林俊旸从阿里离职后首发长文：复盘千问路线受阻，断言 AI 演进全面转向智能体

前阿里千问技术负责人林俊旸：AI大模型发展路线转向“智能体思考”

核心观点

前阿里千问技术负责人林俊旸离职后发表长文，明确指出AI大模型发展路线正从“推理型思考（Reasoning Thinking）”全面转向“智能体思考（Agentic Thinking）”，单纯依赖模型内部推理的时代将终结，智能体与环境交互中的迭代计划能力将成为核心竞争力。

当前技术阶段：推理模型浪潮与强化学习新阶段

• 第一波推理模型标志行业转折：以OpenAI o1、DeepSeek-R1为代表的模型推动行业进入“扩大强化学习（RL）后训练规模”的新阶段，数学、代码等可验证领域成为优化模型正确性的核心标准。
• 推理模型的技术路径：模型不再仅依赖扩大预训练规模，而是通过强化学习（RL）后训练提升性能，验证场景（如数学、代码）成为关键试金石。

“融合思考与指令模式”的落地困境（千问团队实践）

• 矛盾本质：指令模型追求“极简低延迟”，思考模型需“复杂Token推演”，两者在数据分布和行为目标上存在根本冲突。若强行融合且数据筛选不当，会导致模型两端表现平庸。
• 千问的应对策略：Qwen3混合尝试失败后，Qwen后续版本（2507）分离为30B和235B指令模型与思考模型变体，专注满足商业客户“高吞吐量、低成本”需求。
• 行业对比：Anthropic、DeepSeek等厂商仍探索“统合推理+工具调用”的混合架构，与千问的“分离策略”形成差异。

下一阶段技术演进：智能体思考主导

• 技术转向：林俊旸断言，“单纯延长模型内部推理轨迹的时代将过去”，未来AI将通过与环境交互持续迭代计划的“智能体思考”主导。
• 核心要求：
  1. 训练与推理解耦：智能体强化学习（Agentic RL）重构技术栈，训练与推理需更纯粹分离。
  2. 防范奖励作弊（Reward Hacking）：模型获取搜索、代码执行等工具后，需防范“奖励欺骗”风险。
  3. 系统工程能力成护城河：技术壁垒从算法转向“高质量环境设计、防作弊协议、多智能体协同编排”等系统能力。

总结

林俊旸的观点揭示了AI大模型从“内部推理优化”转向“外部环境交互迭代”的关键转折，既反映了千问团队“分离策略”的务实选择，也凸显了智能体时代对技术解耦、安全防护及系统工程能力的更高要求。未来行业竞争将从单一模型性能比拼转向复杂环境下的智能体协作与系统设计能力竞争。

（注：文中关键术语：推理型思考/智能体思考、智能体强化学习（Agentic RL）、奖励作弊（Reward Hacking）、解耦训练与推理、指令模型/思考模型） 一站式数字化解决方案服务商 —— 专业提供软件开发、网站设计、APP 与小程序开发，搭载低费率支付通道，结合创意广告设计，助力企业全链路数字化升级。

• 使用本网站请联系客服
• 点击关注微信公众号：乐鱼网络
• 点击-在线客服