算账实测：多想 12 分钟多花 25 倍钱，只换来 0.06 分提升
aakashgupta · x · 2026-11-11
作者对 Fable 5.2 和 Opus 5.5 做了 effort 等级与成本的盲测对比（8 个产品管理任务，盲评打分）：
- Fable 5.2：max effort 思考约 12 分钟，得分 9.07，每任务 3.27 美元；medium 思考 30 秒得分 9.01，仅 13 美分——多花的 3.14 美元只买到 0.06 分。
- Opus 5.5：max 得分 9.20（1.19 美元/任务），medium 得分 8.77（5 美分），成本约 24 倍换来 0.43 分。
- 关键结论：在同等价格下换模型比换 effort 等级带来的分数提升更大——Opus 5.5 medium 与 Gemini 4 Argon high 同为约 5 美分/任务，但分数不同。
作者称之为「改变量名也要开 max 思考」的笑话附上了收据：深度推理的边际收益极低，性价比远不如换更便宜的模型或调低档位。
所属事件:实测：模型多思考 12 分钟成本增 25 倍，仅提升 0.06 分(2 条相关)→
「模型」频道最新
- 开发者实测：Astra 6 形式验证能力碾压 Opus，发布两月仍居榜首 — JoshPurtell · 2026-11-11
- 博客复盘:OLMo 3 的「评测意识」言行大多抄自 SFT 训练数据 — BlancheMinerva · 2026-11-11
- Gemini 4 Carbon 上线 Cursor：高 effort 档以 60.4% 登顶 CursorBench — andyzhang · 2026-11-11
- 被忽视的差距:前沿模型单任务 1.8 分钟,DeepSeek 要 12.7 分钟 — rickasaurus · 2026-11-11
- Reddit 用户实测：Argon LiveNerf 能力被砍 83% — ThePrimeNumbers · 2026-11-11
- 爆料称 OpenAI 拟把 GPT-6.2 Astra 留到 11 月 19 日 Anthropic IPO 前发布抢风头 — kimmonismus · 2026-11-11