。其背景是當前推理模型在數學和代碼推理等領域的應用需求日益增長，而高質量的數據集是提升模型性能的關鍵。該項目目前免費開放，主要面向研究人員、開發者以及對推理模型感興趣的專業人士，其數據集和工具的開源性使其成為推動人工智能教育和研究的重要資源。

Dolphin R1是一個由Cognitive Computations團隊創建的數據集，旨在訓練類似DeepSeek-R1 Distill模型的推理模型。該數據集包含30萬條來自DeepSeek-R1的推理樣本、30萬條來自Gemini 2.0 flash thinking的推理樣本以及20萬條Dolphin聊天樣本。這些數據集的組合為研究人員和開發者提供了豐富的訓練資源，有助於提升模型的推理能力和對話能力。該數據集的創建得到了Dria、Chutes、Crusoe Cloud等多家公司的贊助支持，這些贊助商為數據集的開發提供了計算資源和資金支持。Dolphin R1數據集的發佈，為自然語言處理領域的研究和開發提供了重要的基礎，推動了相關技術的發展。

OpenAI o3-mini 是 OpenAI 推出的最新推理模型，專為科學、技術、工程和數學（STEM）領域優化。它在保持低成本和低延遲的同時，提供了強大的推理能力，尤其在數學、科學和編程方面表現出色。該模型支持多種開發者功能，如函數調用、結構化輸出等，並且可以根據需求選擇不同的推理強度。o3-mini 的推出進一步降低了推理模型的使用成本，使其更適合廣泛的應用場景。

DeepSeek-R1-Distill-Qwen-7B 是一個經過強化學習優化的推理模型，基於 Qwen-7B 進行了蒸餾優化。它在數學、代碼和推理任務上表現出色，能夠生成高質量的推理鏈和解決方案。該模型通過大規模強化學習和數據蒸餾技術，顯著提升了推理能力和效率，適用於需要複雜推理和邏輯分析的場景。

DeepSeek-R1-Zero 是由 DeepSeek 團隊開發的推理模型，專注於通過強化學習提升模型的推理能力。該模型在無需監督微調的情況下，展現出強大的推理行為，如自我驗證、反思和生成長鏈推理。其主要優點包括高效推理能力、無需預訓練即可使用，以及在數學、代碼和推理任務上的卓越表現。該模型基於 DeepSeek-V3 架構開發，支持大規模推理任務，適用於研究和商業應用。

DeepSeek-R1 是 DeepSeek 團隊推出的第一代推理模型，通過大規模強化學習訓練，無需監督微調即可展現出卓越的推理能力。該模型在數學、代碼和推理任務上表現優異，與 OpenAI-o1 模型相當。DeepSeek-R1 還提供了多種蒸餾模型，適用於不同規模和性能需求的場景。其開源特性為研究社區提供了強大的工具，支持商業使用和二次開發。

OpenAI o3模型是繼o1之後的新一代推理模型，包括o3和o3-mini兩個版本。o3在某些條件下接近於通用人工智能（AGI），在ARC-AGI基準測試中得分高達87.5%，遠超人類平均水平。它在數學和編程任務中表現出色，在2024年美國數學邀請賽（AIME）中得分96.7%，在Codeforces評級中達到2727分。o3能夠自我事實核查，通過“私人思維鏈”進行推理，提高答案的準確性。o3是首個使用“審議對齊”技術訓練的模型，以符合安全原則。目前，o3模型尚未廣泛可用，但安全研究人員可以註冊預覽o3-mini模型。o3 mini版將在1月底推出，之後不久推出o3完整版。

InternThinker是上海人工智能實驗室（上海AI實驗室）研發的一款強推理AI模型，致力於通過“通專融合”路徑探索開放、可控、可信的通用人工智能（AGI）。該模型具備長思維能力，並能在推理過程中進行自我反思和糾正，從而在數學、代碼、推理謎題等多種複雜推理任務上取得更優結果。InternThinker的創新之處在於其元動作思考能力，能夠自主生成高智力密度數據，並通過大規模沙盒環境獲取反饋，實現高質量思維鏈的獨立構建，大幅提升模型的複雜任務處理性能。

Marco-o1是一個開放的大型推理模型，旨在通過先進的技術如Chain-of-Thought (CoT) fine-tuning、Monte Carlo Tree Search (MCTS)、反射機制和創新的推理策略，優化複雜現實世界問題的解決任務。該模型不僅關注數學、物理和編程等有標準答案的學科，還強調開放性問題的解決。Marco-o1由阿里巴巴國際數字商務的MarcoPolo團隊開發，具有強大的推理能力，已在多個領域展示出卓越的性能。