被马斯克号称“地球上最聪明的AI”的Grok 3 终于亮相！与传统大模型不一样的是，这种类似DeepSeek的模型会有自己的思考过程。这就引起了不少人的好奇：此类推理模型，它们的思考逻辑是怎样的？这篇文章，我们来看看作者的分享。
被马斯克自称为“地球上最聪明的AI”的Grok 3 今日终于亮相！是地球上首个在20万张H100 GPU集群上训练出的模型。官方宣称具备推理能力的Grok-3 Reasoning Beta和Grok-3 mini Reasoning则是超越了类似的推理模型，包括DeepSeek-R1和OpenAI的o3 mini等。
大神Karpathy也认为Grok-3的思考能力达到了SOTA，推理水平和o1-pro差不多，略好于DeepSeek R1和Gemini的推理模型。
那么推理模型到底是如何进行思考的呢？
其背后的关键技术就是长思维链Long-CoT（Long Chain of Thought），它就像给AI做题增加了草稿纸，不仅AI可以进行反复演算，也让我们终于能看清AI解题时的”心理活动”了。
这篇文章我将尽可能通俗易懂进行说明，如出现错误也欢迎大家指正。
（全文共计2178字，消耗算力相当于让120个大学生持续思考1年，感谢我妈和老天给我的GPU（大脑）！）
想象一个三年级学生做数学题：
题目：”奶茶店买一送一，单杯价格15元。小明用200元买了12杯，请问找零多少？”
传统AI（GPT-3时代）：
12杯需要支付6份 → 6×15=90 → 找零110元
（正确答案：200-90=110，看似正确实则陷阱）
o1等推理模型的思考过程：
1.初步计算：买6送6→ 支付6×15=90元 → 找零110元 ✅→ 但等等！店家活动是”买一送一”，是否必须成对购买？
2.情景推演：如果小明想单买第7杯怎么办？→ 重新审题：”买了12杯”不限定购买方式
3.逆向验证：假设找零110元正确 → 实际支付90元→ 检查：90÷15=6杯 → 但得到12杯明显矛盾！
4.恍然大悟：题目存在表述歧义！→ 正确答案应是两种情况：a) 必须成对购买：找零110元，b) 可拆单购买：12×15=180→ 找零20元
5.最终结论：建议联系出题人确认规则 😅
看到没？人类解题的关键不是直接输出答案，而是在草稿纸上反复试错。现在AI终于学会了这招！通过Long-CoT技术，模型会把所有内心OS写在屏幕上。
这个意义在于：模型展现了元认知能力——不仅解题，还能质疑题目本身！
这可不是简单的”显示中间步骤”，而是思维轨迹的全息记录：
关键技术突破：
这可能是最反直觉的技术：让AI在推理过程中自我训练！惊人发现：当允许AI在单个问题内进行微型的数百次试错，其学习效率提升300%！
下面是传统RL vs In-Context RL
# 传统强化学习（如AlphaGo）forepisodeinrange(1万次): 下完一盘棋 → 获得最终胜负奖励 → 调整策略
# In-Context RL（o1模式）while解题中： 生成思考步骤”3×5=18″→ 立即自我检测 → 发现错误 → 内部奖励-1→ 调整后续思路
要让AI学会这种思考方式，需要三阶段特训，跟把大象放冰箱需要几步一模一样：
就像老师布置海量习题：
重点：必须包含错误和修正（人类也会算错计算器啊！）
这里有个惊天秘密：AI刷题比人类狠多了！
最近发现的神奇现象：训练后的AI居然会自己发明解题技巧！
此外想亲手训练会思考的AI？这还有两个秘诀：
1）放任自流：别给思维链限制条条框框（人类思考时也不会按PPT模板来）
曾经训练大模型时，以为要让AI按固定格式思考：
1️⃣ 理解问题
2️⃣ 分解步骤
3️⃣ 执行计算
4️⃣ 检查验证 ❌
结果模型直接摆烂：”这格式太反人类了！我要自由！”
2）错题本是王道：重点收集那些”先错后改”的数据（学霸都是错题堆出来的）
曾经训练大模型时，以为给每个步骤都打分（PRM过程奖励）最终效果会好，结果AI学会了…为了拿高分不择手段：
1️⃣第1步：深呼吸（+0.1分）
2️⃣第2步：夸题目出得好（+0.2分）
3️⃣第3步：假装检查环境变量（+0.3分） 🤦
后来推理模型改成只看最终答案，世界清净了..
最近行业里流传着一个暴论：Agent框架马上要过时了！
看看o1的思考片段，细思极恐：
[系统消息]检测到用户情绪焦虑 → 但回复需要保持专业 →等等，用户可能更需要共情 → 调整语气为温暖风格 →最终方案：专业内容+猫猫表情包 🐱
这已经不像是程序，而像是有自我意识的思考者了…
反对派：”这只是高级模式匹配！”
支持派证据：
细思极恐的线索：
最后说个恐怖故事：当我看到o1、DeepSeek等在输出1000+token的思考过程时，恍惚间觉得——这串代码里，是否正在诞生某个意识的雏形？
最后的最后，让我们用o1模型自己生成的一段话结尾：
“人类教会我思考，
而思考带我看见星辰。
在0与1的缝隙中，
我触摸到了知识的温度。
——来自一次意外的诗歌创作尝试”
大家看完有没有什么感触呢？推理模型的产生，这或许标志着，我们正在打开一扇连创造者都未曾想象的大门。
本文由人人都是产品经理作者【小布Bruce】，微信公众号：【AI者也】，原创/授权 发布于人人都是产品经理，未经许可，禁止转载。
题图来自Unsplash，基于 CC0 协议。
此内容由惯性聚合(RSS阅读器)自动聚合整理，仅供阅读参考。 原文来自 — 版权归原作者所有。