开源大模型领域迎来新突破。「问小白」 正式发布其第四代开源模型 XBaio4，该模型在复杂推理能力上表现卓越，其 Medium 模式已全面超越 OpenAIo3-mini，并在部分基准测试中优于 AnthropicClaudeOpus。
XBaio4 引入了创新的 「反思型生成范式」，通过结合 Long-CoT 强化学习和过程评分学习，实现了深度推理和高效推理链路筛选，同时显著降低了推理成本。
技术突破: 独创 「反思型生成范式」
XBaio4 的核心创新在于其独有的 「反思型生成范式」（reflectivegenerativeform）。这一范式将 Long-CoT 强化学习与过程评分学习（ProcessRewardLearning） 相结合，使得单个模型能够同时完成两个关键任务:
-
深度推理: 像人类一样进行多步骤的复杂思考。
-
高质量推理链路筛选: 能够评估和选择
最优的推理路径。
更值得关注的是，XBaio4 通过共享过程评分模型 （PRMs） 和策略模型的主干网络，将过程评分的推理耗时降低了 99%。这一优化大幅提升了模型的运行效率，为实际应用提供了坚实基础。
性能卓越: 多基准测试领先
XBaio4 模型提供了三种模式 （low、medium、high），以适应不同复杂度的任务需求。在多项关键基准测试中，其强大性能得到了充分验证:
-
在 Medium 模式下，XBaio4 全面超越了 OpenAI 的 o3-mini 模型。
-
在部分基准测试中，其表现甚至优于 Anthropic 的 ClaudeOpus。
-
该模型在 AIME24、AIME25、LiveCodeBenchv5、C-EVAL 等多个测试中均展现出卓越的推理能力。
「问小白」 已在 GitHub 上开源了相关的训练和评估代码，这不仅为 AI 研究社区提供了宝贵的资源，也预示着开源大模型在复杂推理领域的竞争力正在迅速增强。
地址:https://github.com/MetaStone-AI/XBai-o4
