回怼苹果“思维的幻觉”的反驳稿，作者栏里写着 Claude Opus：它到底驳倒了什么？
配图：AI 生成的概念示意图，非论文原图或实验数据。
TL;DR：2025 年 6 月，苹果研究者发表《The Illusion of Thinking》，称推理模型在复杂谜题上会“准确率崩溃”。几天后，一篇题为《The Illusion of the Illusion of Thinking》的评论在 arXiv 出现，指出苹果的实验设计有硬伤，据报道最初的署名里还带着 Claude Opus。已确立的是：它点出的几个实验问题（输出长度上限、无解题目）站得住；没确立的是“推理模型其实没有任何局限”，作者本人后来也表示这篇稿子最初带有玩笑性质。
这件事发生在 2025 年 6 月，不是今天的新闻。
背景。苹果那篇论文用汉诺塔、过河等可调难度的谜题测试推理模型，结论是复杂度超过某个阈值后，模型准确率会跌到接近零，因此所谓“思考”可能只是一种幻觉。论文在社交媒体上引发了激烈争论。
反驳稿做了什么。arXiv:2506.09250 的现版本（v1 于 2025 年 6 月 10 日提交，6 月 16 日有修订）列出的作者是 Alex Lawsen，一位 Open Philanthropy 的研究者。多家媒体报道，这篇稿子曾以“Claude Opus 为共同作者”的形式流传，所以才有了“AI 替自己辩护”的戏剧效果。稿子提出三点：
- 汉诺塔要求模型逐步写出全部移动。盘数一多，答案本身就会撞上输出 token 上限，模型在输出里还写过类似“我就写到这里以节省 token”的话。苹果的自动评分把“没写完”当成了“不会做”。
- 评测框架分不清“推理失败”和“实际约束”，会把能力误判为失败。
- 过河谜题里，某些规模（演员/随从对数较大而船容量不足）在数学上本来就无解，模型却被按“没做对”扣分。
关键数字。把任务改成“写一个能生成解法的递归 Lua 函数”后，据报道 Claude、Gemini 和 o3 在 15 盘汉诺塔上给出了算法正确的方案，而苹果的设置下这类规模成功率为零。作者自称这只是初步实验。
为什么荒诞，又为什么不能一笔带过。荒诞在于：一篇讨论“AI 会不会思考”的争议，最著名的回应有 AI 参与署名。更有趣的是，据 The Decoder 报道，Lawsen 后来说这篇稿子本意并非严肃反驳，而是带着错误的玩笑，没想到被大量人当真并疯传。
但这不等于它的批评全是胡扯。输出长度限制和无解实例属于可检验的实验细节，被不少评论者认可；与此同时也有分析指出，它并未真正推翻苹果的整体结论，高复杂度下模型确实会出问题。
后续。这场“幻觉”之争没有给出终局答案，倒留下一个常识：评测推理能力时，要先分清模型是不会，还是写不完、被判错。
来源：