AI 术语表 · 基础 · 智能体 · 语言模型 · 效率与基础设施
Hybrid Reasoning Agents
混合推理智能体（HybridAgents）是一种 AI 智能体架构：思考时不写成文字，而是用模型内部的数值表示（Hidden Representation）进行推理，只有在调用工具或给出最终答案时才转为文字（文本）来行动。它由 2026 年 10 月发布在 arXiv 上的同名论文提出。
有何不同
现在的 LLM 智能体通常连思考过程（CoT）都用文字写出来进行推理，并通过这些文字调用工具。这种方式让人能读懂过程，但会消耗大量 token，又慢又贵。相反，潜在推理（latent reasoning）不写文字，只用模型内部表示来思考，效率较高，但存在难以直接使用工具、难以看清它在想什么的局限。混合推理智能体让模型在一次生成过程中根据需要在两种方式之间切换，试图兼取两者之长。
三种推理方式
基于文本的智能体思考和行动都用文字
- 过程便于人阅读
- 工具调用自然
- token 多，慢且贵
潜在推理用内部表示思考
- 高效
- 难以直接使用工具
- 难以查看思考内容
混合推理智能体视情况切换
- 思考在内部进行
- 工具调用·最终答案用文字
- 通过学习掌握何时切换
如何运作
据论文介绍，一个名为 HybridLink 的轻量连接模块负责在文本模式和潜在模式之间切换。智能体在潜在模式中默默思考，当需要调用搜索等工具或给出最终答案时，就切换到文本模式。论文称，多轮对话和工具结果存放在连续的工作记忆中，因此能保持文字与内部表示交织的上下文而不丢失。研究团队表示，他们的设计也使潜在状态下的思考可以被直接查看。
如何训练
后训练分两个阶段进行。首先用 HybridSFT 教基础模型与 HybridLink 配合，稳定地进行混合工具使用的混合生成。接着用名为 HybridRL 的强化学习，让模型学会自行判断何时在内部思考、何时用文字行动。也就是说，选择“思考方式”的能力本身成了学习对象。
为何受到关注
智能体要经过多个步骤，消耗大量 token，因此速度和成本是实际服务中的一大负担。研究团队表示，在 3 种模型规模、覆盖数学、科学、医学、搜索和智能体推理的 11 个基准测试上评估后，性能比现有智能体平均提高了 10.4%。他们还称，在同一评估中，token 用量减少 35.5~54.7%，推理速度提升 1.8~2.6 倍，成本降低 2.7~3.7 倍。研究团队表示代码和数据也已一并公开。
研究团队公布的结果
注意事项
这是 2026 年 10 月 13 日发布在 arXiv 上的论文阶段研究，上述数据均为研究团队公布的结果。其他研究者的复现或实际产品应用尚未得到确认。参与机构（Stanford·Together AI·UIUC·Meta）来自社区帖子中的说法。此外，“可以查看潜在思考”是否意味着像人阅读文字形式的 CoT 一样容易理解，需要另行考察。内部思考的部分越多，监控智能体为何做出某种行为可能就越困难。
示例
本站曾以资讯形式刊登一则社区消息：“Stanford·Together AI·UIUC·Meta 研究团队发表了 Hybrid Reasoning Agents 论文，推理在 Hidden Representation 中进行，文本只用于工具调用和最终答案。”例如，收到需要多次网页搜索的问题时，现有智能体会在每一步先用文字写下长段思考，再写出搜索词。混合推理智能体则在内部处理这些思考步骤，只把搜索词和最终答案以文字输出，从而节省 token 和时间。