3月26日晚间，前千问大模型技术掌管人林俊旸在社交平台发文，在从阿里去职后，他首度颁布长文详谈自己对大模型发展路线的理解及对AI下一阶段的预判。 林俊旸暗示，从前两年沉塑了行业对大模型的评估方式与主题等待。OpenAI的o1批注，"思虑"能够成为一种被训练出来的能力。DeepSeek-R1紧随其后，证明推理式的后训练能够在原始尝试室之表被复现、被扩大。这一阶段至关沉要。但2025年上半年，行业焦点重要停顿在"推理式思虑"自身：若何让模型在推理的时辰多想一下子。此刻该问下一步了。他的判断是智能体式思虑：为了行动而思虑，在与环境交互的过程中，并凭据来自世界的反馈持续更新打算。 他提到，2025岁首，千问团队有一个很大的野心：做一个统一的系统，让思虑模式和指令模式合二为一，支持可调节的推理致力水平（类似于低/中/高推理设置），甚至能凭据提醒词和高低文自动揣度相宜的推理量，让模型自主决定何时直接回覆、何时稍作思虑、何时为真正难题的问题投入大量推算。概想上，这是正确的方向。但"归并"说起来容易，做好却极难。 真正的难点在于数据。当人们讨论归并思虑与指令时，往往首先想到模型侧的兼容性，更深层的问题是，两种模式的数据散布和行为指标存在显著差距。在尝试平衡模型归并与提升后训练数据质量和多样性的过程中，团队并未把所有事件都做对，了局往往是在两个方向上都表显旖庸："思虑"行为变得嘈杂、冗余或不够果断，而"指令"行为则变得不够清澈、不够靠得住，且比贸易用户现实想要的成本更高。 分隔做在实际中依然有吸引力。2025年下半年，Qwen 的2507版本就发了独立的 Instruct 和 Thinking 版本，30B 和235B 各一套。而他的最终思虑是，真正成功的归并必要一个滑润的推理力度光谱，模型能自己判断该花几多实力去想。 “推理链更长，不蹬宗模型更聪明。好多时辰，推理链越长，反而注明模型在乱用算力。”林俊旸在文中暗示，他提到，千问团队意识到，行业在从训练模型的时期，走向训练智能体的时期，它的界说特点是跟真实世界的关环交互。 智能体式思虑和推理式思虑，意味着分歧的优化指标，推理式思虑通常以最终答案前的内部思辨质量来评价：模型能否解出定理、写出证明、天生正确代码或通过基准测试。而智能体思想关注的是：模型能否在与环境交互的过程中持续获得进展。 这意味着，主题问题从“模型能否思虑得足够久
？”转变为“模型能不能用一种撑得起有效行动的方式来思虑
？”模型训练的主题对象也随之变了，造成了模型加环境的整个系统。 在这之中，模型架构和训练数据当然还沉要，但环境设计、rollout 基础设施、评估器的稳重水平、多个 Agent 之间怎么协调，这些都进了主题圈。“好的思虑”的界说也变了：在真实约束下最能撑起行动的那条轨迹，而非最长或最显眼的那条。