# 推理模型四年史：你以为的石破天惊，其实早有暗线

- 来源：Computing Life · Share · 鸭哥调研
- 发布时间：2026-06-17T00:00:00.000Z
- AX AI 日报：https://ai-daily.ax0x.ai/items/39083
- 原文：https://yage.ai/share/reasoning-model-lineage-20260617.html

## 摘要

推理模型不是2024年突然蹦出来的。让模型写解题步骤的思维链、用自己生成的正确推理训练自己的STaR、给中间步骤打分的过程奖励模型，这些技术从2022年起就陆续成熟了。o1真正改变的是产品化：把推理变成一种可以计费、可以调度的资源，在API里引入reasoning tokens和可调节的思考强度参数，相当于给scaling law开了第二个轴。

## 推荐理由

从2022年思维链、STaR到过程奖励模型，梳理推理模型技术积累的四年脉络，并指出o1把推理变成可计费、可调度资源这一产品化转折。

## 锐评

把推理做成按 token 计费的资源，这个角度比"o1 发明了推理"准确得多。思维链、STaR、过程奖励模型 2022 年就有了，o1 干的事是给 scaling law 开了第二个轴，reasoning tokens 和思考强度参数一上，推理就从研究技巧变成了账单上的一行。对做 agent 的人来说这才是分水岭，以前省 token 靠压 prompt，现在得算思考预算，同一道题调高调低差的是钱。技术史那部分当背景看就行，影响成本结构的是这一层产品化。
