如果你最近用过带“深度思考”开关的国产大模型，大概率见过这么一幕：明明用中文提问，界面里先蹦出来一长串英文，像是一个人在脑子里打草稿，最后回答倒是规规矩矩的中文。我一开始以为自己按错了输入法，后来在好几个模型的思考框里都看到同样的情况，才意识到这压根不是偶然。这篇文章想聊的就是这件事：为什么国产 AI 一开始思考，就突然说英语了？

先说一段我自己实测时看到的画面。当时我拿了一道普通的数学题投给某国产大模型，题面是中文，结果思考过程长这样：

用户问的是打八折后再满减，最终需要付多少钱。 Let me think step by step. 0.8 * 25 = 20. Then apply the coupon: 20 - 10 = 10. 所以最后应该是 10 元。

第一行中文，中间一大段英文，结尾又切回中文。我把这个截图发到群里，结果不少人都遇到过类似情况，有人甚至说它的模型连“中午吃什么”这种问题都用英文先想一通。这就很有意思了：一个中国团队训练的模型，中文能力明明很强，为什么一到“思考”环节就自动切英文？

1. 一个让人反复围观的现象：中文发问，英文打草稿

1.1 我在一次实测里看到的“草稿纸”

这种“中英混搭”的思考过程，在最近一年的大模型产品里越来越常见。尤其是那些加了“深度思考”“o系列模式”“推理增强”开关的国产模型，你点开思考过程，经常能刷出满屏的英文。

我举两个自己遇到过的例子。

第一个是逻辑题：“三个连续自然数之和是 36，求中间那个数。”模型思考过程大概是：

Let x be the middle number. Then (x-1) + x + (x+1) = 36. 3x = 36. x = 12.

全英文，没有一句中文。最后给我的回答是“中间数是 12”，用中文答得干净利落。

第二个例子更夸张。我让它用“菜市场杀鱼大叔的口吻”介绍一个科学概念，这种明显带地域语言色彩的问题，它的思考过程前半段还是“用户想要一个 street-vendor tone，需要先 explain the concept in simple words”，后面才慢慢切回中文语境。虽然最终效果不错，但那种“先想英文、再翻译成中文”的感觉非常明显。

1.2 为什么这件事会变成大家讨论的焦点

关键在于：以前我们不怎么看得到模型的思考过程。

早一两年的对话模型，回答是直接生成的，中间那个“推理”过程藏在模型内部，用户根本看不见。现在各家模型为了展示推理能力，把思考过程单独做成一个可展开的区域，还会用“已深度思考”之类的标识提示你。于是，模型“思考时的语言偏好”就第一次暴露在了普通用户面前。

想象力丰富的人马上就开始编段子。有人说“这模型上课一定是在国外上的”，有人说“原来 AI 内心住着一个外国人”，还有人怀疑是不是国内团队为了省事，直接套了个英文底模，再在表面加了一层中文。

最后这种猜测其实是误解。今天的大模型普遍是多语言训练出来的，不存在“中文版外壳”和“英文版内核”这种物理隔离。但误解归误解，这个现象本身是真实存在且相当普遍的。我们需要回答的问题是：模型在准备“推理”时，为什么概率上更偏向英文？

2. 拆开看：英文思考是训练数据、分词效率和强化学习一起喂出来的

2.1 训练语料是第一个“惯犯”

大模型预训练阶段见过的文本里，逻辑推理、数学证明、代码解释这一类“高质量思考内容”，绝大多数是英文。

你去看那些常见的推理类公开数据集，比如数学题 GSM8K、MATH，还有各种代码逻辑题，题目和答案的英文占比非常高。哪怕是中文团队自己整理的数据，里面也经常混着大段英文技术文档、英文论坛帖子、英文论文摘要。GitHub 上的 issue 和 Stack Overflow 的回答，更是英文占绝对主导。

模型学习“如何推理”，靠的不是专门有人教它“中文推理应该怎么说”，而是它从海量文本里自行归纳出规律：当一串逻辑链条很长、经常出现“therefore”“because”“if”这些连接词的时候，这段文本更像一份“高质量的技术推导”。于是，当模型进入多步思考状态，它潜意识里就觉得，英文是更适合干这事的语言。

你可以把这种效应想象成一个从小用英文教材学编程的人。他日常说中文没问题，但只要一讨论代码逻辑，脑子里冒出来的术语、关键字、注释习惯全是英文的。模型没有“母语”意识，但它有统计规律，而统计规律恰恰向英文倾斜。

2.2 分词效率在背后推了一把

第二个原因藏在模型处理文本的方式里。

大模型看到的不是完整句子，而是一个个被切开的 token。不同语言在同一个小模型词表里的“价格”不一样。一个常见的英文单词，比如“think”“then”“if”，可能各自只占一个 token；而同样的中文意思“思考”“然后”“如果”，在中文分词表里可能占更多 token，或者是多个字符拼在一起。

