十年前，人類教機器「算」；如今，機器開始學會「想」。

OpenAI副總裁Jerry Tworek在一次訪談里，隨口提到一句話：

GPT-5可以自己決定要思考多久。

這句話讓AI圈炸開了鍋。

因為這意味著，AI不再只是被動接收指令的工具，而是開始調控自己的思維節奏。

有的問題，它幾秒就能答出；有的問題，它會「猶豫」、停頓、再推幾步。仿佛第一次擁有了時間感。

而這，可能是從生成答案的機器到真正會思考的智能體之間，最關鍵的一步。

從「算」到「想」

AI也該學會先想再答

當我們向GPT-5提問時，它并不總是最先給出答案。有時，它會停一停，先把內部的邏輯梳理清楚，再做選擇。

這個停頓并非性能拉胯，而是其思考能力成熟的信號：AI不再是盲目輸出，而是在思考要輸出什么、如何輸出最優解。

在Matt Turck的訪談中，Jerry Tworek提出了一個核心觀點：

AI的「推理」，并不是邏輯或數學證明，而是在語言空間中學習搜索與組合模式。

他認為，AI的思考發生在語言的概率空間中。模型在生成每一個詞（token）時，都會進行無數次隱形的比較與判斷，這種語言層面的搜索，構成了它的推理過程。

為讓這種「思考」更易于理解，研究者們在2022年提出了Chain of Thought（思維鏈） 技術。

簡單來說，就是在提示詞中要求模型「一步步思考再回答」，從而顯著提升復雜推理任務的正確率。

GPT-5則在此基礎上更進一步。Tworek提到，GPT-5不僅會展開推理鏈，還能「判斷自己要思考多久」。

我們發現，模型能根據問題的難度動態決定思考時間——難題思考更久，簡單題思考更短。

這意味著，GPT-5的升級不只是推理更強，而是讓機器第一次擁有了時間感。

它會在每一步內部問自己：「要不要再想一想？」、「這一步夠了嗎？」

這種控制思維深度的機制，被研究者稱為Dynamic Reasoning Depth（動態推理深度）。

就像人解數學題，GPT-3可能秒回，GPT-5 卻選擇斟酌：它會先想清思路，再回答問題。

這不是遲緩，而是一種更高層次的克制。

AI的「猶豫」

機器如何學會自己決定思考多久？

在過去的語言模型里，AI的推理都是一口氣完成的。

輸入問題，模型沿著概率最高的路徑一路生成，直到遇到結束符號。

這就像一個不會停下來的學生：無論題目多難，都用同樣的時間、同樣的思維方式作答。

而GPT-5的關鍵進化，是讓機器學會了「猶豫」：它能判斷自己是否「想得夠不夠」，要不要再推幾步。

Jerry Tworek在與Matt Turck的訪談中提到：

我們一直在實驗一種機制，讓模型自己決定要思考多久。你幾乎能看到它在復雜問題上分配更多步驟來推理。

這種機制的原理，與2024年一項研究提出的思路相似。

一篇論文曾提出：模型可以在生成過程中「在線評估」當前答案的置信度，并據此選擇繼續推理或提前終止。

作者在論文中寫道：

模型可以在推理階段自適應地決定推理步數，從而同時提升效率與準確度。

換句話說，GPT-5不是在死記硬背，而是在分配思考預算：它會用更多計算資源處理邏輯鏈更長、變量更多的問題，在較簡單的輸入上則快速收斂。

這樣的「時間自控力」，讓AI從一個被動的應答者，變成了有節奏的思考者。

它不再一次性輸出結果，而是像人一樣先審題，再推理，再決定：「我是不是該再想一想？」

目前，OpenAI內部稱這一思路為Controlled Deliberation（受控思考）。

在實踐中，這種機制不僅提升了復雜任務的正確率，也減少了幻覺的出現，因為模型有更多機會在中間步驟中自我驗證。

根據2024年OpenAI的一份技術備忘錄，這種動態推理模型在數學與邏輯類benchmark上的平均準確率提升了約18%。

當我們重新看向GPT-5的「猶豫」，會發現那其實是一種成熟。

