思维链是什么——AI为什么会「先思考再回答」

2026年最火的AI概念之一是「推理模型」：同样一道数学题，普通大模型直接给答案经常算错，推理模型会「想」一会儿再回答，正确率高一大截。背后起作用的就是思维链。这篇把它讲明白。

思维链的英文是Chain-of-Thought，简称CoT，简单说就是让大模型在给出答案前，先把一步步的推理过程写出来：「已知什么，因为什么，所以什么」。就像人做题时先在草稿纸上演算，而不是直接写答案。

为什么这样更准？大模型的本质是「猜下一个词」，直接猜答案，一步错步步错。把推理拆成小步，每一步只往前迈一小步，单步出错概率低，最后答案自然更靠谱。数学、逻辑这种需要多步推导的任务，效果提升最明显。

2026年的进展是各家都出了「深度思考」模式：OpenAI的o系列、DeepSeek R1、Kimi K2、豆包的深度思考。它们会在后台先生成几百到几千字的思考过程，再输出最终答案，你看到的就是「想过了再说」。

我拿「鸡兔同笼」的变体题实测了四个模型：普通模式有两个答错，深度思考模式全对。差距在逻辑题、代码排错、复杂指令任务上特别明显，日常闲聊基本没差别。

代价也得说清楚：第一是慢，深度思考要等几十秒，急用的时候很煎熬；第二是贵，思考过程消耗的token一样算钱，同一个问题的成本可能贵好几倍；第三，不是万能，常识问题开深度思考纯属浪费。

使用建议很简单：复杂推理任务（数学、逻辑、代码调试、长文档分析）开深度思考；日常问答、写作、翻译用普通模式。下次看到「深度思考」按钮，知道它背后是怎么工作的了。

标签： 思维链 推理模型 AI科普