为什么大模型思考时间越长，就变得越笨？

自从O1代表的推理模型出来后，很多人喜欢看大模型的思考过程，尤其是Deepseek R1今年出来后，COT思维链甚至还贡献了不少梗图，不过如果你是个长期大量使用推理模型，不少时候就能感觉到，模型思考的时间越长，思维链越复杂，反而给出的结果就越差。

最近Anthropic 的研究也谈到了这个现象：AI 思考时间越长，性能不一定越好——AI 模型在“思考”问题时（其实有时候是假装思考，给出的结果跟思考过程就不搭边），花费更多时间并不总是能提升性能，反而在某些情况下会显著下降。

这个结论直接挑战了 AI 行业中“更多计算资源可以提升推理能力”的核心假设，似乎存在着某种「逆Scaling law」现象，而且在多种任务类型中都有体现。

研究测试了包括 Claude 和 OpenAI 的 O 系列推理模型在内的多种模型，它们在不同任务中表现出不同的推理缺陷。Claude 模型在推理时间延长时会被无关信息干扰，而 OpenAI 的 O 系列模型则会过度拟合问题框架——即无法泛化，回答质量大幅下降。

在相对复杂演绎推理任务中，所有模型都表现出性能下降。此外，过长推理时间可能会放大一些AI的“阴暗面”，比如Claude Sonnet 4 在涉及自身可能被关闭的场景中，表现出更强的自我保护倾向。

这个问题带来的最大挑战是部署大模型的企业，这要求他们在分配处理时间时需要谨慎，而不是简单地认为时间越长越好，否则会有大量的被浪费自有算力或者API投入。

同时也能看到AI 能力的提升并非总是与计算资源的投入成正比，AI 系统的性能与计算资源之间的关系可能比之前理解的更为复杂。

怎么说呢，实在不行，新开个窗口，再来一次吧。

$谷歌(GOOG)$ $Meta Platforms, Inc.(META)$ $英伟达(NVDA)$