推理模型有哪些

想上手推理模型时，最容易卡在开头：名字一堆、说法一堆，到底哪些属于推理模型、各自擅长什么、是不是越贵越该用。这篇不重复榜单怎么读、也不讲自建还是调用，只帮你把推理模型的全貌按用途归好类，配一张挑选对照表和几步验证动作，让你在模型库里能自己找到当期数字。

想上手推理模型时最容易卡在开头：名字一大堆、说法一大堆，到底哪些算推理模型、各自擅长什么、是不是越贵越该用。这篇不聊榜单怎么读，也不聊自建还是调 API，只做一件事——把推理模型的全貌按用途归好类，再配一张挑选对照表和几步验证动作，让你在站内模型库里能自己找到当期数字。

读之前先记住一个前提：模型名、版本、价格、跑分这些都会变，本文里凡是涉及数字的地方一律写成「去站内某页面核对」。你要带走的是分类方法和排查顺序，而不是某一天的具体结论。

先划清边界：什么样的模型算推理模型

判断一个模型算不算推理模型，别只看名字里有没有某个词，也别只看参数大小。真正的依据是它的训练与输出方式是否更偏向长思考链——官方说明里通常会强调思考过程、多步推理，或者提供显式的思考开关。相反，一个普通对话模型把提示词写细一点，也能干不少推理类活。

可开关思考的通用对话模型

同一个模型接口里带思考档，简单任务关掉、复杂任务打开，成本和延迟自己控。

专门做推理的独立模型

整个模型就是为多步推理设计的，没有「关掉思考」这个选项，适合批量做硬活。

开源权重推理模型

权重放得出来、能自己部署，但许可证和商用边界要单独查，别默认随便用。

什么情况下不适用这套分类？如果你只是任务难、需要多轮追问，而不是真的需要长链条思考，普通对话模型加好提示词往往就够，不必一律上推理档。想快速确认某个模型到底有没有思考档，先到 /models 按厂商和模态筛一遍，再对照官方规格页核对。

按出身分家族看：闭源官方、开源权重、国内平台

把推理模型按出身分成三条路线，比逐个记名字有用得多。三条路线在价格、可控性、维护成本上的差别，远比模型之间那点能力差异更影响你的选型。

• 闭源官方路线：到 /official-api/providers 下对应厂商页，看有哪些推理档、计费口径怎么算。
• 开源权重路线：权重能拿到、能本地跑，但许可证和商用边界要单独查，别默认能随便商用。
• 国内平台路线：不少厂商在自家平台挂了推理档，价格和限速按当期页面走，不要记旧数。
• 判断哪条路适合你：先看数据能不能出内网，再问团队有没有人长期维护部署。

按任务对号：哪些活值得用推理档

推理档不是默认选项。它的思考过程会拉长延迟、增加输出量，落在不该用的任务上就是纯浪费。判断标准很简单：这件事做错一次的代价，是否高到值得多等几秒、多花一点。

1. 先打样用非推理档跑一批真实样本，记录出错的那些。
2. 再定点只把出错样例单独走推理档，别整批切协议。
3. 量基线切换前用 /tools/speed-test 测自己的延迟基线，避免体验落差被误判成模型不行。
4. 定规则把「哪类任务走哪个档」写成一句话规则，避免每次靠感觉选。

自己把清单核对成一张表

别人给的清单只能当起点，真正能用的是你自己核对过的那张表。做法不复杂：固定列结构，数字现场取，样本自己跑。

• 表格列固定四列：模型名、是否支持思考档、适用任务、许可证与部署方式。
• 数字列一律留空写「见站内页面」，去 /official-api 与 /models 当场取，避免用过时口径做决策。
• 候选控制在 3 到 5 个，多了对比不动，少了容易漏方向。
• 核对顺序：先 /models 选候选，再去 /benchmarks 看题目与你的任务像不像，最后用自己的真实样本跑一遍。

什么情况下不适用：如果团队只做一次性体验、不打算长期接，就别花时间建表，直接挑一个试。建表的价值来自反复选型，用一次就扔的场景不值得。

三个常见误判，提前避开

这几条不是理论风险，是选型讨论里最常吵起来的地方。提前对齐，能省掉不少来回。

• 把「会思考」当成「更准」：思考链长不等于结论对，答案仍要自己验。
• 把跑分名次当结论：题目饱和与任务不匹配很常见，排名高不代表你的活干得好。
• 忽略成本与限速口径：推理档输出 token 更多，账单和在 /price-watch 里看到的变动可能不同步。

清单是起点，不是结论；把候选压到三五个、用真实样本跑过一遍，才算真的选完。