对模型来说，生成多少个 token 是要付出计算代价的。在同样的推理目标下，如果“用英文思考”能用更少的 token 完成一整段逻辑，模型会更倾向于走这条更“省力”的路径。尤其在做数学题和代码题时，英文单词和数学符号天然混在一起，比如“Let x be...”“Then compute...”，这种表达在预训练语料里大量出现，模型预测起来非常顺手。

中文当然也能承载完整推理，但成本上不占优势。有人做过对比，同样长度的逻辑推导，英文 token 数经常比中文少三分之一甚至更多。这对追求效率和稳定性的生成过程来说，是一个很现实的选择偏向。

2.3 推理强化学习进一步固定了这种偏好

近一年多，国产模型纷纷引入“推理强化学习”，也就是让模型在大量试错里学会长链条思考。这个过程里，模型做出的每一次推理都会被打分，分数高的行为被保留，分数低的行为被淘汰。

问题在于，打分的标准从哪来？很多评分参考数据本身又是英文为主的。一份用英文写成的严谨推导，在读起来更“规范”、更像标准答案，于是得分往往更高。模型在反复迭代里逐渐悟出一个规律：用英文列步骤，更容易获得高分。久而久之，英文思考成了一种默认策略。

这不是哪个团队故意设计的，而是强化学习的数据分布造成的“意外收获”。你让它放开思考，它自己找到了一条最容易被认可的路径，只不过这条路恰好是英文。

3. 为什么“想”的时候用英文，“说”的时候又切回中文？

3.1 思维链和最终回答是两条生产线

很多人会疑惑一个点：既然模型已经习惯用英文思考，那它最后为什么还能精准切回中文回答？难道它每答完一题还要做一次翻译？

其实这背后不是翻译，而是生成链条的两端受着不同力量的约束。

思维链部分，更像是模型的“自由发挥区”。在预训练和推理强化学习阶段，模型发现用英文在这个区域做逻辑推演更稳、更省事，于是它按统计规律走，中英夹杂也好，纯英文也罢，只要推理结果正确，系统不会过多干涉。

但最终回答部分是“对齐重灾区”。模型在后期微调的时候，大量数据都要求它“用用户提问的语言来回答”。你问中文，它就被强化学习训练成回答中文；你问英文，它就用英文回。这个对齐约束覆盖得很彻底，所以哪怕模型脑子里已经绕了一圈英文，最后开口时还是会把自己拉回中文轨道。

你可以把这个过程理解成一个人写会议纪要：私下构思的时候，脑子里可能先用英文把逻辑理一遍，但正式落到文档上，他会按场合重新组织语言，确保读者看得懂。模型也一样。

3.2 一个很贴切的类比：脑子里算账，嘴上说中文

这个现象在双语使用者里非常常见。一个在国内长大、后来用英文工作的人，他和家人聊天用中文，一到计算月供、回忆代码逻辑时，脑子里跳出来的数字和术语反而全是英文。这个不是故意装，而是那座“知识仓库”当初就是用英文建的，调用起来更顺。

模型也是这样。它脑子里的“推理仓库”，大量内容就是英文符号和英文句式堆起来的。中文常用语料更偏生活习惯、情感表达、日常交流，这些内容也存在于模型里，但和“逻辑推演”相关的那部分，英文占比实在太高了。

所以更准确的说法是：模型不是“崇洋媚外”，它的思考语言和任务类型强相关。让它写一首古风歌词，你往往会看到中文思考；让它算一道概率题或写一段递归代码，英文思考的概率就暴涨。语言不是模型身份的标志，而是它检索知识时最方便的钥匙。

4. 英文思考不是洪水猛兽，真正的坑在别处

4.1 数学和代码场景，英文思考反而更利索

我实测过一些数学题和编程题，中文思考和英文思考的最终答案准确率其实差不多，但英文思考有个明显优势：步骤更精简，中间不容易跑偏。

中文思考经常会出现“首先，我们设中间数为 x。接着，根据题意列出方程”这种仪式感很强的叙述，语句更长，占用的注意力也更多。英文思考则是“Let x be...”“Then...”“Thus...”，直接跳到关键步骤，整个链路更紧凑。

对模型来说，更短的推理链路意味着更小的出错概率。所以在数学、物理、代码这些高度形式化的任务里，我其实不太反对它用英文思考。反正用户看到的是最终中文答案，内部草稿怎么写，对大多数人不重要。

4.2 中文写作和文化类任务，用英文思考就“够不着”

但换到需要中文语言功底的任务，情况就反过来了。

我试过让模型写一副对联、模仿《故事会》风格讲一个小故事，或者用方言味道很浓的语气写一段开场白。如果它强行用英文思考，最后出来的文字经常“有骨架没血肉”，用词偏书面，节奏不对，连成语都用得像翻译软件硬凑出来的。

原因很简单：英文词汇体系里本身就没有对联的平仄规则、没有“话本小说”的语气套路，更没有地方俗语的微妙含义。模型用英文思考，相当于绕远了路，还得把中文美感一点点“翻译”回中文，丢失大量细节。

