前阿里千问技术负责人林俊旸离职后发表长文，明确指出 AI 大模型的发展路线正在经历重大跨越，核心竞争焦点正从“推理型思考（Reasoning Thinking）”全面转向“智能体思考（Agentic Thinking）”。
文章复盘了以 OpenAI o1 和 DeepSeek-R1 为代表的第一波推理模型浪潮，指出这标志着行业从扩大预训练规模，正式步入扩大强化学习（RL）后训练规模的新阶段，数学与代码等可验证领域成为优化模型正确性的核心试金石。
林俊旸在文中深度剖析了行业内尝试“融合思考与指令模式”所面临的落地困境。他透露，千问团队曾试图通过 Qwen3 打造支持混合思考模式的系统，但在实际推进中发现，指令模型追求极简与低延迟，而思考模型需要消耗大量 Token 进行复杂推演，两者在数据分布和行为目标上存在根本冲突。若数据筛选不当，强行融合往往会导致模型在两端表现平庸。基于商业客户对高吞吐量和低成本的真实需求，Qwen 在后续的 2507 版本中选择推出了分离的 30B 和 235B 指令与思考变体。与之形成对比的是，Anthropic 和 DeepSeek 等厂商则继续在统合推理与工具调用的混合架构上进行探索。
针对下一阶段的技术演进，林俊旸断言，单纯延长模型内部推理轨迹的时代即将过去，未来的主导将是在与环境交互中持续迭代计划的智能体思考。他指出，智能体强化学习（Agentic RL）彻底改变了原有的技术栈要求，训练与推理必须实现更纯粹的解耦。随着大模型获得搜索、代码执行等工具权限，防范奖励作弊（Reward Hacking）将成为极其危险的挑战。未来的行业护城河将不再局限于算法本身，而是转移至高质量环境设计、防作弊协议以及多智能体协同编排等系统工程能力上。
