近日，Apple 机器学习研究团队发布了一篇名为《思考的幻觉（The Illusion of Thinking）》的论文。 苹果的要求也很苛刻：不仅要给出正确答案，还得用"思维链"的方式，把解题的每一步都写出来。 结果呢？ 正如苹果所料，随着谜题越来越难，所有顶尖推理模型的准确率都直线下滑。在最复杂的任务面前，性能直接崩盘，准确率归零。 这篇 53 页的技术报告并非普通评测，而是一记质疑当下主流 LLM 推理能力的重锤。 研究者们指出，OpenAI 的"o"系列、Google 的 Gemini 2.5、以及 DeepSeek-R 等所谓"推理型大模型"，本质上并没有从训练数据中学习到可泛化的第一性 原理。 他们用了四个经典问题来证明这一观点：汉诺塔（Tower of Hanoi）、积木世界（Blocks World）、过河问题（River Crossing）和跳棋（Checkers Jumping）。 图注：四类经典问题的示意图。 这些任务的特点是，可以通过增加步骤和限制条件，让难度指数级飙升，极其考验模型的长链条逻辑规划能力。 这篇论文在X（推特）上被疯狂转发，很多人上来就直接宣判："苹果已经证明了，像Cl ...