基于 Qwen3.5-9B 的决策模型实测：训练换来速度与成本优势，推理能力未恢复

450 道代码生成题、每题 5 遍的对比实测显示，基于同一 Qwen3.5-9B 的决策训练主要换来速度与成本优势，未恢复推理能力。Perplexity Decider 正确率 0.84、每千次 $0.009，性价比最佳；Qwen3.5-9B 单 token 作答基线为 0.53，训练后升至 0.6-0.7 区间。