AI推理模型进展可能在2026年趋于平稳,Epoch AI研究建议
非营利AI研究机构Epoch AI的研究表明,AI行业可能很快面临推理AI模型性能显著提升的挑战。报告预测,这些模型的进展可能在未来一年内减缓。
高级推理模型,如OpenAI的o3,近期在AI基准测试中推动了显著改进,特别是在数学和编码任务中。这些模型利用增加的计算能力来提升性能,尽管这通常导致比传统模型更长的处理时间。
推理模型通过在海量数据集上初步训练标准模型,然后通过强化学习提供反馈,以优化其问题解决能力。
根据Epoch的说法,领先的AI实验室,如OpenAI,尚未在推理模型开发的强化学习阶段大量使用计算资源。
这一趋势正在改变。OpenAI透露,其训练o3的计算能力约为前身o1的十倍,Epoch认为其中大部分用于强化学习。OpenAI研究员Dan Roberts最近表示,公司计划进一步优先发展强化学习,可能使用比初始模型训练更多的计算资源。
然而,Epoch指出,强化学习可应用的计算能力存在极限。

Epoch AI研究表明,推理模型训练的规模扩展可能很快面临限制。图片来源:Epoch AI Epoch分析师兼研究作者Josh You指出,标准AI模型训练的性能增益目前每年翻两番,而强化学习的增益每三到五个月增加十倍。他预测,到2026年,推理模型的进展可能与整体AI进步趋于一致。
TechCrunch Sessions: AI展示
在TC Sessions: AI预留您的展示空间,向超过1200名决策者展示您的创新,且无需高额费用。截止至5月9日或名额满为止。
TechCrunch Sessions: AI展示
在TC Sessions: AI预留您的展示空间,向超过1200名决策者展示您的创新,且无需高额费用。截止至5月9日或名额满为止。
伯克利,加州 | 6月5日起立即预订Epoch的研究依赖于某些假设,并结合了AI行业领导者的公开声明。研究还指出,推理模型的扩展可能面临计算限制以外的其他障碍,如高昂的研究间接成本。
“持续的研究成本可能限制推理模型的可扩展性,”You解释说。“由于快速计算扩展是其进步的关键因素,这需要密切关注。”
推理模型可能很快达到性能上限的任何迹象都可能在AI行业引起担忧,该行业已对其开发进行了大量投资。研究已表明,这些模型尽管运行成本高昂,但存在显著缺陷,包括比一些传统模型更容易产生不准确的输出。
相关文章
著名的AI专家揭示了旨在替代全球劳动力的有争议的创业公司
硅谷的一家初创公司每隔一段时间都带有一场宣教宣言如此奇怪,以至于很难说它是真实的还是只是在行业中取笑。 Enter Mechanicize,由著名的AI研究员Tamay Besiroglu领导的一项新型企业,在此之后引发了X上的辩论
Chatgpt的能源使用低于预期
来自Openai的聊天机器人Chatgpt可能不是我们认为的能量吉兹勒。但是,根据一项新的研究,非营利性研究小组EPOCH AI在弄清楚Jui多少jui时,它的能源使用量可能会有很大差异。
瑞典人工智能初创公司Lovable Eyes在完成主要融资轮后估值达132亿美元
随着人工智能驱动的编码工具日益普及,瑞典初创公司 Lovable 已获一轮重大融资。该公司计划筹集 30 亿美元,其估值有望升至 132 亿美元——这是去年 12 月记录的 66 亿美元的两倍。预计 Menlo Ventures 将主导此次投资。Lovable 的吸引力源于其核心的“氛围编码”(vibe coding)技术,该技术通过消除对复杂编码技能的需求来简化软件开发。用户只需以自然语言描述其需求,系统即可自动生成应用程序。这种直观的方法吸引了个人开发者、设计师和小企业,并扩展至 Work
相关专题推荐
评论 (7)
0/500
Diese Studie wirft wichtige Fragen auf. Wenn das Wachstum wirklich 2026 stagniert, müssen wir uns fragen: Investieren wir zu viel in immer größere Modelle, statt in effizientere Architekturen? Vielleicht ist das ein Weckruf für die Branche, sich auf andere Aspekte wie Energieverbrauch oder praktische Anwendungen zu konzentrieren. Spannend, wohin die Reise geht! 🤔
Mind-blowing study! If AI reasoning hits a wall by 2026, what’s next? Kinda scary to think we might be maxing out so soon. 😬
This AI plateau talk is wild! If reasoning models hit a wall by 2026, what’s next? Kinda feels like we’re racing to the moon but might run out of fuel. 😅 Curious if this’ll push devs to get creative or just lean harder on hardware.
This AI plateau talk is wild! 🤯 Feels like we’re hitting a tech ceiling already. Wonder if it’s a real limit or just a pause before the next big leap?
非营利AI研究机构Epoch AI的研究表明,AI行业可能很快面临推理AI模型性能显著提升的挑战。报告预测,这些模型的进展可能在未来一年内减缓。
高级推理模型,如OpenAI的o3,近期在AI基准测试中推动了显著改进,特别是在数学和编码任务中。这些模型利用增加的计算能力来提升性能,尽管这通常导致比传统模型更长的处理时间。
推理模型通过在海量数据集上初步训练标准模型,然后通过强化学习提供反馈,以优化其问题解决能力。
根据Epoch的说法,领先的AI实验室,如OpenAI,尚未在推理模型开发的强化学习阶段大量使用计算资源。
这一趋势正在改变。OpenAI透露,其训练o3的计算能力约为前身o1的十倍,Epoch认为其中大部分用于强化学习。OpenAI研究员Dan Roberts最近表示,公司计划进一步优先发展强化学习,可能使用比初始模型训练更多的计算资源。
然而,Epoch指出,强化学习可应用的计算能力存在极限。

