5 月 29 日，极客邦科技双数研究院 InfoQ 研究中心正式发布《2025 推理模型评测报告》
5 月 29 日，极客邦科技双数研究院 InfoQ 研究中心正式发布《2025 推理模型评测报告》，基于逻辑推理、数学推理、多步推理、语言推理、及幻觉控制五大维度，对 OpenAI O3、文心 X1 Turbo、DeepSeek-R1、Kimi k1.5、Doubao-1.5-thinking-pro、Qwen3-235B-A22B 等八款国内外主流推理模型展开深度评估。报告显示，文心 X1 Turbo 以总分第一的成绩领跑国内模型，并在幻觉控制、语言推理等核心维度展现显著优势，成为国内首个在五大评测维度中斩获最多单项冠军的推理模型。
InfoQ 研究中心指出，受「推理时计算拓展」与「可验证奖励强化学习」两大技术范式驱动，全球厂商已进入推理模型密集发布期，OpenAI o1、DeepSeek R1、 文心 X1 Turbo、Claude 3.7 Sonnet Reasoning 等十余款推理模型相继上线，争夺下一代大模型的「推理入场券」。
根据报告，文心 X1 Turbo 是本次评测中「单项冠军数量最多」的模型，在五大细分维度中表现亮眼：在幻觉控制方面，文心 X1 Turbo 以 80.56% 的得分位列第一，领先 DeepSeek-R1、Qwen3-235B-A22B 等模型，有效降低模型生成错误或误导性信息的风险；在语言推理方面，文心 X1 Turbo 以 70.31% 的得分位列第一，领先 Doubao-1.5-thinking-pro、DeepSeek-R1、Qwen3-235B-A22B 等模型；在数学推理方面，OpenAI O3 以 81.25% 的得分位列第一，文心 X1 Turbo 紧跟其后，位居国内第一。
幻觉控制 Top 5 模型得分情况
语言推理 Top 5 模型得分情况
报告认为，作为国产推理模型代表，文心 X1 Turbo 其技术突破不仅标志着国产模型在推理能力上的里程碑式进展，更为 AI 从「内容生成」向「可验证逻辑执行」的跃迁提供了关键支撑。
随着技术迭代与场景深化，推理模型把大模型从单纯的内容生成器升级为「可验证的逻辑执行器」。伴随着单场景推理深度、跨工具编排广度、在线自进化能力的同步跃升，更多新商业机会正被快速打开。
