推理模型是什么？o 系列和 R1 慢思考差在哪，一次讲透

推理模型是先"想"再答的大模型：接到问题后，先在内部生成长长的思维链草稿，反复检查、换思路，然后才给出最终答案。OpenAI 2024 年 9 月 12 日在官方博客发布的 o1 是这一代的开山之作；DeepSeek 2025 年 1 月 22 日提交论文的 R1 则证明了用强化学习就能把这套慢思考能力练出来。

推理模型和普通模型差在哪？

用医院分诊打比方：普通模型像社区门诊医生，凭经验直接开方，快，但对疑难杂症容易误判；推理模型像三甲专科会诊，先做检查、逐项排除再下结论，慢，但难的问题准得多。

OpenAI 官方博客的数据能直观说明差距：2024 年 AIME 数学竞赛题上，GPT-4o 平均只解出 12%（15 题对 1.8 题），o1 单次采样 74%，64 次采样取共识 83%；编程平台 Codeforces 上 o1 排进前 11%（第 89 百分位）；GPQA 博士级科学题上首次超过人类博士。

具体差异有三条：

1. 思考时间可扩展。普通模型答题的计算量基本固定，推理模型可以"多想一会儿"，OpenAI 称之为测试时计算，官方明确性能随思考时间平滑提升；
2. 训练方式不同。o1 和 R1 都用大规模强化学习训练模型打磨自己的思维链，让模型学会发现并纠正错误、把复杂步骤拆简单、行不通就换思路；
3. 输出形态不同。普通模型直接吐答案，推理模型先输出或内部保留一段思考过程，再给结论。

训练细节方面，R1 论文标题就是"用强化学习激励大模型推理能力"，原文见 arXiv；想理解强化学习本身，看站内的《强化学习是什么？从 AlphaGo 到 ChatGPT》。

思考 token 是怎么花的？

推理模型的"思考"本质也是生成 token，只是这些 token 是写给自己看的草稿：

1. 内部草稿。模型先生成一段不一定完整展示的推理文本，中间可能自我推翻、重新来过好几次，这部分通常不直接给用户看；
2. 真金白银。思考 token 同样占用上下文、同样计费，题越难想得越久，花得越多；
3. 可以设上限。部分平台提供思考预算控制，详见站内的《字节思维预算是什么？给 AI 思考设上限的开源机制》。

计费逻辑可参考站内的《Token 是什么？1 个汉字等于几个 Token，为什么按它计费》。

什么时候该用推理模型？

该用的场景：数学竞赛题、复杂代码调试、科学推理、多步规划。OpenAI 自己的评估也集中在 AIME、Codeforces、GPQA 这三类难任务上，说明这就是它的主场。

别用的场景：简单问答、翻译、格式转换。这类任务上推理模型慢一个数量级、贵好几倍，效果还不一定更好。判断标准一句话：题目需要"绕弯"才值得让模型绕弯。如果只想让普通回答更稳一点，先用提示词解决，方法见站内的《如何向 AI 提问：普通人可直接套用的提示词方法》。

一段话讲清推理模型

照这个口径复述：推理模型是用强化学习训练出来的慢思考模型，代表是 OpenAI 的 o1（2024 年 9 月发布）和 DeepSeek 的 R1（2025 年 1 月开源）。它在回答前先生成长思维链，把难题拆解、试错、自我纠正，本质是让"推理时间"变成可扩展的资源，性能随思考算力提升，官方数据是 AIME 上从 GPT-4o 的 12% 提到 74%。代价是思考 token 带来更高延迟和费用，所以适合数学、代码、科学推理等难题，不适合简单任务。一句话版本：普通模型是快问快答，推理模型是打草稿再交卷。