Epoch分析师兼研究作者Josh You指出,标准AI模型训练的性能增益目前每年翻两番,而强化学习的增益每三到五个月增加十倍。他预测,到2026年,推理模型的进展可能与整体AI进步趋于一致。
TechCrunch Sessions: AI展示
在TC Sessions: AI预留您的展示空间,向超过1200名决策者展示您的创新,且无需高额费用。截止至5月9日或名额满为止。
TechCrunch Sessions: AI展示
在TC Sessions: AI预留您的展示空间,向超过1200名决策者展示您的创新,且无需高额费用。截止至5月9日或名额满为止。
伯克利,加州 | 6月5日起立即预订Epoch的研究依赖于某些假设,并结合了AI行业领导者的公开声明。研究还指出,推理模型的扩展可能面临计算限制以外的其他障碍,如高昂的研究间接成本。
“持续的研究成本可能限制推理模型的可扩展性,”You解释说。“由于快速计算扩展是其进步的关键因素,这需要密切关注。”
推理模型可能很快达到性能上限的任何迹象都可能在AI行业引起担忧,该行业已对其开发进行了大量投资。研究已表明,这些模型尽管运行成本高昂,但存在显著缺陷,包括比一些传统模型更容易产生不准确的输出。
著名的AI专家揭示了旨在替代全球劳动力的有争议的创业公司
硅谷的一家初创公司每隔一段时间都带有一场宣教宣言如此奇怪,以至于很难说它是真实的还是只是在行业中取笑。 Enter Mechanicize,由著名的AI研究员Tamay Besiroglu领导的一项新型企业,在此之后引发了X上的辩论
Chatgpt的能源使用低于预期
来自Openai的聊天机器人Chatgpt可能不是我们认为的能量吉兹勒。但是,根据一项新的研究,非营利性研究小组EPOCH AI在弄清楚Jui多少jui时,它的能源使用量可能会有很大差异。
瑞典人工智能初创公司Lovable Eyes在完成主要融资轮后估值达132亿美元
随着人工智能驱动的编码工具日益普及,瑞典初创公司 Lovable 已获一轮重大融资。该公司计划筹集 30 亿美元,其估值有望升至 132 亿美元——这是去年 12 月记录的 66 亿美元的两倍。预计 Menlo Ventures 将主导此次投资。Lovable 的吸引力源于其核心的“氛围编码”(vibe coding)技术,该技术通过消除对复杂编码技能的需求来简化软件开发。用户只需以自然语言描述其需求,系统即可自动生成应用程序。这种直观的方法吸引了个人开发者、设计师和小企业,并扩展至 Work
Diese Studie wirft wichtige Fragen auf. Wenn das Wachstum wirklich 2026 stagniert, müssen wir uns fragen: Investieren wir zu viel in immer größere Modelle, statt in effizientere Architekturen? Vielleicht ist das ein Weckruf für die Branche, sich auf andere Aspekte wie Energieverbrauch oder praktische Anwendungen zu konzentrieren. Spannend, wohin die Reise geht! 🤔
Mind-blowing study! If AI reasoning hits a wall by 2026, what’s next? Kinda scary to think we might be maxing out so soon. 😬
This AI plateau talk is wild! If reasoning models hit a wall by 2026, what’s next? Kinda feels like we’re racing to the moon but might run out of fuel. 😅 Curious if this’ll push devs to get creative or just lean harder on hardware.
This AI plateau talk is wild! 🤯 Feels like we’re hitting a tech ceiling already. Wonder if it’s a real limit or just a pause before the next big leap?





首页






