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。
「模型」频道最新
- Gemini Neon 被「整活」:用户喂假消息称黎曼猜想已被证明 — corbtt · 2026-11-21
- GPT 6.2 Astra 机器人基准 Ember-0 得分 41.2%,六周近乎翻倍 — k7agar · 2026-11-21
- 用户实测 Astra 6.2:数学与经济建模能力超越前代,速度更快 — soumitrashukla9 · 2026-11-21
- 微软 Ignite 2026 发布 7 款模型,重点押注 harness 而非模型本身 — Sam Witteveen · 2026-11-21
- Google 上线首个交互式讲解器:浏览器里用 Gemma 4 学透 LLM 原理 — DynamicWebPaige · 2026-11-21
- 拟人模型怎么防诈骗?Persimmon 为用户模型从零建安全框架 — gharik · 2026-11-21