从MiniMax到DeepSeek，关于大模型的四个层级总结！

 Datawhale干货 

作者：平凡，英国Northumbria University讲师，

计算机博士

这两天在AI大模型这个日新月异的圈子里面发生了几件事，都挺有纪念意义的。

第一件是DeepSeek-V3.2的发布，将开源模型的智能极限又往前推进了一步，特别是同时发布的一个speciale特别定制版，更是在多个专门测试推理（Reasoning）和智能体（Agentic）的benchmark上达到了全新的高度，跟目前顶级的闭源模型，Gemini-3.0-Pro以及GPT-5-High等模型齐平，甚至还有所超越。

来源：https://huggingface.co/deepseek-ai/DeepSeek-V3.2/resolve/main/assets/paper.pdf

除了注意力机制的进一步创新、新的数据合成技术之外，这次最受行业关注的亮点之一，是 DeepSeek 官方反复强调的能力：

“Thinking in Tool-Use”（思考融入工具调用）

可以看到，在这个benchmark上，用上这个机制的模型还不算多，但头部模型的融合率已经开始显现，包括 MiniMax M2 等一批具备较强 Agent 能力的模型，都在不同程度上支持类似的交错推理结构。

来源：https://api-docs.deepseek.com/news/news251201

事实上，“Thinking in Tool-Use” 并不是一个新的概念，而是一个更标准、更通用的技术术语的工程化体现—它的本质叫 Interleaved Thinking（交错思维链）。这个术语在业内已经逐渐被采用，包括 MiniMax 在其 M2 技术博客中也使用了同样的叫法，并进一步把它定义成 Agent 推理的核心范式。

Interleave这个词意思其实很简单，根据剑桥词典的解释，就是在一部分内容里“嵌入”一些内容。

但仅从字面理解并不够直观，要真正感受到它的意义，我们必须把视角拉回到这两天发生的第二件具有象征意义的事件——ChatGPT 三岁生日。

三年前，初代 ChatGPT 的面世，让 NLP 这个曾经细分成几十种任务的小王国被瞬间“大一统”——分类、摘要、对话、翻译通通被一个统一的架构吞并。那确实是一个时代，但今天回头看，当时的大模型其实还非常稚嫩。

对普通用户来说，他们早已习惯了与 AI 的经典两步式互动模式：

提问题 → 等结果。

这个表层交互模式直到今天似乎都没什么变化，但在背后，大模型自身已经经历了非常快速的几轮演化。  如果用一种略带“工程视角”的方式来概括，我们大致可以把这三年的发展看作是从最初的 No-Thinking → Thinking → Tool-Use Agent → Interleaved Thinking Agent 四个阶段的演进。

在这条演进轨迹中，不同模型扮演了不同角色——

ChatGPT 的诞生，几乎可以视作第一阶段的起点，也把“大模型对话”推向了大众；

随后的一系列模型（包括 Claude 在内）在思维链、长推理上的表现，进一步强化了“Thinking 模型”的范式；

DeepSeek V3.2 又用 “Thinking in Tool-Use” 把“思考与工具调用一体化”推到了台前；

而包括 MiniMax 在内的多家团队，则在过去几个月持续把 Interleaved Thinking 往前推了一步——从模型能力，扩展到调用方式、生态适配和开源实践，让它逐渐从“论文里的概念”变成“工程里真正可用的能力”。

第一代：No-Thinking ——没有思考的模型

我们还用做饭这件事来解释，最初的大模型不会“想”，就跟新手厨师一样，就是死记硬背菜谱，表现上更像一个超强版的自动补全：你问它一个问题，它不假思索地直接给答案。

优点是快，但问题也很明显：

• 对长对话没有记忆

• 遇到复杂任务容易“张口就来”

• 数学、逻辑问题经常胡编

这种“无思考的模型”，性能很快就到达了天花板。

第二代：Thinking —— 模型学会规划，但仍是“一次性想完”

