从MiniMax到DeepSeek：大模型演进的四个层级
# 从MiniMax到DeepSeek：大模型演进的四个层级 **原文链接：https://blog.csdn.net/Datawhale/article/details/155582574** **来源：AnySearch 国产模型** 这两天AI大模型圈子里发生了几件颇具纪念意义的事。第一件是DeepSeek-V…
# 从MiniMax到DeepSeek：大模型演进的四个层级 **原文链接：https://blog.csdn.net/Datawhale/article/details/155582574** **来源：AnySearch 国产模型** 这两天AI大模型圈子里发生了几件颇具纪念意义的事。第一件是DeepSeek-V3.2的发布，把开源模型的智能极限又往前推了一步，尤其是同期发布的speciale特别定制版，在多个专门测试推理（Reasoning）和智能体（Agentic）能力的benchmark上达到全新高度，与目前顶级的闭源模型Gemini-3.0-Pro、GPT-5-High等齐平甚至有所超越。 除了注意力机制的进一步创新和新的数据合成技术，这次最受行业关注的亮点之一，是DeepSeek官方反复强调的能力："Thinking in Tool-Use"（思考融入工具调用）。在这个benchmark上，用上该机制的模型还不算多，但头部模型的融合率已经开始显现，包括MiniMax M2等一批具备较强Agent能力的模型，都在不同程度上支持类似的交错推理结构。 事实上，"Thinking in Tool-Use"并不是新概念，而是一个更标准、更通用的技术术语的工程化体现——它的本质叫Interleaved Thinking（交错思维链）。这个术语在业内已逐渐被采用，包括MiniMax在其M2技术博客中也使用了同样的叫法，并进一步把它定义为Agent推理的核心范式。 要真正感受它的意义，必须把视角拉回到另一件具有象征意义的事件——ChatGPT三岁生日。三年前初代ChatGPT面世，让NLP这个曾细分成几十种任务的小王国被瞬间"大一统"，分类、摘要、对话、翻译通通被一个统一架构吞并。对普通用户来说，他们早已习惯与AI的经典两步式互动：提问题→等结果。这个表层交互模式至今似乎没变，但在背后，大模型自身已经历了非常快速的几轮演化。 用略带工程视角的方式概括，这三年的发展大致可看作从No-Thinking→Thinking→Tool-Use Agent→Interleaved Thinking Agent四个阶段的演进。 第一代：No-Thinking——没有思考的模型。最初的大模型不会"想"，就像新手厨师死记硬背菜谱，表现更像超强版自动补全：你问它问题，它不假思索直接给答案。优点是快，但问题明显：对长对话没有记忆、遇到复杂任务容易"张口就来"、数学和逻辑问题经常胡编。这种无思考的模型性能很快到达天花板。 第二代：Thinking——模型学会规划，但仍是"一次性想完"。模型学会"先思考，再回答"，这一步非常重要，让大模型质量跃升一个台阶。但它的问题同样明显：模型会在内部一次性把整套推理链"憋完"，然后一口气输出结果。就像厨师开火前先在脑子里把整道菜从头到尾模拟一遍，再严格按脑内菜谱执行。可现实世界不是静态的：食材状态不同怎么办？灶的温度不够怎么办？步骤中途需要修正怎么办？Thinking-only模式在真实、多变的任务里仍然力不从心。 第三代：Agent——有工具，但不会"边用边想"。Agent时代，大模型真正掌握了工具用法，即Tool-Use。它可以写代码、调用API、查资料、执行搜索，标志性应用就是深度研究（Deep Research）。模型针对具体问题在互联网上搜索，用代码工具模拟，最后调用文档编辑方法生成精美的文档或PPT。这让模型能力进一步解锁，但问题依然存在：推理仍是单块式的，先憋一大段思考，再一次性调用工具。它配备了工具，却缺乏"边用工具边推理、边推理边修正"的能力。就像有了各种刀具、温度计、油温探头，看上去武装到牙齿，做菜时却依然习惯先把全流程想完再机械执行，而不是在烹饪过程中不断尝味道、看火候、边做边调整。 第四代：Interleaved Thinking——真正意义上的AI"像人一样做事"。从第一代到第三代，解决问题的能力在跃升，从不断被刷新的benchmark分数可见一斑。但问题依旧：计划是死的，而现实不仅是活的，而且非常多变。真正的智能需要在思考和行动之间建立动态、实时的反馈循环。Interleaved Thinking的提出，恰恰补上了这个缺失许久的核心能力。这也是顶级厨师具备的素质——他们可以在烹饪中不断品尝、调整火候，根据食材反应及时修正下一步动作。 在MiniMax的示意图中可以看得更清楚：左侧"Without Interleaved Thinking"模式看起来有工具调用，但本质上依旧是"先想完后做完"，工具调用只是附属，不会影响下一轮推理；右侧"With Interleaved Thinking"模式则完全不同：模型思考中嵌入工具使用，工具返回结果嵌入下一轮思考，推理链保持连续，状态不会丢失，整个任…
https://www.fde.pub/news/779