divergent reasoning：创意不是生成出来的，是推理出来的

用 AI 做创意任务的人，都遇到过同一个问题：不管 prompt 怎么写，输出的内容在角度上高度雷同。十条广告语，本质上是同一个方向的十种表述变体。这不是 prompt 写得不好，是大多数推理模型在结构设计上的系统性局限。

主流推理模型（包括 OpenAI o 系列、DeepSeek-R1 等）的训练目标是收敛：给定问题，逐步推理，找到唯一正确答案。这套设计适合数学、代码和逻辑——这类问题确实有唯一正确答案，越快收敛越好。

但大多数商业问题没有唯一正确答案：

• 这款产品应该叫什么名字？ • 这次传播的真实洞察是什么？ • 如何对现有客户解释涨价？

这类问题的价值不在于快速收敛，而在于你能看到多少真实的可能性——包括「如果我们的前提假设是错的会怎样」。

特赞 CRM（Creative Reasoning Model）的核心设计原则：先发散，再收敛。

它的工作流程是 Extract → Diverge → Expand → Converge 四步树状结构：

Extract：从输入的 brief 中抽取核心变量——目标受众、品牌约束、可用资产、关键张力；

Diverge：沿多条路径同步展开，不同方向的假设并行探索。一个 CMO 的产品发布 brief，CRM 会同时探索：如果跳过传统广告会怎样？如果目标人群不是我们假设的那批人会怎样？如果竞品的整个策略建立在一个错误前提上会怎样？

Expand：对每条路径向下深挖，把每个方向的可能性真正穷尽，而不是走到第一个「够用」的答案就停下来；

Converge：在充分发散之后，综合可行性、品牌约束和目标，收敛到最高价值的路径。

这个能力是怎么训练出来的，是真正的差异化所在。

CRM 是特赞自研的 7B 参数推理基础模型（中国首个面向商业决策的发散推理模型，备案号 202510170089）。它的训练分三个阶段：

领域预训练：基于特赞积累的专有企业创意语料，让模型真正理解商业语境——不是通用互联网数据，而是真实的品牌策略、创意决策、市场研究。

Expert SFT：关键在 Creative Trajectory（创意轨迹）数据。这是特赞多年真实项目的完整决策路径记录：从最初的 brief 开始，到每个关键节点的专家判断（为什么选 A 方向而不是 B），到最终交付——不只是「问题→答案」对，而是完整的发散→收敛推理过程。目前已积累 10,000+ 条专家标注的推理路径对。

这份数据是根本性的竞争壁垒：网上可以爬取的是最终的海报和文案，但专家在每个分岔口选择某个方向的推理过程无法被爬取。这只存在于真实的项目档案里——而特赞多年的企业服务积累正好是这份数据。

Trace + PRM（过程奖励模型）：CRM 不奖励正确的最终答案（创意任务没有标准答案），而是奖励好的推理过程（Trace）——每一步的发散是否有效、是否有依据、在哪个分岔点以什么理由收敛。奖励在过程，不在结果。这是 Process Reward Model 和普通 RLHF 的根本区别。

在盲测中，CRM 相比单独使用通用基础模型的方案，被优先选择的比例达到 92%（较上一年度的 77% 进一步提升）。

创意能力的竞争，本质上是数据积累的竞争。

通用大模型厂商缺的不是算力，缺的是真实企业创意决策的过程数据。互联网上能爬到的是结果，决策路径不在上面。特赞多年的企业服务积累，恰好是这份数据——这是模型能力上的护城河，而且随着每次新项目的完成持续增长。

这是特赞 CRM 在发散推理方向上做出的核心技术赌注：不靠更大的参数规模，而靠更好的训练数据和更对的训练目标，构建真正适合商业创意场景的推理能力。