“問小白”發布第四代開源大模型 XBai o4

　　開源大模型領域迎來新突破。“問小白”正式發布其第四代開源模型 XBai o4，該模型在復雜推理能力上表現卓越，其 Medium 模式已全面超越 OpenAI o3-mini，并在部分基準測試中優于 Anthropic Claude Opus。

　　XBai o4引入了創新的“反思型生成范式”，通過結合 Long-CoT 強化學習和過程評分學習，實現了深度推理和高效推理鏈路篩選，同時顯著降低了推理成本。

　　技術突破:獨創“反思型生成范式”

　　XBai o4的核心創新在于其獨有的“反思型生成范式”（reflective generative form）。這一范式將 Long-CoT 強化學習與過程評分學習（Process Reward Learning）相結合，使得單個模型能夠同時完成兩個關鍵任務:

　　深度推理: 像人類一樣進行多步驟的復雜思考。

　　高質量推理鏈路篩選: 能夠評估和選擇最優的推理路徑。

　　更值得關注的是，XBai o4通過共享過程評分模型（PRMs）和策略模型的主干網絡，將 過程評分的推理耗時降低了99%。這一優化大幅提升了模型的運行效率，為實際應用提供了堅實基礎。

　　性能卓越:多基準測試領先

　　XBai o4模型提供了三種模式（low、medium、high），以適應不同復雜度的任務需求。在多項關鍵基準測試中，其強大性能得到了充分驗證:

　　在 Medium 模式下，XBai o4全面超越了 OpenAI 的 o3-mini 模型。

　　在部分基準測試中，其表現甚至優于 Anthropic 的 Claude Opus。

　　該模型在 AIME24、AIME25、LiveCodeBench v5、C-EVAL 等多個測試中均展現出卓越的推理能力。

　　“問小白”已在 GitHub 上開源了相關的訓練和評估代碼，這不僅為 AI 研究社區提供了寶貴的資源，也預示著開源大模型在復雜推理領域的競爭力正在迅速增強。