從提示到被訓練出來的推理
思維鏈提示是從一個通用模型身上「哄」出推理。推理模型（reasoning models）更進一步：它們被刻意訓練在回答前先產生長長的內部思維鏈，通常用一種獎勵「答對最終答案」的強化學習（reinforcement learning）。模型不只是在模仿範例——它被最佳化去把題目做對，於是它自己發現：想久一點是有幫助的。
看得見的效果很驚人：問推理模型一道困難的數學或程式題，它可能會「思考」好幾秒，吐出數百到數千個字的私下工作過程，最後才給一個簡短的答案。那些工作過程的字，本質上仍是普通的思維鏈——只是量大得多，而且是訓練出來的，不是提示出來的。
一個迴圈：每生成一個詞元就回饋回去以產生下一個，逐步建構長鏈思考。
在回答時花運算
這正是測試時運算（test-time compute）的核心：即使模型權重固定，你也能用回答當下的額外運算去換取更高的正確率。更長的思維鏈、好幾次取樣的嘗試、一次明確的搜尋——這些都讓每道題花更多運算，並且通常能提升困難任務上的表現。它把「能力」重新定義成你可以在推論時調高的東西，而不只是訓練時烤進去的東西。
其中一個特別乾淨的版本是推論時搜尋（inference-time search）：產生許多候選解或許多部分步驟，替它們評分，留下最好的——這是疊在生成之上的「N 選最佳」或集束（beam）式搜尋。模型變成了提案者；由一個評分器決定哪些提案存活。
一棵可互動的搜尋樹，分叉出候選的下一步並擴展得分最高的節點。
檢查自己的作業
搜尋需要一個評分器，而其中一個強力的評分來源就是模型自己。自我驗證（self-verification）讓模型檢視一個候選答案、判斷它是否正確——重新推導一次結果、把解代回原方程式，或評點一份草稿。驗證往往比求解容易，這正是它有幫助的原因：一個較弱的檢查，仍能從一個強力提案者產出的眾多錯誤答案中濾掉許多。
推論運算 vs 訓練運算
這在策略上為何重要？多年來，造出更好模型的主要槓桿是訓練：更多參數、更多資料。測試時運算開啟了第二根槓桿——推論運算的擴展（inference-compute scaling）。實證上，讓一個固定的模型想久一點，能沿著它自己的曲線提升正確率，有時甚至追平一個大得多的模型給出簡短答案的水準。這兩根槓桿之間的取捨，就是推論 vs 訓練運算的研究主題。
一張對數-對數圖，損失隨計算量增加而下降，展示增加計算帶來的可預測收益。
實務後果是：長時間思考不是免費的。每個推理用的字都要花錢、增加延遲。真正的本事是把投入對齊難度——簡單的查詢就用快速的直接回答，把深度的測試時運算留給那些真正困難、正確率的提升足以抵掉等待的題目。