OpenAI o1
OpenAI发布的推理型大模型，通过生成内部思维链显著提升复杂任务准确性，是业界知名的推理模型代表产品
核心事实
时间轴 (近 90 天)
最终版DeepSeek R1与2024年12月版OpenAI o1在基准上互有胜负：AIME 2024上79.8%对79.2%，Math500上97.3%对96.4%，Codeforces上o1略占优。
DeepSeek R1-zero用纯强化学习直接训练基础模型，其AIME 2024 pass@1从15.6%升到71%，64次采样多数投票达86.7%，论文称其匹敌或超过早期版本o1。
2024年AIME数学考试上，OpenAI o1平均得分70%，单次尝试74%，64次采样投票后达83%，而GPT-4o只有12%。
Gemini 4 Argon 在独立 Vals Index 排行榜上位列第一，综合得分 89.4%，超越 Anthropic Claude 4.5 Opus（85.2%）和 OpenAI o1（84.1%）。
在 VALS 知识任务指数上 Gemini 4 Argon 得分 68.9%，登顶 SOTA，领先 Opus 5.5 的 67%
Grok的Thinking mode类似于OpenAI的o1系列和DeepSeek-R1
部分模型的thinking token虽然不直接展示给用户，但仍计入消耗
推理型模型（如OpenAI o1系列、DeepSeek-R1等）因需要更长的思考过程和更多计算资源，API定价通常高于标准对话模型
OpenAI的o1系列模型在定价中将推理token按输出token价格计算
OpenAI的o1系列和Google的Gemini 2.5系列将CoT内化为模型的默认行为，模型在训练阶段被教会自动进行内部推理
还有 2 条时间轴事件
全部知识事实 (14)
推理模型以OpenAI o1、DeepSeek-R1、QwQ为代表，核心机制是思维链扩展，在给出最终答案前生成大量中间推理步骤
90%已验证OpenAI的o1系列模型和DeepSeek-R1采用了类似Chain-of-Thought的显式推理机制
90%已验证推理模型以OpenAI o系列、DeepSeek-R1、Kimi K系列为代表，在输出前进行思维链过程，对问题进行多步拆解、自我验证和逐步推导
65%已验证OpenAI o1 系列通过强化学习训练出链式推理（Chain-of-Thought）能力，在数学证明、算法设计和复杂逻辑推理上远超传统 GPT-4
65%待验证策略节点的推理检查点设计与Chain-of-Thought、ReAct等提示工程范式以及OpenAI o1系列模型的设计理念一脉相承
75%待验证OpenAI的o1系列模型在定价中将推理token按输出token价格计算
60%待验证最终版DeepSeek R1与2024年12月版OpenAI o1在基准上互有胜负：AIME 2024上79.8%对79.2%，Math500上97.3%对96.4%，Codeforces上o1略占优。
50%待验证2024年AIME数学考试上，OpenAI o1平均得分70%，单次尝试74%，64次采样投票后达83%，而GPT-4o只有12%。
50%待验证DeepSeek R1-zero用纯强化学习直接训练基础模型，其AIME 2024 pass@1从15.6%升到71%，64次采样多数投票达86.7%，论文称其匹敌或超过早期版本o1。
50%待验证Grok的Thinking mode类似于OpenAI的o1系列和DeepSeek-R1
50%待验证部分模型的thinking token虽然不直接展示给用户，但仍计入消耗
50%待验证OpenAI的o1系列和Google的Gemini 2.5系列将CoT内化为模型的默认行为，模型在训练阶段被教会自动进行内部推理
50%待验证2024年以来，OpenAI的o1系列和谷歌的Gemini 2.5系列都将'深度思考'能力作为核心卖点
50%待验证OpenAI的o1模型仅展示经过处理的'思考摘要'而非原始推理token，而谷歌AI Studio则提供相对更完整的内部推理可见性
50%