这类任务你只要在提示词里加一句“请用中文思考”，生成质量立刻上一个台阶，措辞也更自然。所以不是“英文思考一直差”，而是要看任务在哪个文化语境里生长。

4.3 真正容易踩坑的是格式和稳定性

比起“思考语言”本身，我觉得大家更该关注的是它带来的副作用。

一是格式漂移。模型在英文思考过程中，可能会把一些英文关键词、变量名、JSON 字段名带进最终输出，尤其是在代码生成和结构化输出任务里。比如你要求它只返回一个 JSON 对象，结果它因为思考时用了英文，输出里也混进了奇怪的字段命名，或者把中文内容套进英文句式的模板里，解析时容易出问题。

二是调用的稳定性。如果你在做应用开发，把思考过程放在服务端展示给用户，用户可能搞不清“为什么我的问题只有一半是中文”。你要么直接隐藏思考过程，要么用提示词约束思考语言，把它变成一个可控输入。

我整理了一个简单的对比表，方便你判断什么时候值得干预：

5. 想让模型“用中文思考”的几种尝试

5.1 提示词层面的“口头约定”

最直接的办法，就是在提问时加一句约束，比如“请用中文进行思考，再给中文回答”。这个不是玄学，实测下来很多模型都会听。

我试过一个方法：把这句话放在问题后面而不是前面，效果更稳定。比如：

帮我算一下这个双十一的优惠规则：原价 399 元，满 300 减 50，充值金抵扣 0.9 折，最后花多少钱？请先用中文思考并推理，然后用中文回答。

只要模型看到了明确的语言约束，它的思考过程就会明显偏向中文，哪怕中途偶尔蹦几个英文单词，整体结构也是中文为主。

对一部分模型来说，这种方法几乎百分之百有效。但也有模型会在思考到后半段时“忘掉”你的约束，重新滑回英文。这种情况建议把语言要求重复一遍，或者在系统提示词里固定住。

5.2 在 API 侧做语言锁定

如果你是开发者，在调 API 的时候可以往系统提示词里写清楚：

你是一个中文助手。所有内部推理、思维链和最终回答都必须使用中文，除非用户明确要求使用其他语言。

把这条写进系统提示词，要比临时在用户输入里加约束稳定得多。实测来看，系统提示词的优先级更高，模型在整段对话里都会更配合。

还有一招更实用：如果你不需要向用户展示思考过程，直接在服务端把思维链内容过滤掉，只把最终结果返回给用户。很多提供“思考模式”的开放接口，返回体里会有专门放思维链的字段，你可以不传给前端，这样用户既不会被满屏英文吓到，也节约了展示成本。

如果项目里确实需要展示思考过程，又不想让用户看到英文，可以加一个后处理步骤：把截取到的思维链文本再丢给模型，让它“用中文重新概括刚才的思考步骤”，然后把整理后的中文版本展示给用户。这样多花一次调用成本，但用户体验统一。

5.3 我的实测结果与提醒

我做过的几轮对比，结果大致是这样：加“请用中文思考”后，中文写作任务的质量提升最明显；数学和代码任务基本不受影响，只是思考过程变啰嗦了一点，有时候中文思考的步骤反而比英文长，耗时也会多一点。

有一个坑要提醒你：不要用力过猛。有些人为了让模型说中文思考，在提示词里写了一整段“不管你内部发生什么，所有细节都必须使用中文，绝对不许出现任何英文单词”，结果模型为了憋住英文术语，出现了表达别扭、步骤冗余甚至直接中断的情况。语言约束点到为止就行，真正重要的是保证推理依旧完整。

另外，遇到那种“你让它用中文思考，它前两句听你的，第三句又切回英文”的模型，不用太较真。这是它的分词策略在拉锯，不是它故意叛逆。把系统提示词写好，或者接受这种拉锯，都不影响最终答案的正确性。

6. 回到标题：这事到底值不值得在意

我把这个现象聊到最后，最想说的其实是：别把“思考时说英语”看得太重。

它是一个结果，不是一个态度。模型没有所谓的“语言立场”，它只是在无数文本里学会了“英文更适合逻辑推演”这个统计规律。随着中文高质量推理语料越来越多，将来一定会看到更多国产模型开始用中文、或者中英夹杂的方式思考。这一天什么时候来，取决于数据，不取决于我们怎么“要求”它。

站在使用者的角度，我更关心的是语言和任务是否匹配。写代码算概率，英文思考不碍事；写文案拟对子，中文思考更靠谱。把语言选择当成一个可以调节的参数，比把它上升到“谁的模型更爱国”要实际得多。

如果你在开发中踩到过类似问题，建议先检查一下自己的系统提示词，再决定要不要强制干预思考语言。大多数情况下，把最终输出管好就够了。毕竟对用户来说，真正重要的从来不是 AI 用什么语言“想”，而是它用你熟悉的语言，给了你一个能用、好用、可信的结果。