{"id":"mb-20261018-5bf776","kind":"deep","title":"单次提问推演一个月：Sergey Brin 揭秘 Gemini 百万 token 背后的长推理革命","summary":"过去大模型比拼几百毫秒的秒回速度，但真正的科学难题需要数周试错。Sergey Brin 透露 Gemini 正在拓展百万 token 输出容量，让 AI 拥有在后台推演、打草稿与自我纠错的推理耐力，将单次请求转化为相当于人类专家一个月的思考量。","body":"让 AI 解一道难题，它在后台自己推演了整整一个月。\n\n平时我们用大模型，习惯了什么节奏？\n打一行字，按回车。\n两秒钟后，光标开始往外吐字。\n答得越快，显得越聪明。\n要是哪次它卡了十秒钟，大家第一反应都是网络掉了。\n\n但 Google 联合创始人 Sergey Brin 最近聊到 Gemini，抛出了一个完全相反的逻辑：\n真正有价值的难题，两秒钟根本搞不定。\n\n比如顶级的数学猜想，或者上百万行底层代码的系统重构。\n一个顶尖的人类专家坐在桌前，得查资料、列公式、推翻假设。\n草稿纸写满几十页，死胡同撞上百次。\n折腾几个星期甚至一个月，才能摸出一条可行的路。\n\n以前的大模型没有这个耐心。\n你提一个问题，它立刻按概率往下蹦词。\n中间没有打草稿的过程。\n第一步如果想偏了，后面只能顺着错误一路编下去。\n这就像让一个人参加数学奥赛，不给草稿纸，也不准停下来思考，必须张嘴直接报答案。\n能做对反倒是运气。\n\nGemini 现在做的事情，是把单次请求的输出空间，推到一百万个 token。\n一百万个 token 是什么概念？\n一本大部头中文小说，大概三十到四十万字。\n一百万 token，相当于三四本书的文字量。\n这一百万字不用全展示给用户，它大部分写在模型自己的草稿纸上。\n\n拿到一道复杂问题，它先建立假设。\n推到第五步发现逻辑有漏洞，自己打个叉，退回去重新选路。\n试到第十步缺个定理，自己调用工具验证补充。\n在后台推演成千上万步，甚至连续运算好几天。\n最后端到你面前的，可能只有两页纸的精简解答。\n但背后消耗的，已经是相当于一个人类研究员整整一个月的思考过程。\n\n以前整个行业都在卷响应延迟，比谁能在几百毫秒内吐出第一个字。\n以后的分水岭可能会掉个头：\n比谁能在后台坐更久的冷板凳。\n不急着秒回，肯在黑暗里试错一万次，直到把硬骨头啃下来。\n这种推理耐力，才是复杂问题真正被解开的开端。","topic":"单次提问推演一个月：Sergey Brin 揭秘 Gemini 百万 token 背后的长推理革命","frame_type":["机制"],"citations":[],"channel_note":"","identity_notice":"","source_type":"generated","status":"published","generated_at":"2026-10-18 14:04:00","legal_anchor_count":0,"transcript_citation_count":0}