一句话定义：推理模型（Reasoning Model）是指在给出最终答案之前，会先生成一段较长的内部思考（通常称为思维链，Chain of Thought），再据此作答的大语言模型。
它到底在“想”什么
打个比方。普通对话模型像脱口秀演员，听到问题立刻接话，靠语感一路往下说，说岔了也将错就错；推理模型像考数学的学生，先在草稿纸上列式、试错、推翻重来，检查完才往答题卡上抄。
工程上这背后是两件事：一是训练阶段用强化学习（Reinforcement Learning）去奖励“过程走对了才答对”的样本，让模型学会拆解、回溯、自我检查；二是推理阶段主动多花算力（常说的 test-time compute），用更长的生成换更高的正确率。所以它不是“同一种东西变得更聪明”，而是把“思考时间”变成了一个可调的旋钮。
和几个容易混淆的概念划清界限
- 思维链提示（AI 词典：Chain-of-Thought">Chain-of-Thought Prompting）：是你在提示词里要求普通模型“一步步来”的使用技巧；推理模型把这件事训进了模型本身，不需要你提醒。
- 智能体（Agent）：解决的是“能不能动手调工具、循环执行任务”；推理模型解决的是“想得够不够深”。两者经常叠着用，但不是一回事。
- 普通对话模型：不是被淘汰，而是另一档。日常问答、改写、抽取，它更快也更省。
| 维度 | 普通对话模型 | 推理模型 |
|---|---|---|
| 首字延迟 | 快，几乎即时 | 慢，要先“想”一段 |
| 输出长度 | 通常较短 | 思考部分可能很长 |
| 擅长 | 闲聊、改写、分类、抽取 | 多步计算、逻辑排查、方案权衡 |
| 不擅长 | 长链条推理容易断 | 简单任务上白花时间和成本 |
| 成本 | 低 | 高（按 token 计费，具体以官方页面为准） |
对实际工作的意义
从业者：别把推理模型当默认路由。先做任务分级，简单请求走快模型；产品上要把思考过程折叠展示，并给足超时与取消能力；评测时分开看“答案对不对”和“过程是否站得住”，因为会出现过程错了、结论却蒙对的情况。
普通人：把它用在值得多想一会儿的事上——核对一份报价单里的加减、比较两个方案的取舍、找出代码里那条隐蔽的空指针、梳理合同条款之间的矛盾。别用它问“帮我把这句话改短”。还有一点要记住：思考过程写得头头是道，不代表结论正确。那段文字同样是模型生成的输出，未必等于它真实的计算路径，重要结论仍要自己验一遍。