推理模型竞赛又添新玩家。1 月 15 日，科大讯飞对外发布首个基于全国产平台训练的深度推理模型讯飞星火 X1，该模型凭借更少的算力，实现了业界一流的效果，多项指标国内第一，并率先应用于真实场景。
目前，市面上的推理模型众多，但各家的侧重点并不相同。比如 DeepSeek 着重强调其通过强化学习训练，可以对外展现更长的思维链。通义团队多次强调 QwQ 的深度自省能力，模型在思考过程中会质疑其自身假设，审视推理过程。月之暗面则更强调 k0-math 的数学能力，称其数学能力可以与 OpenAI 的 o1 系列模型媲美。
科大讯飞最新发布的推理模型 X1 多项指标实现国内第一。发布会上，科大讯飞展示了讯飞星火 X1 解答高考题、AIME 竞赛题以及高中奥赛题的表现。
X1 不仅准确给出答案，还可以对解题思路和步骤进行详细拆解，充分展现深度推理模型的三大典型特征：一、化繁为简，将复杂问题分步拆解简化；二、进行自我探索和反思验证；三、基于答案正确与否的优质反馈信息进行强化训练。
以一道 2024 年全国高中联合数学竞赛的无穷等比数列求和问题为例，分别在网页端提问讯飞星火 X1 与 DeepSeek V3、Kimi 中的最新推理模型。
三者均展现出当下推理模型的典型特征，比如能够针对对复杂问题进行分步拆解，也会在求解过程中不断进行自我反思验证。
不过，相较于讯飞星火 X1 在解答过程中动态展示思维步骤不同，DeepSeek 对外强调的思维链条有些过长，一定程度上影响了用户与模型的交互。Kimi 则是将思考过程与模型回答融为一体，却没有给出一个总结性的解题步骤，不够直观。
在回答准确率上，我们引用包括小初高（含竞赛）、大学（含竞赛）、AIME、MATH 500 等多项数学考试测试数据进行对比。其中，讯飞星火 X1 多项指标均获国内第一。在多个中文考试测试的比拼中，讯飞星火 X1 得分都超过 DS-R1-Lite-Preview、QwQ-32B-Preview、K1-math 等众多推理模型，中文数学能力国内第一。
更难能可贵的是，这份成绩还是基于全国产算力平台得来的。和市面上常见的其他模型不同，讯飞星火 X1 是目前全国产算力平台上唯一的深度推理模型，用更少的算力，实现了业界一流效果。
这样的成绩十分难得。一直以来，讯飞星火都坚持全国产化路线，讯飞星火至今仍然是国内唯一基于全国产算力平台的大模型。但推理模型的训练与大语言模型有诸多不同，仍然面临不少挑战。科大讯飞迎难而上，携手华为成功攻克了训练推理强交互、高吞吐推理优化以及国产算子优化等一系列难题，最终成功基于全国产算力平台训练出深度推理模型 X1。
之所以讯飞星火 X1 一出世就能在多项数学测试中取得亮眼成绩，和此前讯飞星火着重提升的数学能力不无关系。事实上，一直以来讯飞星火都是数学能力最强的大模型之一。此前，讯飞星火 4.0Turbo 就在数学和代码能力上实现对 GPT-4o 的超越，完成了超长思维链、树搜索和自我反思评价等算法的验证。
去年高考期间，多家媒体和专业人士用高考数学题对市面上的大模型进行测评比试，讯飞星火表现出色，领先一众同行。
在搜狐科技针对国内十余家大模型的高考数学能力评测中，讯飞星火、文心一言、豆包均以 63% 的正确率位列第一梯队，智谱清言、阿里通义则以 50% 的正确率位居第二梯队，其他大模型相对落后。
这次着重提升了深度推理能力的 X1，则是将讯飞星火一直见长的数学能力再度提升一个维度。相较于此前的大语言模型，讯飞星火 X1 从训练方法、训练数据乃至架构上都有所不同，数学和推理能力显著提升。
技术迭代之外，科大讯飞率先将推理模型应用到教育、医疗等真实刚需场景之中。搭载了星火 X1 的高中数学智能教师助手，已被一线教研员和教师用来解答高中数学创新题和考试题。在医疗场景下，X1 的相关技术和策略也取得了初步验证成效，可使得专科辅助诊断和复杂病历内涵质控的准确率均达 90%。
大模型时代的迭代速度远超以往，一家公司的领先往往只能持续数月乃至数周，稍有不慎就会被后来者超越，此次讯飞星火 X1 出道即“巅峰”也正说明了这一点。唯有不断从底层攻难克坚，真正从源头实现自主可控，才能在日益飞速技术迭代立于不败之地。
广告声明：文内含有的对外跳转链接（包括不限于超链接、二维码、口令等形式），用于传递更多信息，节省甄选时间，结果仅供参考，IT之家所有文章均包含本声明。