生态与新兴热词
大型推理模型（LRM）
也叫： LRM · 推理模型 · Large Reasoning Model · 思考模型
大型推理模型（LRM）是一类经过训练、会在给出最终答案前先逐步展开一长串内部推理的语言模型。
大型推理模型本质上仍是语言模型，但训练方式让它在回答前先生成一大段中间推理：拆解问题、尝试一种思路、检查、失败了再退回重来。很多产品把它做成“思考”或“推理强度”开关。
这个方向在 2024–2025 年随着各家厂商和开源权重实验室陆续推出推理模型而爆发，如今已是和快速的非推理模型并列的一档标配。推理模型在数学、编程和多步逻辑上通常明显更强，也常是 Agent 规划步骤背后的模型。
代价是延迟和 token：推理过程要先生成出来，通常也计费，然后才是可见答案。所以多数厂商允许你选择让它想多久。
怎么运作
通常认为有两个要素。一是在答案可检验的问题上做强化学习训练（rlvr），奖励那些推理后答对的过程；二是在回答时花更多算力，让推理链跑得更长（test-time-compute）。结果是模型学会了检查自己的步骤、尝试替代方案等行为。厂商在原始推理过程是完整展示、摘要展示还是隐藏上做法不一。
举个例子
问“为什么这个测试偶尔失败”，普通模型可能直接猜最常见的原因。推理模型会顺着代码路径推演，考虑竞态条件，检查它假设的执行顺序是否可能发生，排除一个猜测，最后只报告经得起检验的那个。
和相关概念的区别
LRM 与 chain-of-thought 提示：思维链是你对任何模型都能用的提示技巧；推理模型则是把这种行为训练进了模型里，不用你要求它也会长篇推理。
常见误解
常被以为： 推理模型一定更好，什么都该用它。
实际上： 它更贵更慢，对简单查询、格式化或分类，多想几步收益很小。很多 Agent 是例行步骤用快模型，难题才用推理模型。
常被以为： 看到的推理过程就是模型真实的决策依据。
实际上： 针对推理过程的研究表明，它可能遗漏或错述真正影响答案的因素，应当把它当作有用的信号，而不是保证准确的解释。
常见问题
大型推理模型是什么？
一种被训练成在给出最终答案前先生成长长的逐步推理（包括检查和修正）的语言模型。
推理模型和普通大模型有什么区别？
推理模型把长推理训练进了模型，会多花 token 和时间思考；普通模型回答更直接、更快更省，只在被提示时才展开推理。
推理模型更适合做 AI Agent 吗？
在规划和难决策上常常是，但并非每一步都需要；按任务难度混用快模型和推理模型很常见。
最近核实： 2026-09-20