北京
5 月 29 日，InfoQ 研究中心正式对外发布了《推理模型综合测评报告 2025》。在报告中，InfoQ 研究中心通过五大维度（逻辑推理、数学推理、多步推理、语言推理、幻觉控制），五大题型（判断、选择、填空、排序、开放题）的 300 道测试题组成的题库，对现有的八家主流推理模型进行了全面测评。
推理模型综合测评体系说明
在报告中，我们也对各个维度不同模型的表现进行了总结，o3 在数学推理和多步推理两项位居榜首，文心 X1 Turbo 则在幻觉控制和语言推理两项位居第一，Qwen3-235B-A22B 在逻辑推理维度表现最佳。
评测各维度 Top5 模型得分情况
而除了以上关于测评的内容，报告还对推理模型的两大技术前置因素，以及近期推理模型的一些变化趋势进行了整理和总结，以帮助广大开发者更好地推理模型的前世今生和未来走向。更多内容也欢迎各位读者点击「阅读原文」，下载完整报告进行阅读。
为了更好的向各位开发者朋友展现报告内容和测评结果，InfoQ 研究中心专门针对报告，设置了一场直播活动。在本次直播中，InfoQ 研究中心高级分析师崔白洁也将深入解读本次测评体系的设计思路，欢迎各位开发者伙伴点击文中「预约」按钮，锁定 6 月 6 日 20:00 的报告专场直播活动，获取直播提醒。
直播介绍
直播主题
大模型的新战场在推理？
——《推理模型综合测评报告 2025》深度解析
6 月 6 日 20:00-20:50
直播亮点
从两大技术前置因素出发，盘点推理模型的前世今生
300 道测试题实测 8 大主流推理模型，关键结果解读
三大方向，讨论推理模型的未来会走向何方？
直播观看渠道
点击下方「预约」按钮，预约 InfoQ 视频号直播
提问 / 互动方式
文末留言写下问题，或在直播中直接评论，主持人会在直播的 Q&A 环节进行集中解答。
特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
