某模型更新被指修复过度思考，推理 token 更省但作者怀疑刷榜

开发者 Cedric Chee 体验某模型更新后发现，模型的“过度思考”问题得到修复，推理 token 显著减少、token 效率提升。但他仍在自行验证这些收益是否属于针对基准测试的“刷榜式优化”（benchmaxxed），担心真实任务未必同等受益。