过去半年，大模型赛道出现了一个明显的拐点：模型尺寸已经不再是唯一卖点，“推理能力”成了新的分水岭。从 OpenAI o1 发布，首次将推理能力作为模型的重要特点，到春节期间引爆社区讨论的 DeepSeek-R1，推理能力已成为“新赛点”，全球主流厂商几乎在同一时间把“Reasoning”“Thinking”“Logic”写进了版本号。

各家厂商推理模型发布时间轴

然而，市场上对模型的真实推理水平的把握依旧模糊。为此，InfoQ 研究中心发起了一次针对八款热门模型的系统性评测，希望为科研机构和产业团队提供一份既能读懂又能用得上的能力指南。更多内容也欢迎各位读者点击「阅读原文」，下载完整报告进行阅读。

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。

参与测评模型和版本说明

整体而言，八款模型在幻觉控制、数学推理和逻辑推理三个维度表现最为突出。相对地，多步推理依然是推理模型共同的短板。

各评测维度推理模型平均得分率

在测试过程中，我们记录了推理模型的思考时长，我们在模型回答准确性和思考时长之间也发现了一些有趣的现象。例如，在数学推理维度，推理模型在面临以数字和符号为主的代数领域问题时，能够保障一定的回答准确性的同时，平均思考时长也较短，但来到涉及平面或空间几何结构的几何维度和更接近数学原理的数论时，平均准确率骤降至约六成，且推理耗时则翻了一倍。

复杂科学推理，涵盖了化学、物理、生物医药和工程学等跨学科的综合难题。推理模型虽然尝试进行了更长时间的思考（平均思考时长超过 200 秒），但整体回答准确性仅在 20% 左右，是所有维度中平均思考四件最长，但准确性最低的子维度。

推理模型各子维度平均得分率和平均思考时间矩阵

在语言推理方面，我们也很惊喜地发现，已经有部分模型萌生了对汉字的左右、上下、包围等字形结构的认知能力。在我们前期的一道测试题中，“口 + 勿能组成什么字？”，有部分模型不仅回答出了拥有常见结构的“吻”，还捕捉到了相对冷门的“囫”。

至于幻觉控制，虽然整体可控，但呈现出更隐蔽的特征：推理模型存在更大的概率提供包含虚构的数据、产品名称、论文名称、发布时间等看似充满逻辑性细节的回答，使非专业读者难以一眼识别错误。

当我们把焦点投向不同维度，各家推理模型的表现时，o3 在数学推理和多步推理两项位居榜首，文心 X1 Turbo 则在幻觉控制和语言推理两项位居第一，而 Qwen3-235B-A22B 在逻辑推理维度表现最佳。更多内容也欢迎各位读者点击「阅读原文」，下载完整报告进行阅读。

评测各维度 Top5 模型得分情况

除了数据上的表现外，近期推理模型的集中发布，也让推理模型的发展趋势变得更清晰。例如，视觉推理模型将图片融入了思维链；Claude 4 能够连续编程 7 小时，并修改多文件项目……这些变化共同指向一个趋势：推理模型正从“一个大脑”演变为“带工具的多能智能体”，其评测维度和应用边界都在同步扩展。

InfoQ 研究中心将持续跟踪多模态推理、Agent 框架、工具链整合以及安全对齐等方向的最新进展，并在后续报告中提供更细粒度的数据与案例分析。欢迎读者关注后续更新，与我们一同见证推理能力迈向下一阶段的真正拐点。

如何学习AGI大模型？

作为一名热心肠的互联网老兵，我决定把宝贵的AI知识分享给大家。 至于能学习到多少就看你的学习毅力和能力了 。我已将重要的AI大模型资料包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。

因篇幅有限，仅展示部分资料，需要点击下方链接即可前往获取

**

一、2025最新大模型学习路线

一个明确的学习路线可以帮助新人了解从哪里开始，按照什么顺序学习，以及需要掌握哪些知识点。大模型领域涉及的知识点非常广泛，没有明确的学习路线可能会导致新人感到迷茫，不知道应该专注于哪些内容。

我们把学习路线分成L1到L4四个阶段，一步步带你从入门到进阶，从理论到实战。

L1级别:AI大模型时代的华丽登场

L1阶段：我们会去了解大模型的基础知识，以及大模型在各个行业的应用和分析；学习理解大模型的核心原理，关键技术，以及大模型应用场景；通过理论原理结合多个项目实战，从提示工程基础到提示工程进阶，掌握Prompt提示工程。

L2级别：AI大模型RAG应用开发工程

L2阶段是我们的AI大模型RAG应用开发工程，我们会去学习RAG检索增强生成：包括Naive RAG、Advanced-RAG以及RAG性能评估，还有GraphRAG在内的多个RAG热门项目的分析。

L3级别：大模型Agent应用架构进阶实践

L3阶段：大模型Agent应用架构进阶实现，我们会去学习LangChain、 LIamaIndex框架，也会学习到AutoGPT、 MetaGPT等多Agent系统，打造我们自己的Agent智能体；同时还可以学习到包括Coze、Dify在内的可视化工具的使用。

L4级别：大模型微调与私有化部署

L4阶段：大模型的微调和私有化部署，我们会更加深入的探讨Transformer架构，学习大模型的微调技术，利用DeepSpeed、Lamam Factory等工具快速进行模型微调；并通过Ollama、vLLM等推理部署框架，实现模型的快速部署。

整个大模型学习路线L1主要是对大模型的理论基础、生态以及提示词他的一个学习掌握；而L3 L4更多的是通过项目实战来掌握大模型的应用开发，针对以上大模型的学习路线我们也整理了对应的学习视频教程，和配套的学习资料。

二、大模型经典PDF书籍

书籍和学习文档资料是学习大模型过程中必不可少的，我们精选了一系列深入探讨大模型技术的书籍和学习文档，它们由领域内的顶尖专家撰写，内容全面、深入、详尽，为你学习大模型提供坚实的理论基础。（书籍含电子版PDF）

三、大模型视频教程

对于很多自学或者没有基础的同学来说，书籍这些纯文字类的学习教材会觉得比较晦涩难以理解，因此，我们提供了丰富的大模型视频教程，以动态、形象的方式展示技术概念，帮助你更快、更轻松地掌握核心知识。

四、大模型项目实战

学以致用 ，当你的理论知识积累到一定程度，就需要通过项目实战，在实际操作中检验和巩固你所学到的知识，同时为你找工作和职业发展打下坚实的基础。

五、大模型面试题

面试不仅是技术的较量，更需要充分的准备。

在你已经掌握了大模型技术之后，就需要开始准备面试，我们将提供精心整理的大模型面试题库，涵盖当前面试中可能遇到的各种技术问题，让你在面试中游刃有余。

因篇幅有限，仅展示部分资料，需要点击下方链接即可前往获取

​