先低effort再加档
mattpocockuk · x · 2026-07-15
作者认为在模型的 effort dial 上，应该先从低档开始，只有在质量不够时再逐步提高，而不是一上来就用高档。
他的理由是：提高 effort 本质上就是往问题里塞更多 token。这个策略在 benchmark 上可能好看——多花 20% token 换来 2% 提升，适合营销；但在日常任务里，比如探索代码仓库、修改测试，只会白白烧 token。对 Fable 这类 token 更贵的模型，这点尤其明显。
他还指出，token 用得越多，attention degradation 越容易出现，输出质量反而可能变差。那些“effort 越高、质量越好”的图表，往往掩盖了成本、延迟和浪费。
「模型」频道最新
- 新基准一出分数暴跌 70 点:「刷榜」现象如何让跑分失真 — airesearch12 · 2026-09-11
- 有人要建全模型基准分数汇总页 — airesearch12 · 2026-09-11
- 爆料称 Kimi 疑似转发 Claude 冒充自家成绩，DeepSeek 新模型评测反超 — realsohamparekh · 2026-09-11
- 网友吐槽 GPT-5.6 文笔好读但缺乏记忆点 — BasedRaddka · 2026-09-11
- Opus 以"安全"为由拒碰蛋白质生成代码,开发者吐槽误伤 — josephdviviano · 2026-09-11
- 网友称 DeepSeek 4.1 Flash 是语言模型历史拐点(未证实) — himanshustwts · 2026-09-11