上海
5月29日，極客邦科技雙數(shù)研究院InfoQ研究中心正式發(fā)布《2025推理模型評(píng)測(cè)報(bào)告》，基于邏輯推理、數(shù)學(xué)推理、多步推理、語言推理、及幻覺控制五大維度，對(duì)OpenAI O3、文心X1 Turbo、DeepSeek-R1、Kimi k1.5、Doubao-1.5-thinking-pro、Qwen3-235B-A22B等八款國(guó)內(nèi)外主流推理模型展開深度評(píng)估。報(bào)告顯示，文心X1 Turbo以總分第一的成績(jī)領(lǐng)跑國(guó)內(nèi)模型，并在幻覺控制、語言推理等核心維度展現(xiàn)顯著優(yōu)勢(shì)，成為國(guó)內(nèi)首個(gè)在五大評(píng)測(cè)維度中斬獲最多單項(xiàng)冠軍的推理模型。
InfoQ研究中心指出，受“推理時(shí)計(jì)算拓展”與“可驗(yàn)證獎(jiǎng)勵(lì)強(qiáng)化學(xué)習(xí)”兩大技術(shù)范式驅(qū)動(dòng)，全球廠商已進(jìn)入推理模型密集發(fā)布期，OpenAI o1、DeepSeek R1、 文心 X1 Turbo、Claude 3.7 Sonnet Reasoning等十余款推理模型相繼上線，爭(zhēng)奪下一代大模型的“推理入場(chǎng)券”。
根據(jù)報(bào)告，文心X1 Turbo是本次評(píng)測(cè)中“單項(xiàng)冠軍數(shù)量最多”的模型，在五大細(xì)分維度中表現(xiàn)亮眼：在幻覺控制方面，文心X1 Turbo以80.56%的得分位列第一，領(lǐng)先DeepSeek-R1、Qwen3-235B-A22B等模型，有效降低模型生成錯(cuò)誤或誤導(dǎo)性信息的風(fēng)險(xiǎn)；在語言推理方面，文心X1 Turbo以70.31%的得分位列第一，領(lǐng)先Doubao-1.5-thinking-pro、DeepSeek-R1、Qwen3-235B-A22B等模型；在數(shù)學(xué)推理方面，OpenAI O3以81.25%的得分位列第一，文心X1 Turbo緊跟其后，位居國(guó)內(nèi)第一。
幻覺控制Top 5模型得分情況
語言推理Top 5模型得分情況
報(bào)告認(rèn)為，作為國(guó)產(chǎn)推理模型代表，文心X1 Turbo其技術(shù)突破不僅標(biāo)志著國(guó)產(chǎn)模型在推理能力上的里程碑式進(jìn)展，更為AI從“內(nèi)容生成”向“可驗(yàn)證邏輯執(zhí)行”的躍遷提供了關(guān)鍵支撐。
隨著技術(shù)迭代與場(chǎng)景深化，推理模型把大模型從單純的內(nèi)容生成器升級(jí)為“可驗(yàn)證的邏輯執(zhí)行器”。伴隨著單場(chǎng)景推理深度、跨工具編排廣度、在線自進(jìn)化能力的同步躍升，更多新商業(yè)機(jī)會(huì)正被快速打開。
特別聲明：以上內(nèi)容(如有圖片或視頻亦包括在內(nèi))為自媒體平臺(tái)“網(wǎng)易號(hào)”用戶上傳并發(fā)布，本平臺(tái)僅提供信息存儲(chǔ)服務(wù)。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
