一个只有27M参数的小模型，在推理任务上击败了OpenAI的o3-mini-high。
这不是开玩笑——
刚刚，清华大学的研究团队发布了一篇可能改变AI发展方向的论文，展示了他们的Hierarchical Reasoning Model（层次推理模型，简称HRM）如何用极少的参数和训练样本，在复杂推理任务上取得了令人震惊的成绩。
仅用1000个训练样本，这个27M参数的模型在ARC-AGI（一个测试AI通用智能的基准）上达到了40.3%的准确率，超过了o3-mini-high的34.5%和Claude 3.7的21.2%。
更疯狂的是，在极难的数独和30×30迷宫寻路任务上，HRM接近完美解决，而所有基于Chain-of-Thought的大模型全军覆没，0%准确率。
注意，是全军覆没。
硅谷知名投资人Deedy(@deedydas)直接称这是「AI领域最重要的论文之一」：
还是不敢相信这个清华毕业生的小实验室用40%的准确率解决了ARC-AGI，还能解决困难的数独和迷宫。我们还处在非常早期的阶段。
什么是ARC-AGI？
在解释这个突破之前，我还是先来介绍下什么是ARC-AGI。
（了解的朋友可以直接跳过）
ARC-AGI是一个专门设计来测试AI「真正智能」的测试集。它包含各种类似智商测试的谜题，要求AI从仅仅2-3个例子中提取和概括抽象规则。
想象一下，给你看几个<输入，输出>的网格对，比如输入是一个3×3的网格，有些格子是蓝色，输出是同样的网格，但所有蓝色格子都向右移动了一格。
然后给你一个新的输入网格，你需要推理出正确的输出。
这样的题目对正常的人类来说，可以说是相单简单轻而易举（不会做的需要自行反思去吧），但对AI来说极其困难，因为它需要真正的「理解」和「推理」，而不是简单的模式匹配。
模仿大脑的秘密
HRM的核心创新在于其模仿人脑的层次化处理结构。
这里让我用一个简单的比喻来解释。
想象你在解一道复杂的数学题。你的大脑会同时进行两种思考：
-
高层思考「我应该先求什么，再求什么」（整体策略）
-
低层思考「3×7等于21」（具体计算）
HRM正是模仿了这种机制，包含两个相互配合的模块。
高层模块像一个总指挥，负责制定整体策略，思考速度较慢。低层模块像一个执行者，负责快速完成具体计算。
这两个模块以不同的「节奏」工作——
低层模块快速运转多次后，高层模块才更新一次，就像你在做具体计算时，整体策略不会一直变化。
打破Transformer天花板
为方便理解HRM的突破性，这里对比一下当前主流的Transformer架构（ChatGPT、Claude、DeepSeek等模型都是基于该架构）：
Transformer就像一个流水线，数据只能经过固定数量的处理步骤，每个词都分配相同的计算资源，无论简单还是复杂。
它需要把推理过程写成文字，一步步说出来（Chain-of-Thought的思维链）。
而HRM可以根据问题难度调整思考时间，在「脑海中」完成推理，不需要写出每一步。
高层制定策略，低层执行细节，真正实现了分工合作。
上图清楚地显示了差异：在解决极难数独时，增加Transformer的宽度（参数量）毫无帮助，而增加深度才有用。但标准架构会「饱和」——再深也没用了。HRM则完美利用了增加的深度。
网友直呼太野
看到这个论文的网友都震惊了。
Capx AI(@0xCapx)直接称太野了：
只有27M参数？太野了（wild）。
jason(@jasonth0)点赞感叹道：
这就是为什么我从来不相信「更大的模型=更好」的炒作……想象一下当他们扩展这个架构时会发生什么，效率可能会把当前的基准测试炸飞。
Maya Chen(@mayacfounder)给出高度评价：
这就是精益的样子。27M参数击败了建立在数十亿美元和万亿token数据集上的巨头。每个在超大型AI基础设施上烧钱的B2B创始人都应该研究这个。有时突破来自约束，而不是资本。
Causal Coder(@CausalCoder)发言犀利称这是个巨大的警钟：
等人们意识到这意味着大多数前沿实验室一直在错误的方向上扩展。27M参数击败大1000倍的模型应该是一个巨大的警钟。
