苹果近日发表了一篇研究论文，称推理模型全都没真正思考，无论DeepSeek、o3-mini还是Claude 3.7都只是另一种形式的 “ 模式匹配 ”，所谓思考只是一种假象。

苹果团队认为，现有评估主要集中在既定的数学和编码基准上，看模型最终答案是否正确，但可能存在模型训练时见过类似题目。