探针 11｜o1 为什么「想」得久，能答得更对

探针 11 封面：o1 想得久能答得更对——推理模型把推理一步步写出来，每步仍猜下一个字，烧的是推理算力

有的 AI，回答前会先「想」很久

你可能注意到了：同样是问 AI 一道数学题，有的秒答，有的会先「想」很久。

你把问题丢进去，它不急着给答案，而是先在内部跑一遍推理——「先把这道题拆成两步……」「这里有个陷阱，得换个方法……」「再验算一遍……」——嘀嘀咕咕半天，最后才亮出答案。OpenAI 的 o1、DeepSeek 的 R1，就是这种风格。（o1 只给你看一段推理摘要，原始过程藏在后台；R1 更直接，整段思路都摊给你看。但不管看不看得见，那段推理它确实在跑。）

更怪的是：它在那段过程里花的时间越长、字写得越多，最后答得往往越对。

普通模型是「快答但容易错」，这种模型是「慢答但答得准」。为什么想得久，就能答得更对？这篇就拆它。

先分清：普通模型 vs 推理模型

要把这事讲清楚，得先分清两类模型。

我们前 10 篇讲的，大多是普通模型：你问它一句，它一个字一个字往外蹦，蹦完就完事，蹦的过程就是它的全部「思考」。它快，但碰到数学、逻辑、代码这种得绕几道弯的硬题，容易出错——因为下一步该往哪拐，它是一边蹦一边临时决定的，没有「先想清楚再开口」的余地。

而 o1、R1 这类，行话叫推理模型（reasoning model）。它的关键差别不在「更聪明」，而在它会把推理过程一步步写出来——先写思路、再列步骤、写完验算，最后才给出答案。这串先于答案、不计入最终输出的推理过程，有个名字，叫思维链（Chain of Thought，缩写 CoT）。

普通模型直接答 vs 推理模型先写思维链再答：一个快但容易错，一个慢但准

所以「想得久」，本质是想的内容多——那一大段推理过程，是一长串思维链。

关键：每一步推理，仍是「猜下一个字」

这里有个最容易想错的点。

看到推理模型吐出那么长一段思路，很多人会以为：它是不是先在脑子里想好了整段推理，再一口气写出来？

不是。它写那段推理，跟我们前几篇讲的没有任何区别——还是一个字一个字往外蹦，每蹦一个字，都是一次探针 1 讲过的「猜下一个字」（也就是 next-token，探针 3 讲过）。

打分、变成概率表、采样抽签——这套机制一个没换。区别只在于：普通模型拿到问题就直接蹦最终答案，推理模型先蹦一长串推理步骤，蹦完才蹦答案。

换句话说，思维链里的每一步「先看条件、再列方程、再求解」，每个字都是模型照概率表抽签抽出来的，并不是事先想好。但只要这一步一步往下推的过程足够长，错的地方它能在后面的步骤里自我修正、回头重来——这就是为什么写得越长，越容易绕到正确答案。

思维链一步步展开：每一步仍是「猜下一个字」（打分→概率→采样），只是步骤多、烧算力多

到这一步，因果链就清楚了。

因果链：想得久 = 多生成 token = 多烧算力 → 答得更对

把这条链子串起来：

想得久，意味着模型生成的推理 token 多（探针 2 讲过，token 是模型处理的最小单位，一个字约等于一个或几个 token）；token 生成得多，意味着这次推理烧的算力多；算力烧得多，模型就有更多「回合」去拆解、试错、验算，最后答得更对。

这套「推理时多烧算力来换更高准确率」的做法，有个正式名字，叫 test-time scaling（推理时缩放，也叫 scaling test-time compute）。它和探针 3 讲过的 Scaling Law 是两码事——Scaling Law 说的是训练时多花算力（多喂数据、多堆参数），模型更强；test-time scaling 说的是推理时多花算力（多生成推理步骤），同一次回答能答得更对。

test-time scaling：推理算力烧得越多，答得越对——一条新的「烧算力换正确率」的路

这就是 o1、R1 这类推理模型的全部秘密：它没有换脑子，只是把推理过程从「藏在肚子里」搬到了「写在纸上」，让原本一次性的快答，变成可以反复试错的长考。

顺带呼应一下探针 5：思维链要一步一步写、占着上下文窗口，写得太长还可能把前面的内容挤出去——所以推理模型更费 token、更贵、也更慢。这钱花在哪了？就花在它「想」的那一大段上。

至于它怎么学会推理的，留给探针 3

讲到这里，因果链已经答完了：「想得久 → 多生成推理 token → 多烧推理算力 → 答得更对」。

你大概还会好奇另一件事：模型又不是天生就会一步步推理，它是怎么学会写思维链的？这部分（强化学习怎么把推理能力练出来）属于训练侧，是探针 3「大模型是怎么炼出来的」的领地，这里就不抢了。你只要知道：推理模型的训练方式和普通模型有差别，但它回答时用的那套机制——猜下一个字、采样抽签——和普通模型一模一样，没有换底层。

这根探针挖到了什么

一个「o1 为什么想得久能答得更对」的疑问，底下连着这条因果链：推理模型把推理一步步写成思维链，而每一步仍是探针 1 的「猜下一个字」；想得久 = 多生成推理 token = 多花推理算力，这就是 test-time scaling；算力花得多，模型就有更多回合试错、验算，答得更对。

这一趟，推理模型、思维链（CoT）、test-time scaling 这些词，你都摸过了。以后再看到「o1 想了 5 分钟才答」，你大概就知道：它不是在「卡」，是在用更多的推理算力，换更高的正确率。

到此，11 根探针全部扎完了。

从「答案为什么每次都不一样」起手，一路挖到了采样、token、训练、循环、长上下文、多模态、Agent/RAG/MCP、Context 工程、MoE，直到今天的推理模型——11 个你最常撞见的现象，底下连着的是同一套底层机制。

但还有两个最底层的概念，前面每篇都绕不开、却一直没正面拆过：Attention（注意力）和 Transformer。模型凭什么「看懂」一句话里哪个词跟哪个词有关系？Transformer 那一整套结构到底在算什么？接下来两篇总成，就把地基打牢。下回聊。