当前大语言模型的推理能力达到了什么样的程度？

回答思路

1. 能说明推理能力在数学、代码、逻辑等任务上的具体表现
2. 能指出推理能力的短板和常见问题（如幻觉、长链推理不稳定）
3. 能提及主流评测基准或实际案例
4. 能表达对推理能力发展趋势的见解