国内 AI 厂商"问小白"近日发布了第四代开源大模型 XBaio4，这款模型在复杂推理能力上实现了重大突破。据官方测试数据显示，XBaio4 在 Medium 模式下的表现已全面超越 OpenAI 的 o3-mini 模型，甚至在部分基准测试中优于 Anthropic 的 ClaudeOpus，成为开源 AI 领域的又一重磅产品。
创新架构: 反思型生成范式重新定义推理模式
XBaio4 的核心亮点在于其独创的"反思型生成范式"（reflectivegenerativeform） 架构。这一设计理念打破了传统大模型的推理局限，将 Long-CoT 强化学习与过程评分学习 (ProcessRewardLearning) 巧妙融合，使单个模型能够同时具备深度推理和高质量推理链路筛选两大核心能力。
传统的大模型在处理复杂问题时，往往需要多个独立模块协同工作，这不仅增加了系统复杂度，还影响了推理效率。XBaio4 通过共享过程评分模型 （PRMs） 和策略模型的主干网络，实现了架构层面的深度整合。这种设计带来的最直观效果是推理速度的大幅提升——过程评分推理耗时降低了 99%，为实际应用场景提供了更强的实用性。
性能表现: 多模式适配不同应用需求
XBaio4 提供了 low、medium、high 三种不同的推理模式，用户可以根据具体需求在推理精度和计算成本之间进行平衡。在多个
在数学推理能力测试 AIME24 和 AIME25 中，XBaio4 的表现尤为突出。这两个测试被认为是衡量 AI 数学推理能力的重要标准，XBaio4 的优异成绩证明了其在复杂逻辑推理方面的强大实力。在编程能力评估 LiveCodeBenchv5 中，该模型同样表现不俗，显示出其在代码理解和生成方面的潜力。
在中文语言理解测试 C-EVAL 中，XBaio4 的表现进一步验证了其在本土化应用方面的优势。这对于国内用户和开发者来说，意味着能够获得更贴合中文语境的 AI 服务体验。
开源策略: 推动行业协同发展
值得关注的是，问小白选择了完全开源的策略，相关的训练和评估代码已在 GitHub 平台公开发布。这一决策不仅体现了公司对技术开放共享的态度，也为整个 AI 行业的发展注入了新的动力。
开源模式的
对于企业用户而言，开源意味着更低的使用成本和更高的定制化自由度。相比于依赖商业 API 服务，企业可以根据自身需求对模型进行调整和部署，避免了数据安全和服务依赖方面的顾虑。
技术意义: 推理能力竞赛进入新阶段
XBaio4 的发布标志着 AI 推理能力竞赛进入了新的发展阶段。反思型生成范式的成功应用，为其他研究团队提供了新的技术路径参考。过程评分学习与强化学习的结合，展示了在复杂推理任务中多技术融合的巨大潜力。
从技术发展趋势来看，XBaio4 所采用的架构设计理念可能会影响未来大模型的发展方向。通过在单一模型中集成多种推理机制，不仅提高了效率，还降低了系统维护的复杂度。这种设计思路对于推动 AI 技术的产业化应用具有重要意义。
挑战与展望
尽管 XBaio4 在多个测试中表现优异，但作为开源模型，其在实际应用中的稳定性和可靠性仍需要更多实践检验。同时，如何在保持推理质量的前提下进一步优化计算资源消耗，也是未来需要持续改进的方向。
随着更多开源高性能推理模型的出现，AI 技术的普及门槛正在不断降低。XBaio4 的发布不仅为国内 AI 产业增添了新的技术选择，也为全球 AI 开源生态贡献了有价值的技术创新。未来，这类高性能开源模型有望在教育、科研、企业应用等多个领域发挥重要作用，推动 AI 技术向更广泛的应用场景渗透。
项目地址：https://github.com/MetaStone-AI/XBai-o4
