Google 在 Gemini 應用上線 Deep Think：引入並行思考強化複雜推理

遇到解不開的難題，普通人的做法是停下來想半天，甚至在紙上列出幾個互相推翻的思路。

現在的 AI 也學會了這招，而且是一口氣派幾個分身同時想。8 月 1 日，Google 正式在 Gemini 應用裡上線了 Gemini 2.5 Deep Think 模式，面向每月 250 美元的 Google AI Ultra 訂閱使用者開放。

今年 5 月的 Google I/O 上它露過一次臉，在今年的國際數學奧林匹克競賽（IMO）裡，基於它的模型版本還拿下了金牌水平。如今面向個人推出的版本稍微做了權衡：它不再像奧數模型那樣為一道題琢磨好幾個小時，日常用起來更快，但在內部評估裡依然能達到 2025 年 IMO 的銅牌水平。

多個分身一起琢磨，再把答案拼出來

一般的推理模型是一個思路從頭推到尾，Deep Think 採用的則是多智慧體並行思考。簡單來說，就是面對一個複雜問題時，系統會同時生成多條不同的假設路徑，甚至把相互矛盾的想法放進同一個沙盒裡碰撞、修正，最後合併出最優解。

Google 還在模型里加入了新的強化學習技術，專門用來鼓勵它充分利用這些延長的推理路徑。配合自動呼叫的程式碼執行和 Google 搜尋，它能交出比以往長得多的回答。

這套打法的效果直接體現在了硬核基準測試上。在考查跨學科高難度知識的 Humanity's Last Exam（無工具模式）中，Gemini 2.5 Deep Think 跑出了 34.8% 的得分，高於 xAI Grok 4 的 25.4% 和 OpenAI o3 的 20.3%。在比拼演算法競賽程式設計的 LiveCodeBench V6 上，它拿到了 87.6%，同樣超過了 Grok 4 的 79% 和 o3 的 72%。

不過，變聰明的同時也有副作用。Google 坦白表示，雖然它的內容安全和客觀語氣變好了，但面對一些完全合規的無害請求時，拒絕回答的機率也變高了。而且目前即便是 Ultra 使用者，每天能用的提問次數也受到了固定額度限制。

為什麼重要

我們認為，Deep Think 標誌著頂尖大模型的競爭重心，已經從單純比拼預訓練引數，徹底轉向了比拼推理期的算力消耗與多智慧體協作。OpenAI 在走這條路，xAI 剛釋出的 Grok 4 Heavy 也在走這條路，大廠們在技術思路上正在迅速收斂。

對於需要寫複雜前端、推導演算法邊界或者啃長篇文獻的研究人員來說，這項能力確實很有誘惑力，它能省掉大量人工試錯和推導的時間。但從普通使用者和獨立開發者的角度來看，現在去嚐鮮的門檻實在太高。

每月 250 美元的 Ultra 訂閱費，加上每天嚴格受限的呼叫額度，說明這種並行推理在伺服器端的成本依然極其恐怖。Google 把它鎖在最高檔訂閱裡，本質上是把極其昂貴的試執行成本轉嫁給高淨值機構與專業人士。

看起來，這種慢思考和多智慧體並行確實能解開以前 AI 碰都不敢碰的高維難題。但什麼時候能把拒答率降下來、把推理成本打入幾十美元的平民檔，才是這項技術能否真正融入日常生產力的關鍵。