5月29日，極客邦科技雙數研究院InfoQ研究中心正式發布《2025推理模型評測報告》，基于邏輯推理、數學推理、多步推理、語言推理、及幻覺控制五大維度，對OpenAI O3、文心X1 Turbo、DeepSeek-R1、Kimi k1.5、Doubao-1.5-thinking-pro、Qwen3-235B-A22B等八款國內外主流推理模型展開深度評估。報告顯示，文心X1 Turbo以總分第一的成績領跑，并在幻覺控制、語言推理等核心維度展現顯著優勢，成為國內首個在五大評測維度中斬獲最多單項冠軍的推理模型。
InfoQ研究中心指出，受“推理時計算拓展”與“可驗證獎勵強化學習”兩大技術范式驅動，全球廠商已進入推理模型密集發布期，OpenAI o1、DeepSeek R1、 文心 X1 Turbo、Claude 3.7 Sonnet Reasoning等十余款推理模型相繼上線，爭奪下一代大模型的“推理入場券”。
根據報告，文心X1 Turbo是本次評測中“單項冠軍數量最多”的模型，在五大細分維度中表現亮眼：在幻覺控制方面，文心X1 Turbo以80.56%的得分位列第一，領先DeepSeek-R1、Qwen3-235B-A22B等模型，有效降低模型生成錯誤或誤導性信息的風險；在語言推理方面，文心X1 Turbo以70.31%的得分位列第一，領先Doubao-1.5-thinking-pro、DeepSeek-R1、Qwen3-235B-A22B等模型；在數學推理方面，OpenAI O3以81.25%的得分位列第一，文心X1 Turbo緊跟其后，位居國內第一。
幻覺控制Top 5模型得分情況
語言推理Top 5模型得分情況
報告認為，作為國產推理模型代表，文心X1 Turbo其技術突破不僅標志著國產模型在推理能力上的里程碑式進展，更為AI從“內容生成”向“可驗證邏輯執行”的躍遷提供了關鍵支撐。
隨著技術迭代與場景深化，推理模型把大模型從單純的內容生成器升級為“可驗證的邏輯執行器”。伴隨著單場景推理深度、跨工具編排廣度、在線自進化能力的同步躍升，更多新商業機會正被快速打開。
一萍
全部評論 （0）