从 R1 到 Sonnet 3.7，推理模型首轮竞赛中有哪些关键信号？

文章预览

DeepSeek R1 催化 了 reasoning model 的竞争：在过去的一个月里，头部 AI labs 已经发布了三个 SOTA reasoning models：OpenAI 的 o3-mini 和deep research， xAI 的 Grok 3 和 Anthropic 的 Claude 3.7 Sonnet。随着头部 Al labs 先后释出自己的 reasoning model，新范式的第一轮竞赛暂时告一段落。 各家 reasoning model 各有长板，但都没有拉开大的领先优势： OpenAI 和 xAI 有着最强的 base model 和竞赛解题能力，Anthropic 更关注真实世界的工程问题，Claude 3.7 Sonnet 的混合推理模型可能会成为之后各家发布新模型的标准操作。 在这一波新模型密集发布后的间隙，我们对已有的 reasoning models 发布进行了总结梳理，除了平行比较各些模型的实际能力和长板外，更重要的目标是识别出本轮发布中的关键信号。 整体上，我们还处于 RL Scaling 的早期阶段，就在昨天， Dario 也暗示了 Sonnet 4 即将到来，RL 范式 ………………………………