中阶分析 · 教程目录
各家 AI 是怎么“想问题”的:五条路线
本篇目标:同一个问题丢给 ChatGPT、Claude、Gemini、DeepSeek,答案的推理路径并不一样。差别不在“谁更聪明”,而在训练方式、推理预算和工具调用的设计选择。这篇按公开资料梳理五条路线,以及它们对足球分析的实际影响。
共同的地基
五家模型都建在 Transformer 上:自注意力机制让每个词元权衡它与其他词元的关系。预训练阶段做的是“预测下一个词元”,重复几十亿次;后训练阶段才把基座模型塑造成助手。差别几乎都发生在后训练和推理时的算力分配上。
把“推理”拆成三件事会更清楚:一次前向能算多少(模型容量与激活参数)、愿意花多少步算(推理预算)、能不能查外部资料(工具调用)。
五条路线
| 模型族 | 推理方式 | 对足球分析的影响 |
|---|---|---|
| OpenAI(GPT / o 系列) | 把难题路由到更慢的推理模式,内部生成较长的中间步骤;同时有较强的工具调用编排 | 适合多步核对(查赛程、查伤停、再算概率),但用户看不到中间步骤,出错时难定位 |
| Anthropic(Claude) | 后训练强调宪法式对齐与拒答边界;扩展思考(extended thinking)把推理显式展开,风格上更愿意指出前提问题 | 适合审阅一份分析、找出假设漏洞;对“信息不足”的承认更直接 |
| Google(Gemini) | 稀疏混合专家(MoE),每个词元只激活一部分参数;原生多模态,上下文可到百万级;带搜索 grounding | 适合把整场赛程、整季数据一次性喂进去做长上下文对照;多模态可读图表与视频 |
| DeepSeek | MoE 主干配强化学习式后训练(可验证任务上做 RL),推理链较长,成本相对低 | 适合批量、低成本的赛前扫描;中文语料覆盖好 |
| Qwen 等国内模型 | 稠密与 MoE 并存,后训练强调指令跟随与中文场景;部分版本支持工具调用 | 适合中文情报整理与本地化表达;实时数据仍要外接 |
这张表不是能力排名。同一个模型在不同任务上的相对位置会翻转,公开评测里也常见“这项第一、那项垫底”。
推理预算决定行为
“思考型”模型并不是变聪明了,而是被允许在回答前多算几步。代价是延迟和成本。行为上会出现三个可观察的差异:
- 更容易承认信息不足,因为它在中间步骤里会发现缺条件。
- 更容易被早期错误带偏,因为后续步骤都建在那个错误上。
- 在需要实时数据的任务上仍然会编,除非开了联网。
所以“让模型多想一会儿”不能替代“给模型正确的数据”。
工具调用是分水岭
足球问题几乎都需要外部数据:赛程、伤停、赔率、天气。带联网检索的模型和不带的模型,表现差异远大于模型之间的差异。公开的前瞻性评测里,模型被允许用服务商自己的搜索,抓到的信息与人类分析师当天早上看到的接近;这时比较的其实是“检索 + 整合”的能力,不是纯推理。
对读者的实际含义
看到一段 AI 写的赛前分析,先问三个问题:它联网了吗?它引用了哪天的信息?它给的是概率还是结论?三个都答不上来,这段分析就只能当聊天。
常见问题
1. 思维链越长就越准吗?
不一定。长推理能减少漏步骤,也会放大早期错误;没有工具和数据的纯推理,在需要实时信息的任务上仍然会编。
2. 为什么同一家模型两次回答不一样?
采样有随机性,推理预算也可能不同。要比较模型,必须固定提示、温度和是否联网。
相关链接
90edge AI 专题 · 用公开数据说话,不吹模型。
来源:90edge 学习中心 · 各家 AI 是怎么“想问题”的:五条路线