RL 强化思考远胜直觉：模型扩展正从算力转向推理

intellectronica · x · 2026-08-04

作者引用了一项针对 DeepSeek V4 Flash、Kimi K3 和 GLM 5.2 的智能体任务横评数据：尽管 DeepSeek 使用的 token 最多，但比 GLM 快 2.5 倍、比 Kimi 快 1.4 倍，且成功率相当。

基于此，作者提出了一个核心洞察：快速的思考（rapid thinking）比缓慢的直觉（slow intuition）更重要。当前行业趋势表明，通过强化学习（RL）来增强模型的思考能力，比单纯预训练更大的模型更容易、也更便宜地获得性能提升。