它不再追求立刻回答，而是學會了——在正確之前，先想清楚。

從o1到GPT-5

OpenAI如何教出一臺會思考的機器？

如果說GPT-5的猶豫是它的新能力，那么這場蛻變的起點，來自OpenAI內部的一系列試驗模型。

在訪談中，Jerry Tworek首次公開提到一個很少見的版本序列：O1→O3→GPT-5。

這不是單純的命名升級，而是一條清晰的演化線——每一代，都在回答一個問題：機器能不能更好地「想」？

Tworek解釋道：

o1是我們第一次看到模型真正展現出推理能力的時候。o3讓它能更穩定地使用中間步驟，而GPT-5則讓整個思考過程變得可控。

這一演化路徑，代表著 OpenAI在「讓模型思考」這件事上從啟蒙到自覺的過程：

• o1階段：模型開始顯露出零星的推理跡象，能夠在算術、邏輯題中表現出超出「模仿」層面的理解。
• o3階段：通過強化學習和思維鏈優化，模型能更系統地展開中間步驟，不再輕易跳步或遺忘關鍵邏輯。
• GPT-5階段：引入「動態推理深度控制」，讓模型在推理過程中具備時間自我管理的能力。

從技術角度看，GPT-5很可能使用了一種結合Reinforcement Learning with Deliberation (RLD) 的框架，即在訓練階段為模型引入獎勵信號，不僅評估「答對沒」，還評估「思考得好不好」。

在這方面，一篇具有代表性的論文——Let’s Verify Step by Step提出了「過程監督（process supervision）」的概念。

論文指出：

在具有挑戰性的MATH數據集上，用過程監督訓練模型，顯著優于只監督最終結果的方法。

OpenAI此后也在官方博客中多次提到，他們正在探索利用「中間步驟獎勵」來改進推理模型的訓練，以減少幻覺并增強模型在數學和邏輯任務上的可靠性。

從o1的「會想」，到o3的「想得穩」，再到GPT-5的「懂得停」， OpenAI完成了一次看似微小卻決定性的飛躍：

智能，不只是計算力，更是對思考過程的調控力。

機器的耐心，人類的焦慮

GPT-5的進化，讓機器第一次學會了慢下來。

它不再以最快速度給出答案，而是懂得分配推理時間、驗證中間步驟、再謹慎地輸出結果。

這種「克制」，在技術語境中被稱作Controlled Deliberation（受控思考）。

換句話說，AI越能「克制」，越能「正確」。這是一種與人類思維截然相反的進化路徑。

在我們的時代，一切都在追求快：即時通訊、即時反饋、即時決策。

人類的思維越來越依賴短線反應，而機器卻在被訓練得越來越耐心。

OpenAI的研究人員在博客中寫道：

思考步數越多的模型往往更準確，但我們也必須教它們——何時該停下。

這句話更像是在對人類說的。我們同樣被效率困住，卻忘了「停下」也是一種智慧。

當AI開始擁有思考時間的自我管理能力，它反而比我們更像人。

它懂得在復雜中沉默，在不確定中思索，而我們則在碎片化中一次次打斷自己的思考。

有人將這種變化稱為「耐心的反轉」：

機器在學會慢，而人類卻越來越快。

也許有一天，我們不再問「AI什么時候比人聰明」，而是會開始反思——我們是不是還配得上「思考」這個詞。

從o1的稚嫩，到o3的沉穩，再到GPT-5的自控，OpenAI用十年時間，讓一臺機器學會了「慢」。

它不再只是追求速度的算子，而是一個有節奏的思考者。

它能判斷問題的復雜度，分配自己的「思考預算」，甚至懂得在恰當的時刻停下。

而這一切的背后，是人類第一次教出了一種懂得克制的智能。

也許，這才是真正的「推理」起點。

當機器在追求「想得更清楚」，而我們忙著「做得更快」，

那一刻，AI 不再只是鏡像我們的理性，它反而照出了我們早已遺忘的耐心。

人類讓機器思考，最后被提醒的，可能正是——如何去想。