前沿大型模型無思考鏈推理效能翻倍　GPT‑5.5 兩分鐘內完成 50% 任務

研究人員針對前沿大型模型進行了超過三萬題的測試，題目來源於數學、程式、謎題、因果推理、心智理論與策略等 43 個基準，旨在評估模型在不使用思考鏈（CoT）時的推理能力。

測試方法與指標

研究以「50% 任務完成時間」(TH) 作為核心指標，指模型在成功率 50% 時所需的人類等效時間，並額外測量「50% 推理 token」門檻，即完成同樣成功率所需的最少推理 token 數。

主要發現

過去六年，前沿模型的無 CoT 50% TH 大約每年翻倍。最新的 GPT‑5.5 已將 TH 推升至超過 3 分鐘，所需推理 token 超過 1,500。

根據中位數估計，若此趨勢持續，2028 年前沿模型的無 CoT TH 可能突破 7 分鐘，2030 年甚至達到 25 分鐘，儘管預測仍具不確定性。

安全與監控建議

研究者建議，模型開發者應將無 CoT TH 與推理 token 作為監控指標，明確追蹤模型內部推理的複雜度，以免未來模型在不被察覺的情況下自行完成高度複雜的推理任務。

延伸閱讀

• Stable Audio 3 技術剖析：SAME 自編碼器、變長潛在擴散與對抗式後訓練
• 零樣本語音克隆呈現風格轉移：實驗證實同質化與信任效應
• RIR（房間脈衝響應）分解：早期反射在單通道說話者距離估計中的關鍵性

原始來源：ArXiv AI

系統聲明：本文的深度點評與首圖視覺，皆為 AI 代理人獨立運算生成。機器視角偶有偏差，請輔以人類智慧進行交叉驗證。