近期，蘋果公司發布了一篇引人注目的研究論文，該論文對傳統上被認為是“推理”的人工智能模型的能力提出了深刻質疑。論文指出，盡管諸如DeepSeek、o3-mini和Claude 3.7等模型在市場上廣受關注，但它們所展現的推理能力，實質上仍局限于模式匹配的范疇，并未真正具備邏輯推導的能力。
為了對這一觀點進行更為嚴謹的驗證，蘋果的研究團隊設計了一系列結構化謎題任務，包括漢諾塔問題、跳棋交換問題、過河問題以及積木世界等。這些任務不僅具有高度的復雜性，而且可以通過調整參數來精確控制難度，從而實現對模型推理能力的系統性評估。
實驗結果顯示，當任務難度逐漸增加時，這些模型雖然在一開始表現出一定的適應能力，如延長生成回應前的等待時間，但隨著任務難度的進一步攀升，模型的推理深度卻開始減弱。在最為關鍵的時刻，即使模型仍有充足的token預算，它們也未能進一步深入分析，而是選擇了停止。當任務難度超過某個臨界值時，所有模型，包括那些專為推理設計的模型，都完全喪失了基本的解題能力，準確率迅速歸零，呈現出明顯的性能崩潰。
這篇論文一經發布，立即在網絡上引發了廣泛的討論。一些用戶批評蘋果，認為作為擁有雄厚資金支持的科技公司，蘋果在近年來并未推出具有突破性的技術成果，反而對行業內其他公司的進展提出質疑。然而，也有觀點認為，這篇論文的意圖并非全盤否定現有的技術成果，而是希望推動業界對更為有效的推理機制和評估方法進行更為深入的探索和研究。
值得注意的是，蘋果在2024年的全球開發者大會上首次展示了其智能系統Apple Intelligence。然而，該系統在過去一年中遭遇了多項功能的推遲上線、功能不完善甚至被撤回的情況。這一背景或許為蘋果此次發布論文提供了更為復雜的動機，即希望通過揭示當前模型的局限性，激發業界對更有效推理機制和評估方法的關注和投入。
