Test-Time Compute 缩放模拟器
体验推理时计算缩放——推理预算沙盘 · 三大缩放定律对比 · Overthinking 探测器
🔬 2026 推理范式全景——Latent Reasoning (Huginn) / Abstract-CoT (IBM) / COCONUT (Meta) / Chain-of-Thought 四范式并排可视化，体验「AI 思考方式」的根本变革
推理深度3
Token 消耗
CoT ≫ Abstract > Latent = COCONUT
CoT 每步都落显式 token；Latent / COCONUT 在隐空间推进，不产生可读 token
延迟
CoT ≫ COCONUT > Latent > Abstract
CoT 串行自回归最慢；Latent 可并行展开多条路径，牺牲可读性换时延
可解释性
CoT > Abstract ≫ COCONUT > Latent
可读性与效率此消彼长——压缩推理的代价是失去可审计的思维链
📊 推理范式四维对比（同一道题）
| 维度 | Chain-of-Thought | Latent Reasoning | Abstract-CoT | COCONUT |
|---|---|---|---|---|
| Token 消耗 | 1671 | 0 | 144 | 0 |
| 推理延迟 | 高 | 中 | 低 | 中 |
| 准确率 | 最高 | 3.5B→50B | -1.8% | +并行 |
| 可解释性 | 完全可读 | 黑盒 | 部分可读 | 黑盒 |
| 关键论文 | Wei et al. 2022 | NeurIPS 2026 | IBM 2026-04 | Meta 2026 |
Chain-of-Thought360t
Latent Reasoning隐空间
Abstract-CoT30t
COCONUT隐空间
🧬 新范式
Latent Reasoning (NeurIPS 2026, 221 cites)：3.5B 参数达 50B 性能，零 token 输出
📊 趋势
推理计算占 AI 总计算比例：2025 年 50% → 2026 年 67%（Epoch AI 估算）
📖 关键论文
Snell 2025 / Plan-and-Budget ICLR 2026 / Chen 2026 Overthinking / Abstract-CoT IBM 2026