模型更新减少推理 token，开发者质疑刷榜

开发者 Cedric Chee 体验某模型更新后称，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源自针对基准测试的“刷榜式优化”（benchmaxxed），并担心真实任务未必能同等受益；目前尚无结论证明该模型已实现普遍、实际的任务效率提升。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。