后来，模型学会了“先思考，再回答”。这一步非常重要，让大模型的质量跃升一个台阶。它不再单纯的背菜谱，而是开始先思考再回答了。

但它的问题也同样明显：

模型会在内部一次性把整套推理链“憋完”，然后一口气输出结果。

这就像是：

厨师在开火之前，先在脑子里把整道菜从头到尾“模拟做一遍”，然后严格按这个脑内菜谱执行。

厨师也不是超人，他不可能把现实世界的所有情况都考虑到。

特别是现实世界不是静态的—

• 如果食材状态不同怎么办？

• 如果灶的温度不够怎么办？

• 如果步骤中途需要修正怎么办？

Thinking-only 模式在真实的、多变的任务里仍然力不从心。

第三代：Agent —— 有工具，但不会“边用边想”

Agent时代，大模型终于不再是单纯用脑子来模拟一切了，而是真正意义上的掌握了工具的用法，也就是Tool-Use。

它可以写代码、调用 API、查资料、执行搜索，标志性的应用就是深度研究（Deep Research）功能。

大模型会针对于某个具体的问题，在互联网上搜索，用代码工具来模拟，最后调用各种文档编辑方法，生成一份精美的文档或者PPT。

这让模型的能力进一步解锁，但问题依然在：

它的推理仍然是单块式的：先憋一大段思考，再一次性调用工具。

它配备了工具，却缺乏“边用工具边推理、边推理边修正”的能力。

他现在有了各种刀具、温度计、油温探头，看上去武装到了牙齿，但做菜时依然习惯于——先在脑子里把全流程想完，再机械地照着执行，而不是在烹饪过程中不断尝味道、看火候、边做边调整。

第四代：Interleaved Thinking —— 真正意义上的 AI“像人一样做事”

从第一代到第三代，解决问题的能力可以说是在跃升，从不断被刷新的benchmark分数可见一斑。

但问题依旧存在，那就是“计划是死的，而现实不仅是活的，而且非常多变”，因为真正的智能需要在思考和行动之间建立一个动态的、实时的反馈循环。

Interleaved Thinking 的提出，恰恰补上了这个缺失许久的核心能力。

这也是顶级厨师具备的素质，他们可以在烹饪中不断的品尝、调整火候、根据食材的反应及时修正自己的下一步动作。

放在AI领域里面，我们可以用 MiniMax 的这张图，我们可以看得更清楚：

左侧的 “Without Interleaved Thinking” 模式看起来有工具调用，但本质上依旧是“先想完后做完”。工具调用只是附属，不会影响下一轮推理。

右侧的 “With Interleaved Thinking” 模式则完全不同：

• 模型思考中嵌入工具使用

• 工具返回结果嵌入下一轮思考

• 推理链保持连续

• 状态不会丢失

• 整个任务形成一个动态闭环

这就像人类解决问题时的方式：

边分析、边尝试、边修正。

它让模型第一次具备了真正“过程式”的智能：

想一小步 → 执行一小步 → 根据执行结果继续想 → 再继续执行 → 反复迭代直到任务完成。

它不是更快，也不是更大，而是思维结构本身的升级。

它带来的结果也是非常显著的，使用了这套思维结构的开源模型，与闭源模型的差距不断的缩小。

MiniMax-M2这个模型做的实验结果就能看到，在 “保留推理链” vs “丢弃推理链” 的对比测试中，在多个 Agent 基准任务上都有非常显著的提升：

• SWE-Bench Verified：+3.3%

• Tau²：+35.9%

• BrowseComp：+40.1%

• GAIA：+11.5%

• xBench：+9.1%

如果只看数字，可能会觉得有些提升“也就几个点”。

但当你把视角切换到完整榜单，就会发现这几个点在实际竞争中的含金量非常高——以 SWE-Bench Verified 为例，个位数的提升就足以让一个模型在排行榜上上升好几位。

来源：https://www.swebench.com/

更重要的是，对于 Agent 场景而言，这些差异往往意味着：

• 是“勉强能用”，还是“可以放心交给它跑一整晚”；

• 是“要人盯着纠错”，还是“真正具备自主完成任务的能力”。

但实际上，Interleaved Thinking 能够从“非共识的小众机制”，发展到今天成为越来越多头部模型的共同选择。

就在DS-V3.2发布后，reddit上的这个帖子就说了，开源大模型领域，用了这个技术的模型并不多，OpenAI的GPT-oss，MiniMax M2，Kimi-K2。

