reasoning_effort 是营销手段？DeepSeek 测试档位之争引出算力计费质疑
karminski3 · x · 2026-09-15
博主 karminski3 回应关于 DeepSeek 测试档位选择的争论：他做的是 benchmark 而非日常使用，其他模型都用 max 测时，不能单独给 DeepSeek 用 high，否则不公平；评论却建议他改用 high 测。
核心观点：
- reasoningeffort 在他看来是大模型厂商的营销手段：把算力与精度的权衡交给用户，同时把算力计费的风险也转嫁给用户；厂商还巧妙掩饰——宣称 benchmark 全用 max 跑，又说论文里的「甜区」（cost–performance balance）在 high，结果让部分用户以为 high 就是最好的
- 他同意 thinking effort 不等价于 performance（后训练拉胯所致），但认为理想方向应是让两者等价；且 DeepSeek v4-1-flash 技术报告自己给 max 的评价是「留给最具挑战性的任务」
- 被引用的 @QuantumTransf 则认为不必苛责：max 往往只带来 benchmark 边际收益，日常没必要开 max，5.6-sol 在 xhigh/max 上的 overthinking 已表明过高 effort 会导致输出过拟合、质量倒挂
这场争论的实质是：基准测试档位如何统一，以及 reasoning effort 分档背后的商业动机。
所属事件:DeepSeek 测试档位之争：思考强度是否影响性能(4 条相关)→
「模型」频道最新
- Anthropic 递交纳斯达克上市申请，半年营收 163 亿美元同比增 12 倍 — DeepLearningAI · 2026-10-31
- ThursdAI 播客辩论:Opus 7 将至,「跑分变好」还重要吗 — thursdai_pod · 2026-10-31
- 14 个模型测 960 项分析师任务:做分析近满分,选股不如随机 — HeyAmit_ · 2026-10-31
- Anthropic 官宣：11月3日起 Claude 输出将带不可见文本水印 — petesena · 2026-10-31
- 四款 GPT-6 系列模型同台比拼像素画生成效果 — Angaisb_ · 2026-10-31
- Perplexity 员工公开征集:发来任务,让 decider 做 SOTA — antoine_chaffin · 2026-10-31