System 1 与 System 2 AI模型到底差在哪？

两种思考方式，两类AI模型

自从推理模型（reasoning models）走红，"System 1"和"System 2"这组概念就频繁出现在各种AI讨论里。它们借用了心理学中对人类思维的经典划分：System 1 是快速、直觉、一步到位的反应；System 2 是缓慢、刻意、分步推理的过程。放到大模型身上，这个比喻意外地贴切。

一个 System 1 模型面对你的问题，只看一眼，让输入在网络里走一遍（one pass），答案就直接出来了。没有中间草稿，没有反复推敲，输入进去、输出出来，干净利落。

而 System 2 模型，本质上是同一个"大脑"在循环里反复运行。它配了一块"草稿纸"（scratch pad）：每走一遍，它写下一条笔记，再把笔记读回去，然后基于这条中间结果走下一步。这个"写笔记—读笔记—再推进"的循环，就是我们现在常说的"思考过程"。

「System 1 / System 2」这一框架最早由心理学家丹尼尔·卡尼曼（Daniel Kahneman）在其著作《思考，快与慢》（Thinking, Fast and Slow，2011）中系统阐述。System 1 对应人脑的无意识、自动化处理——比如看到「2+2」立刻想到「4」；System 2 对应需要刻意调用注意力的慢速推理——比如心算「17×24」时逐步分解计算。将这一框架迁移到大模型时需要注意：原版 Transformer 的每次前向传播（forward pass）在计算深度上是固定的，无法动态延长，因此天然对应 System 1；而推理模型（如 OpenAI o 系列、DeepSeek^广告-R1）通过在输出中生成隐式「思维链」（chain-of-thought tokens）并将其作为后续生成的上下文，等效实现了多轮迭代，从而逼近 System 2 的行为。

链条变长时，差距才显现

关键的分水岭出现在任务的推理链条（chain）变长的时候。

当需要串联的步骤越来越多时，System 1 模型会"掉下悬崖"——准确率急剧崩溃。因为它只有一次机会，无法把前一步的结果留存下来喂给后一步，一旦问题需要多级推导，单次前向传播根本承载不了这么多中间状态。

相比之下，具备循环推理能力的 System 2（thinking models）几乎纹丝不动。它能把每一步的中间结论显式地记录在草稿纸上，再一步步逼近最终答案。链条越长，这种"把问题拆成多步、逐步求解"的能力优势就越明显。

这其实揭示了推理模型为什么在数学、代码、复杂逻辑题上表现突出：这类任务的答案天然不可能"一眼看出"，必须依赖中间结果层层递进。

这里的「一次前向传播承载不了多级推导」有其深层的计算原因。Transformer 的网络深度（层数）是固定的，每次推理经过相同数量的层后直接输出。当问题需要的推理步骤数超过网络深度能隐式压缩的上限时，模型只能依赖参数中记忆的「模式匹配」，而无法真正执行新的计算步骤。思维链（Chain-of-Thought，CoT）技术的核心洞察正在于此：把中间步骤显式写到输出 token 序列中，每个 token 的生成都可以「看到」前面所有已生成的中间结果，相当于用序列长度换取了原本缺失的计算深度。这也解释了为什么 CoT prompting 即便对普通模型也能提升复杂任务表现——它让 System 1 的底层引擎做出了类 System 2 的行为，代价是更多的输出 token 和更高的延迟。

System 1 并没有更差

一个常见的误解是：既然 System 2 在复杂任务上更强，那是不是意味着 System 1 已经过时、更弱？

答案是否定的。链条变长让 System 1 崩溃，并不等于 System 1 本身更差——它只是不适合那类任务。

想想这些问题：这张工单是关于账单的吗？这条消息紧急吗？这类分类、判断型任务，看一眼就有答案，根本不需要分步推理。此时让 System 2 去反复"写笔记、读笔记"，不仅毫无必要，还会白白增加延迟和成本。对这些场景来说，System 1 的一次性直出反而是最优解。

一个实用的判断标准：数步数

那么在实际选型时，怎么判断该用哪一类模型？视频给出了一个相当朴素但好用的心智模型——数一数答案需要几步。

• 如果答案"一眼可见"（visible in one look），只需单步就能得出，那么 System 1 就足够了，又快又省。
• 如果答案需要多个步骤，也就是说你必须先得到若干个中间结果，才能推导出最终结果，那就需要 System 2 模型来胜任。

这个标准的好处在于，它把一个看似玄乎的"模型选型"问题，还原成了对任务本身结构的分析：你要解决的问题，到底是"一步可答"还是"多步可答"？

对实际应用的启示

理解这组区别，对构建AI应用有直接价值。盲目追求"更强的推理模型"并不总是对的——如果你的产品大量处理的是意图识别、情绪判断、内容分类这类单步任务，System 1 模型能用更低的延迟和成本把活儿干好；而当任务涉及多轮规划、复杂数学推导或长链条逻辑时，推理模型的循环机制才真正物有所值。

换句话说，System 1 和 System 2 不是"旧与新""弱与强"的替代关系，而是针对不同任务结构的两种工具。认清手上的任务需要几步，比盲目堆推理能力更重要。

从工程落地角度，选型决策还涉及成本与延迟的量化权衡。推理模型通常会生成大量「思考 token」（有时达到数千个），这些 token 同样计入 API 用量，在高并发场景下成本可以是普通模型的数倍乃至数十倍。因此一个常见的实践模式是「级联路由」（cascade routing）：先用一个轻量分类器判断传入请求是单步任务还是多步任务，再分别路由到 System 1 或 System 2 模型。这样既保留了复杂任务的推理能力，又避免将廉价的分类请求送入昂贵的推理模型。理解文章所述的「数步数」判断标准，正是设计此类路由规则的概念基础。