近期的前沿语言模型引入了大型推理模型（LRMs），这些模型在回答前生成详细的思考过程。尽管在推理基准上有所提升，但其基本能力和局限性仍不明确。现有评估主要关注最终答案的准确性，忽视了推理过程的结构和质量。通过可控的难题环境研究发现，当复杂性超出一定范围时，LRMs的准确性会完全崩溃，且在高复杂性任务中表现不佳。

苹果机器学习研究发布论文《思维的幻觉》，探讨大型推理模型（LRMs）在解谜中的能力。研究发现，随着难度增加，LRMs在高复杂度下表现不佳，显示出模型的局限性。尽管LRMs在某些任务上优于标准LLMs，但在复杂问题上仍存在推理能力的根本限制。

腾讯推出首款开源混合推理模型Hunyuan-A13B，参数80B，激活参数13B，推理速度快且性价比高。该模型在长文理解和Agent工具调用方面表现优异，支持256K上下文窗口，适合个人开发者使用。同时，腾讯还开源了两个新数据集，以提升大语言模型的能力。

蚂蚁团队推出的轻量级推理模型Ring-lite，采用C3PO强化学习方法，在多个推理榜单上取得了SOTA效果，显著提升了训练稳定性和token效率。该模型在数学、编程和科学推理任务中表现优异，展示了MoE架构的潜力。

PPIO推出全球首个开源大规模混合架构推理模型MiniMax-M1，拥有4560亿参数和100万令牌上下文长度，性能卓越，支持高效API服务。

Mistral AI推出了新推理模型Magistral，支持多语言推理。该模型采用纯强化学习训练，提升了准确率，实现高效实时推理，但未与Qwen和DeepSeek R1进行对比，引发质疑。