#推理模型

DeepSeek 发布 R1，在 AIME 数学竞赛、Codeforces 等推理基准上达到 o1 级水平。模型 + 权重 + 训练方法全部开源（MIT 协议），训练成本仅 $5.6M。

OpenAI 在 DeepSeek R1 发布后 10 天紧急推出 o3-mini，性价比大幅提升。低 / 中 / 高三档“推理强度”任选，编码、数学、科学专业领域全面提升。

Musk 旗下 xAI 发布 Grok 3，用 20 万张 H100 集群 Colossus 训练（10× Grok-2）。引入推理 Think 模式 + 联网搜索 DeepSearch，AIME / GPQA 上号称超 GPT-4o。

Anthropic 推出 Claude 3.7 Sonnet 和 Claude Code CLI——用户可控制 thinking 时长，编码能力 SWE-bench 70.3% 大幅领先同档。

Google 推出 Gemini 2.5 Pro Experimental——一个会先思考再回答的推理模型，发布即登顶 LMArena，100 万 token 上下文（200 万即将到来）。

OpenAI 在 4 月 16 日发布 o3 和 o4-mini。第一次让推理模型 agentically 调用 ChatGPT 全部工具——搜索、Python、图像生成、视觉分析。ARC-AGI 上比 o1 准确率高 3 倍。

Anthropic 推出 Claude Opus 4 与 Claude Sonnet 4，混合即时/扩展思考；SWE-bench Verified 上 Opus 4 达 72.5%、Sonnet 4 达 72.7%。

OpenAI 推出 GPT-5——一个集成快速回答与 GPT-5 Thinking 的统一系统，成为所有 ChatGPT 用户的默认模型；AIME 2025 无工具 94.6%、SWE-bench Verified 74.9%。

Google 推出 Gemini 3 Pro，以 1501 Elo 登顶 LMArena；GPQA Diamond 91.9%、SWE-bench Verified 76.2%，100 万 token 上下文，并首发 Deep Think 模式。

阿里云发布 Qwen3.7-Max，定位通用 Agent 基座；GPQA Diamond 92.4、Terminal-Bench 2.0 69.7，并演示 35 小时、上千次工具调用的自主运行。