推理强度对得分和成本的影响有多大？

大多数前沿模型都允许你在提问时选择它“思考”的强度，但强度越高，单次运行的成本也越高。默认情况下，我们通常把模型调到最高档。本文测量推理强度变化时，性能和成本各自如何变化。在最低档下，七个模型中有四个保住了至少 80% 的 Vals Index 得分，而成本只有一半甚至更低。例如 Claude Opus 5.5，用 16% 的成本保住了 80% 的得分。 我们选取了七家 AI 实验室各自的旗舰模型，在 Vals Index 的八个基准上测试。每个模型跑三档设置：最低推理档、中间档，以及我们排行榜所用的设置（通常是最高档）。下文把最后一档称为“排行榜设置”。下图展示三个设置在 Vals Inde