AI圈子最有意思的事，已经不是"谁家模型参数最多"，而是——谁家小模型，能把大模型打趴下。 最近，微软研究院开源了一款"小而强"的研究：Phi-4-reasoning-plus。这是一款专为深度结构化推理任务设计的开源语言模型。 14B参数，不到DeepSeek 70B的五分之一，但数学、科学、代码、逻辑推理的表现，都比较能打。 在AIME 2025数学考试上，14B的小模型，第一次尝试的全题正确率，居然干过了70B的精炼大块头，甚至快摸到DeepSeek 671B的脚后跟。 微软团队用一串"推理链"打破了常规，让AI学会慢下来、啰嗦一点、反复琢 磨、允许自己犯错，主要体现在： 推理链（Chain-of-Thought）成为核心训练目标 。不是像传统大模型那样直接给出答案，而是专门训练模型写"推理过程"；在训练数据和输出里，强制要 求模型用...标签，把自己的思考、分步推理、反复验证详细写出来。这种推理链往往很"啰嗦"：不是一句话解决问题，而是像人类一样， 细致分解、逐步排查。 鼓励"慢思考"，奖励啰嗦的推理过程。 在RL（强化学习）阶段，奖励机制被专门设计成：答错时鼓励更长推理链，答对时鼓励简洁；只要模型没 ...