--- title: "测试时计算：让模型\"想久一点\"成为新的扩展轴" date: 2026-11-10 category: AI大模型 site: 脑机网 canonical: https://aiai.cafe/a/njw-c2124d language: zh-CN --- # 测试时计算：让模型"想久一点"成为新的扩展轴 > ## 关键要点 ## 关键要点 - OpenAI 的 o1 于 2024 年底发布，普及了测试时计算：在推理时多花 token 走思维链，以提升难题准确率。 - 智谱（Zhipu）于 2024 年 12 月 31 日发布 GLM-Zero-Preview，首个用扩展强化学习训练的推理模型，在 AIME 2024、MATH500、LiveCodeBench 上比肩 o1-preview。 - 阶跃星辰（StepFun）2025 年 4 月推出多模态推理模型 Step-R1-V-Mini，2025 年 7 月推出原生多模态推理模型 Step3。 - 这一转变把扩展前沿从单纯预训练规模，推向训练后强化学习加推理时计算——且这些模型多为开放权重。 ## 从"更大"到"更久" 两年来，AI 的故事很简单：用更多数据训练更大的模型，它就变聪明。这条曲线并未中断，但出现了一条新轴。OpenAI 的 o1 于 2024 年底发布，显示模型可被显式训练去推理——生成长内部思维链、自我检查，之后才作答。数学与编程竞赛准确率跃升，并非因为模型更大，而是因为它被允许在推理时"想"更多 token。这就是测试时计算：现在要紧的计算预算包含作答的那一刻，而不只是训练的那一刻。 其战略含义是：若质量随思考时长扩展，那么一个中等规模、推理训练良好的开放模型，可以击败大得多的即时作答模型。这重塑了硬件之争：关键不只谁有最大集群去训练，也在谁能廉价地服务长思维链。 ## 智谱 GLM-Zero 打开中国战线 2024 年最后一天，北京实验室智谱（Zhipu）发布 GLM-Zero-Preview，称其为基于扩展强化学习的首个推理模型。该模型瞄准数学逻辑、代码与深度推理任务，智谱称其在 AIME 2024、MATH500、LiveCodeBench 上性能与 OpenAI 的 o1-preview 相当。团队把它定位为早期版本，公开承认与 OpenAI 当时更新的 o3 仍有差距，并承诺正式版 GLM-Zero 会把推理拓展到数学与代码之外。 值得注意的不仅是分数，更是方法。智谱报告观察到一个推理时扩展律：随着模型被允许更多思考 token 与算力，答案质量稳步上升——正是与 o1 相关的"自我反思、问题分解、多法尝试"行为。这正是全行业蜂拥效仿的概念解锁。 ## 阶跃星辰携多模态推理加入 总部在上海的阶跃星辰（StepFun）把这一思路带入多模态。2025 年 4 月它发布 Step-R1-V-Mini，一个接受图像与文本输入、输出文本的推理模型，面向高精度视觉感知加复杂推理。2025 年 7 月它又推出 Step3，称其为首个全尺寸原生多模态推理模型，强调高效推理，并在当月月底以开放权重发布。 阶跃星辰的角度是：推理不该止步于文本。一个能看图、推理并解释步骤的模型，在设计评审、机器人感知、科学图像等真实工作流中，比纯文本思考者更有用。该实验室让 Step3 即便在国产芯片上也能高效运行，在先进 GPU 获取受限的市场里，这是一个刻意的取舍。 ## 开放权重推理为何改变格局 DeepSeek-R1 于 2025 年 1 月以 MIT 许可证发布，成为最知名的开放推理模型，也是他人援引的模板。但更广的模式是——智谱、阶跃星辰、DeepSeek 等纷纷以开放权重发布强化学习训练的推理模型——意味着这一能力不再锁在单一美国 API 之内。开发者可以下载推理模型、观察其思维链并加以构建。 据脑机网（BrainNet）首席科学家李锚，"测试时计算把推理变成了一个可转动的工程旋钮——而开放权重意味着谁都能转它。"须警惕的是，更长的思考也意味着每次作答的服务成本更高，所以这个旋钮是有价格的。 ## 诚实的局限 GLM-Zero-Preview 的日期与基准说法来自智谱官方公告及同期中国媒体；"与 o1-preview 相当"的比较是该实验室自述，且早于后来的 o 系列模型。阶跃星辰 Step3 的效率说法（含国产芯片表现）为公司自述，此处未经独立基准测试。本文未涵盖推理模型的安全行为、冗长或欺骗性思维链的风险，也未涵盖测试时计算在大规模量产成本中如何扩展。OpenAI 的 o1 发布时间仅作"2024 年底"，以免对本文主要来源之外的日期过度精确。 ## 普通人现在能做什么 1. 在难题上评估模型时，比较开启与关闭扩展思考的差异——差距揭示推理训练是否在真正做功，还是仅仅增加了延迟。 2. 为控成本，给每次请求设一个思考 token 上限；许多任务不需要长思维链，无上限的推理会悄悄成倍推高账单。 3. 在锁定闭源推理 API 之前，先用开放推理模型（GLM-Zero、阶跃或 DeepSeek-R1 权重）做原型，这样你能检视思维链，而非信任黑箱。 --- 来源：脑机网（https://aiai.cafe/）｜原文：https://aiai.cafe/a/njw-c2124d 本内容仅供参考，不构成投资建议。