1819 次实测:GPT-5.6 思考预算 9 月起暗降 24% 分数不变

tensorqt · x · 2026-11-21

两位作者为验证「模型是不是被 nerf 了」,从 8 月到 11 月在同一个 RL 环境跑了 1,819 次 rollout、39,926 轮对话、共 15 亿 token,追踪思考量、轮数与速度。

核心发现:OpenAI 似乎在固定 effort 档位下动态调整思考预算("juice")——GPT-5.6 Luna 自 9 月 4 日起思考量下降约 24%,但得分与速度不变;GPT-6 Astra 在 11 月思考量下降约 13%。即同档位下用户拿到的推理用量在缩水,而表面指标被刻意维持。

原文链接 →

「模型」频道最新

更多「模型」频道 AI 资讯 →