苹果最新研究揭示，当前大推理模型（LRM）在面对高复杂度任务时并未展现出预期中的「深度思考」能力，反而出现大范围性能崩溃的现象——推理路径变长，结果却更差。
这项研究名为《The Illusion of Thinking》（《思考的幻觉》），论文作者包括苹果机器学习团队成员及 AI 领域重量级人物 Samy Bengio（图灵奖得主 Yoshua Bengio 之兄）。
研究对比了具备「思考功能」的 LRM（如 Claude 3.7 Thinking、DeepSeek-R1）与传统 LLM（如 Claude 3.7、DeepSeek-V3）的表现。
在简单任务上，传统模型往往更准确、更节省资源；
中等难度时，具备推理能力的 LRM 表现稍占优势；
但当问题复杂度超过临界点时，所有模型的准确率几乎同时跌至零。研究指出，这种「推理崩溃」并非算力资源不足造成，而是一种先天局限，也反映出当前所谓「AI 思考」的本质仍更接近语言生成，并非真实的逻辑推理。
即便模型在中间过程看似「自洽」，其行为路径往往掺杂大量无效步骤，缺乏真正的目标导向与一致性。