Narasimha R N(@NarasimhaRN5)表示终于看到了新希望：
这感觉就像魔法来到了街头。一个小团队用小模型做到了大实验室才能做的事，这表明AI不再只属于富人或权贵。任何有头脑和信念的人现在都可以构建。车库天才的时代回来了，这一次，它会思考。
革命性训练方法
HRM的另一个重要创新是训练方法。
传统的循环神经网络需要「时间反向传播」（BPTT），就像你要记住整个思考过程的每一步，然后倒着回溯——这需要大量内存。
HRM提出了一步梯度近似，只需要记住最后的结果就行：
这不仅更高效，还更接近大脑的工作方式——
人类的真实大脑，并不会完整记录和回放整个思考过程。
会调节思考速度的AI
心理学家丹尼尔·卡尼曼提出人类有两种思考系统：
-
系统1是快速、直觉式（看到2+2立即知道等于4）
-
系统2是缓慢、深思熟虑（计算17×23需要思考）
HRM实现了类似的机制：
通过自适应计算时间（ACT），模型学会了简单问题快速解决，复杂问题自动分配更多思考时间。
更神奇的是，它在推理时还能「加时思考」——
训练时最多思考8步的模型，推理时可以思考16步，准确率继续提升。
这就像学生时候的你，平时做个简单题最多也就花个10分钟，但考试时遇到难题可能得花20分钟，而且一通死磕后，还真的能给做出来。
思考过程展示
研究团队展示了HRM解决问题时的思考过程：
在解迷宫时，HRM像人类一样先同时探索多条可能的路径，排除死路和低效路线，构建初步方案，然后反复优化直到找到最优解。
在解数独时，它采用类似「试错法」——
尝试填入数字，发现矛盾就回退，尝试其他可能性。
这种「内部思考」过程完全不需要像ChatGPT那样把每一步都说出来。
它真的在用脑「思考」，而不是在用嘴「说话」。
像大脑一样组织信息
最值得注意的是，HRM展现出了与真实大脑相似的组织结构：
研究发现，低层模块的「思维空间」维度是30.22，高层模块的「思维空间」维度是89.95，比率约2.98。
这个比率与小鼠大脑皮层的测量值（约2.25）惊人地接近！
这意味着HRM自发地学会了像大脑一样组织信息——
高层次的抽象思考需要更大的「思维空间」，而具体执行只需要较小的空间。
论文中称，没有人教它这么做，它自己学会了。
这……太疯狂了……
新架构下的Aha Moment 啊！
小模型的逆袭
网友Aditya(@AadityaOnX)送上了幽默评论：
O3-mini在这里做俯卧撑，而一个27M的脑细胞模型走过去解决了迷宫。场面太尴尬了。
Karim Chaanine(@BrandGrowthOS)直言：
这是每个人都在忽视的效率突破。27M参数对比数十亿参数模型，它在推理上获胜？这改变了生产部署的一切。Mario可以在基础硬件上本地运行这个，而不是烧API积分。
这项研究来自清华大学和新加坡的Sapient Intelligence团队，已经开源在GitHub上。
很不Close AI.
当整个LLM 行业都在追求更大更猛更多数据和算力中心的大大大大模型时，这个小模型用20瓦功率告诉我们：
当我们真正理解并模仿大脑的计算原理时，是真可能会带来效率的极大飞跃。
此处必须得送上Yann LeCun先前放出的两句暴论：
暴论一：当前的大语言模型甚至不如一只猫聪明。
暴论二：不要再研究LLM 了！
没准此时的Yann LeCun：谁想打我脸来着？
可能还有老黄：……？？？
看完，我想，最优雅的解决方案往往不是大力堆砌和浪费计算资源，而是来自理解问题的真正本质。
当一件事不那么对劲之时，往往它可能就真的不对劲。
Transformer 架构极大地提升了人工智能的能力，但随着GPT-5难产，Claude 5 久久未出，DeepSeek R2 也暂无消息，大模型们似乎正纷纷撞墙——
这次的研究，让我们再次看到了新的希望。
也许，我们一直在用蛮力解决本该用智慧解决的问题。
可以确定的是，通向AGI的路必然不是更多的参数，而是更好的架构。
毕竟，爱因斯坦的大脑也只有1.23公斤。
论文地址: https://arxiv.org/pdf/2506.21734
[2]开源代码: https://github.com/sapientinc/HRM
（文：AGI Hunt）