小记：学会偷懒的AI，才是真智能
近日，快手Kwaipilot团队开源了KwaiCoder-AutoThink-preview自动思考大模型。这可不是一般的模型，堪称DeepSeek-V3 & R1合体，专门解决AI的过度思考问题。
如今，很多科技公司都在拼模型的参数量和上下文长度，但快手却走了另一条路。让AI学会了“该思考时思考，该躺平时躺平”，个人觉得它会给大模型发展带来新的方向。
⋯ ⋯
大家有没有遇到过这样的情况，问AI一个特别简单的问题，回答却是无关紧要的。
比如“1+1等于几”，它却给你写了一大屏的推理过程。或者让你补全一段简单的代码，它却写了一大段不必要的注释。再或者问一个基础概念，它却给你生成了一篇长篇大论的论文。
这些都是AI过度思考的体现，不管问题难不难，AI都习惯性地开启深度推理模式。
快手的技术团队发现过度思考不仅浪费计算资源，还会让错误率上升。而且，随着大模型越来越复杂，这个问题也越来越严重。
在数学题里，简单的加减法被搞得特别复杂；在代码生成里，简单的API调用被写成冗长的代码；在知识问答里，直接回答问题变成了堆砌知识。当大家都忙着比谁的模型更大时，快手却发现了这个被忽视的效率问题。
⋯ ⋯
快慢双模的智能切换很关键，KwaiCoder-AutoThink的核心突破就是实现了双模思考。
快思考模式下，遇到简单问题，直接给出答案，不浪费时间。慢思考模式下，遇到复杂问题，再启动深度推理，确保答案准确。
神奇的是，这个模型能自己判断什么时候该用哪种模式。根据技术报告，在数学和代码任务中，开启自动思考模式后，性能提升了20分。就算不开启这个模式，因为底层推理优化，性能也有小幅提升。
实现这个能力的关键是团队创新的Step-SRPO强化学习框架，它的训练过程分三步。
• 阶段一：
模式分化，用一些特殊提示（比如省略号）引导模型分出快慢两种思维路径，先建立基础的模式切换能力。
• 阶段二：
能力强化，分别优化快思考和慢思考模式下的回答质量，让两种模式都能达到最佳效果。
• 阶段三：
路径精炼，把慢思考的思维链压缩，让它更聚焦；同时提高模式选择的精度，让切换更精准。
以上的训练方式需要很高的技术平衡能力，既要让“快思考”不草率，又要让“慢思考”不臃肿。最终效果很惊艳：处理简单问题时，响应速度提升了3-5倍。处理复杂问题时，排除干扰思维后，推理准确率反而提高了。
⋯ ⋯
AutoThink的成功其实延续了快手Kwaipilot团队一贯的高效益路线，也是低成本秘诀。
• 2024年12月：开源了OASIS代码嵌入模型，只用了5M数据，就在代码搜索任务中超过了OpenAI；
• 2025年1月：发布了KwaiCoder-23B，用1/30的成本训练出了SOTA级别的代码模型；
• 2025年4月：推出了SRPO强化学习框架，只用1/10的训练步数就复现了DeepSeek-R1的数学能力。
技术积累的延续性揭示了快手的独特研发哲学，当大家都痴迷于数据量和参数规模时，他们更关注算法效率和知识密度的提升。
AutoThink就是技术哲学的集大成者，通过优化思维路径，而不是堆砌参数，实现了质的飞跃。就像团队负责人说的：“让模型学会不做啥，比让它能做啥更难能可贵。”
AutoThink的发布，我认为是大模型发展路径一个重要转折点。
（一）当GPT-5、Claude-3都在朝着万亿参数迈进时，快手证明了优化推理效率可以带来更显著的性能提升，为中小机构开辟了一条新赛道。
（二）通用能力到场景智能过程中，模型针对数学、编程等专业场景优化了思考模式，标志着大模型正从“通才”向“专才”转变。
（三）黑盒模型到透明过程中，思考路径的自主切换让模型的决策过程变得可解释，为解决AI黑箱问题提供了新思路。
随着AutoThink开源，它的技术应用范围也会超出代码生成领域。
⋯ ⋯
• 智能客服场景：简单问题秒回，复杂问题深度处理，资源消耗降低40%以上；
• 教育领域：根据学生水平调节讲解深度，构建个性化学习路径；
• 视频创作：简单镜头快速生成，复杂运镜精细推演；
• 医疗诊断：常规症状快速筛查，疑难病症深度推理，优化诊断资源分配。
有意思的是，AutoThink的技术路径和诺贝尔奖得主卡尼曼在《思考，快与慢》中提到的人类认知双系统理论很像。
⋯ ⋯
AI模型开始学会直觉和深思的平衡，我们不得不开始新的思考方式。
模型新能力是不是比堆砌万亿参数的全能模型，更接近真正的智能。当模型学会战略性偷懒，是不是意味着机器智能离人类智慧又近了一步？
快手团队在技术报告里提到，下一步要给模型赋予思考中使用工具的能力。当自动思考遇上工具调用，人机协作的新范式可能就要开启了。
KwaiCoder-AutoThink的开源特别有意义，在大模型赛道竞争这么激烈的时候，快手选择开放核心技术，会推动整个行业突破资源内卷的困境。
大模型的思考经济学中，用最小的计算成本获得最优的输出，比任何参数突破都更有革命性。当模型学会在快慢思考之间优雅切换时，它不仅是技术突破，更是机器智能向智慧蜕变的曙光。未来的AI王者，不是算力最强的，而是思考最巧妙的。
（文：陳寳）