这反映了整个行业的技术演进，但如果放大到整个生态层面，你会发现一个往往被忽略的事实：

它之所以能“真正落地”，不是因为某一家模型实现了，而是因为整个生态——编程工具、API 平台、Host 平台、推理框架——开始陆续支持它了。

而在这场变革中，MiniMax 是最早、也是投入最多的推动者之一。

在 MiniMax-M2 发布之前，整个社区对 Interleaved Thinking 的支持非常少：

• 大多数编程助手只支持传统的 “ASK → ANSWER” 模式

• 很多 API 平台不会识别复杂的 reasoning block

• 一些本地 LLM 运行平台（如 Ollama）会在中间步骤把推理链直接丢弃

• 工具调用格式不统一、字段缺失、上下文无法回传

这意味着：

哪怕模型本身支持 Interleaving，只要生态不跟上，它的能力就发挥不出来。

推动 RooCode、Cline、OpenRouter、Ollama 等主流工具全面支持，这是一件非常耗费心力的事情，因为家家有问题，且问题各不相同。比如，

• 有的在工具调用后丢弃思维链

• 有的把 reasoning_details 当成“无用内容”过滤

• 有的把多段推理合并成同一 block 导致状态混乱

因此，从 M2 发布到现在，MiniMax 在生态兼容性上推进了多项关键工程工作。这些本该是开源社区共同完成的基础任务，但由于涉及底层接口和执行语义，推进往往不够快。MiniMax 主动补齐了这些关键环节，使 Interleaving 能力能够在实际环境中闭环运行。

包括：

• 向 Kilo Code 提交核心 PR，使其完整支持交错式推理；

• 推动 Cline 的执行流适配；

• 与 Ollama、OpenRouter 协调接口与输出格式，确保能够处理交错式的思考–行动循环。

这些都是不显眼但必要的基础工作，使 Interleaved Thinking 从“模型能力”变成“可用能力”。

来源：X

当然，完成了适配之后的模型性能提升很明显，从越来越多的app支持这个模式也能反映这一点儿。

来源：OpenRouter

在刚刚结束的AWS Invent 2025大会上，MiniMax-M2这个模型被Amazon的Bedrock正式收录，这也是为数不多被收录的国产模型。

另一个点更有价值，那就是直接开源了支持Interleaved Thinking 的 Coding CLI。

它本质上提供：

• 完整的多轮推理状态管理逻辑

• 工具调用+思维链的正确传递方式

• 与 M2 模型完全对齐的结构

• 极低成本即可复用的 Agent 框架

地址：https://github.com/MiniMax-AI/Mini-Agent

这个开源框架可以做很多事情，比如完成一件需要多步操作的任务。

使用Claude Skill。

上线后快速获得 700+ Star（持续增长），并被多个社区项目引用。

它的意义在于：开发者不用再猜“怎么才是正确的调用方式”，而是有一个可跑通的、工程级的标准实现可直接照搬。

这样可以极大程度把这个技术普及开来，特别是在MiniMax-M2的官方技术报告中强调了这个概念之后，Kimi、DeepSeek、Anthropic、GPT-OSS 都在几个月内相继提出了类似概念，并放在非常核心的位置。

这不是巧合，而是技术演进的客观规律：

当大模型从“写答案”进化到“做任务”，Interleaved Thinking 就成为唯一合理的思维结构。

MiniMax 在多个场合（AIE 大会、官方 X、研发 Leader 的深度文章）持续输出这一概念，也让整个行业的讨论逐渐走向统一术语：

Interleaved Thinking = Agent 多轮推理的底层范式。

智能也可以被重构

三年前，ChatGPT 让人类第一次看到“语言可以被统一”。

三年后，Interleaved Thinking 让我们看到“智能也可以被重构”。

当越来越多的模型开始真正做到“边思考、边行动”，大模型的角色也在发生变化：它不再是一个回答机器，而是一个能独立工作、能执行任务、能在复杂环境中持续迭代的智能体。

而 MiniMax等一众大模型在这一波演进中扮演的角色，是让这件事情不只存在于白皮书和演示，而是成为整个生态都能用、都能跑通的现实能力。

未来的智能时代，或许就是从这条交错思维链开始被重新点亮的。

一起“点赞”三连↓