Google 在 Gemini 应用上线 Deep Think：引入并行思考强化复杂推理

遇到解不开的难题，普通人的做法是停下来想半天，甚至在纸上列出几个互相推翻的思路。

现在的 AI 也学会了这招，而且是一口气派几个分身同时想。8 月 1 日，Google 正式在 Gemini 应用里上线了 Gemini 2.5 Deep Think 模式，面向每月 250 美元的 Google AI Ultra 订阅用户开放。

今年 5 月的 Google I/O 上它露过一次脸，在今年的国际数学奥林匹克竞赛（IMO）里，基于它的模型版本还拿下了金牌水平。如今面向个人推出的版本稍微做了权衡：它不再像奥数模型那样为一道题琢磨好几个小时，日常用起来更快，但在内部评估里依然能达到 2025 年 IMO 的铜牌水平。

多个分身一起琢磨，再把答案拼出来

一般的推理模型是一个思路从头推到尾，Deep Think 采用的则是多智能体并行思考。简单来说，就是面对一个复杂问题时，系统会同时生成多条不同的假设路径，甚至把相互矛盾的想法放进同一个沙盒里碰撞、修正，最后合并出最优解。

Google 还在模型里加入了新的强化学习技术，专门用来鼓励它充分利用这些延长的推理路径。配合自动调用的代码执行和 Google 搜索，它能交出比以往长得多的回答。

这套打法的效果直接体现在了硬核基准测试上。在考查跨学科高难度知识的 Humanity's Last Exam（无工具模式）中，Gemini 2.5 Deep Think 跑出了 34.8% 的得分，高于 xAI Grok 4 的 25.4% 和 OpenAI o3 的 20.3%。在比拼算法竞赛编程的 LiveCodeBench V6 上，它拿到了 87.6%，同样超过了 Grok 4 的 79% 和 o3 的 72%。

不过，变聪明的同时也有副作用。Google 坦白表示，虽然它的内容安全和客观语气变好了，但面对一些完全合规的无害请求时，拒绝回答的概率也变高了。而且目前即便是 Ultra 用户，每天能用的提问次数也受到了固定额度限制。

为什么重要

我们认为，Deep Think 标志着顶尖大模型的竞争重心，已经从单纯比拼预训练参数，彻底转向了比拼推理期的算力消耗与多智能体协作。OpenAI 在走这条路，xAI 刚发布的 Grok 4 Heavy 也在走这条路，大厂们在技术思路上正在迅速收敛。

对于需要写复杂前端、推导算法边界或者啃长篇文献的研究人员来说，这项能力确实很有诱惑力，它能省掉大量人工试错和推导的时间。但从普通用户和独立开发者的角度来看，现在去尝鲜的门槛实在太高。

每月 250 美元的 Ultra 订阅费，加上每天严格受限的调用额度，说明这种并行推理在服务器端的成本依然极其恐怖。Google 把它锁在最高档订阅里，本质上是把极其昂贵的试运行成本转嫁给高净值机构与专业人士。

看起来，这种慢思考和多智能体并行确实能解开以前 AI 碰都不敢碰的高维难题。但什么时候能把拒答率降下来、把推理成本打入几十美元的平民档，才是这项技术能否真正融入日常生产力的关键。