推理模型
一句話定義
推理模型是強化邏輯分析、複雜問題拆解與多步推演能力的大語言模型類型，適合處理數學、程式碼、決策與驗證等高邏輯密度任務。
核心要點
- 適用任務：數學推導、邏輯分析、程式碼生成、複雜問題拆解、方案驗證。
- 對比通用模型：通用模型更適合文本生成、創意寫作、多輪對話與開放性問答；推理模型不必然全面更強，而是在訓練目標相關的高邏輯密度任務上更有優勢。
- 提示策略：對推理模型應直接說明任務目標、資料、約束與評估標準；過度拆解步驟或強行角色扮演可能限制它自行規劃推理路徑。
- 快思慢想：2026-04-28-DeepSeek-從入門到精通 用「快速反應模型」與「慢速思考模型」對比模型選擇；後者成本較高、速度較慢，但更適合需要多步推理的問題。
與其他概念的關係
- 代表產品（按公司分支）：
- DeepSeek：DeepSeek-R1——開源 / 開放權重、定價低，是 vault 中第一個有實作來源的推理模型。
- OpenAI：o-series（o1 / o1-mini / o3 / o3-mini / o4-mini 等）——專屬支線，與通用主線（GPT-4o / 4.5 / 5）分開定價、分開 endpoint。
- Anthropic：暫無以「reasoning model」命名的獨立產品線；推理能力散佈於各世代 Opus 中（見 Anthropic > Claude 模型世代（時間線骨架））。
- 實作使用依賴 Prompt-Engineering：不同模型類型需要不同提示策略。
- 與 Prompt-Chaining 互補：推理模型可處理單次複雜推理，但大型任務仍可用提示語鏈拆成階段並加入驗證。
- 與 AI-幻覺 有張力：推理能力較強不等於事實可靠；涉及資料、引用、時事或數值時仍需驗證。
相關來源
備註
此頁討論「模型類型與使用策略」，不是某個特定模型排行榜。模型能力會快速變動，使用時仍應依任務與實測選型。