Think Fast：評估前沿 AI 模型無需思考鏈的任務完成時間視野

研究人員針對前沿 AI 模型在不使用顯式思考鏈（Chain-of-Thought, CoT）情況下的推理能力進行了測試，涵蓋了超過 30,000 道題目，橫跨數學、編碼、謎題、因果關係、心智理論及策略推理等 43 個基準。研究指出，許多確保前沿 AI 模型安全的努力依賴於監控其思考鏈推理，若模型能夠在內部完成足夠複雜的推理而無需顯式的思考 token，將使此類監管手段失效。

為了評估模型能力，研究人員採用了「50% 任務完成時間視野（TH）」作為指標，即人類完成模型能以 50% 成功率解決任務所需的時間；同時計算「50% 思考 token 視野」，即模型以 50% 成功率解決任務所需的最少 o3-mini 思考 token 數量。數據顯示，過去六年間，前沿模型的無思考鏈 50% TH 每年大約翻倍。目前 GPT-5.5 的 TH 已超過 3 分鐘，其思考 token 視野超過 1,500 個 token。

根據研究人員的中位數估計，前沿模型的無思考鏈 TH 可能在 2028 年超過 7 分鐘，並在 2030 年達到 25 分鐘，儘管這些預測存在顯著的不確定性。研究建議前沿開發者應明確追蹤這一指標，以應對模型內部推理能力快速增長所帶來的監管挑戰。