AI推理模型进展可能在2026年趋于平稳，Epoch AI研究建议

非营利AI研究机构Epoch AI的研究表明，AI行业可能很快面临推理AI模型性能显著提升的挑战。报告预测，这些模型的进展可能在未来一年内减缓。

高级推理模型，如OpenAI的o3，近期在AI基准测试中推动了显著改进，特别是在数学和编码任务中。这些模型利用增加的计算能力来提升性能，尽管这通常导致比传统模型更长的处理时间。

推理模型通过在海量数据集上初步训练标准模型，然后通过强化学习提供反馈，以优化其问题解决能力。

根据Epoch的说法，领先的AI实验室，如OpenAI，尚未在推理模型开发的强化学习阶段大量使用计算资源。

这一趋势正在改变。OpenAI透露，其训练o3的计算能力约为前身o1的十倍，Epoch认为其中大部分用于强化学习。OpenAI研究员Dan Roberts最近表示，公司计划进一步优先发展强化学习，可能使用比初始模型训练更多的计算资源。

然而，Epoch指出，强化学习可应用的计算能力存在极限。

Epoch分析师兼研究作者Josh You指出，标准AI模型训练的性能增益目前每年翻两番，而强化学习的增益每三到五个月增加十倍。他预测，到2026年，推理模型的进展可能与整体AI进步趋于一致。

TechCrunch Sessions: AI展示

在TC Sessions: AI预留您的展示空间，向超过1200名决策者展示您的创新，且无需高额费用。截止至5月9日或名额满为止。

TechCrunch Sessions: AI展示

在TC Sessions: AI预留您的展示空间，向超过1200名决策者展示您的创新，且无需高额费用。截止至5月9日或名额满为止。

Epoch的研究依赖于某些假设，并结合了AI行业领导者的公开声明。研究还指出，推理模型的扩展可能面临计算限制以外的其他障碍，如高昂的研究间接成本。

“持续的研究成本可能限制推理模型的可扩展性，”You解释说。“由于快速计算扩展是其进步的关键因素，这需要密切关注。”

推理模型可能很快达到性能上限的任何迹象都可能在AI行业引起担忧，该行业已对其开发进行了大量投资。研究已表明，这些模型尽管运行成本高昂，但存在显著缺陷，包括比一些传统模型更容易产生不准确的输出。