争议的火苗很快被一篇名为 《The Illusion of The Illusion of Thinking》 的反驳论文点燃，作者是一位名叫Alex Lawsen的独立研究员——以及，他的合作伙伴：大语言模型Claude Opus 4。

苹果质疑当前基于最终准确率的评估范式，并借助确定性谜题模拟器将评估范围扩展到思维轨迹的中间解。分析表明，随着问题复杂度的增加，正确的解会系统性地出现在思维的后期，而错误的解则不然，这为理解推理模型 (LRM) 中的自我修正机制提供了定量层面的见解。

在当前主流评测中，AM-Thinking-v1 也交出了极具冲击力的成绩单，仅 32B 的结构在数学推理（AIME 系列）和代码生成（LiveCodeBench）中分别取得了 85.3 和 70.3 的高分，不仅全面超越了 DeepSeek-R1（671B MoE 架构），还逼近甚至追平了 Qwen3-235B-A22B 和 Seed1.5-Thinking 等超大规模 MoE 模型的成绩。

还有人批评道，即使是人类，也大多无法准确无误的写出针对13个盘子的汉诺塔问题的一步步解法，如果没有进行这样的比较，苹果又如何知道这样随着问题规模变大而遇到的准确性下降，不会出现在人类身上。

在千亿模型满天飞，MOE架构正流行的当下，一个在AI领域名不见经传的企业，贝壳找房，发布了一款32B的稠密模型，AM-Thinking- V1。在包括AIME在内的多项AI基准测试中，这款中等参数模型碾压了满血版671B DeepSeek-R1，性能与阿里刚刚发布的Qwen3-235B-A22B持平。

谷歌于近日正式发布多模态推理模型 Gemini 2.0 Flash Thinking，这一新型 AI 模型在推理能力、处理速度和透明度方面均实现突破性进展，向 OpenAI 的 o1 ...

IT之家 4 月 14 日消息，IT之家从豆包大模型团队获悉，字节跳动最新思考模型 Seed-Thinking-v1.5 技术细节今日公开，该模型将于 4 月 17 日通过火山引擎 ...

近日，科技界传来新动态，阿里巴巴旗下的通义千问正式揭晓了其最新研发成果——“Thinking (QwQ)”深度思考模型。这一创新模型不仅支持深度思考 ...

As intelligent digital transformation has dramatically reshaped higher education globally, universities must strengthen ...

2 月 6 日消息，谷歌公司昨日（2 月 5 日）发布博文，邀请所有 Gemini 应用用户，访问最新 Gemini 2.0 Flash 应用模型，并放开 2.0 Flash Thinking 推理实验模型。