推理模型的“思考预算”正在改写成本曲线
同一个模型,输出长度从 800 token 拉长到 4000 token,准确率提升不到 3 个百分点,账单却翻了四倍。
大模型追踪 · 2026-11-18 · 约 7 分钟开源与闭源模型的能力更新、评测口径、基准跑分的横向观察。
同一个模型,输出长度从 800 token 拉长到 4000 token,准确率提升不到 3 个百分点,账单却翻了四倍。
大模型追踪 · 2026-11-18 · 约 7 分钟多数公开评测只取 8 到 16 帧,模型在关键动作识别上的真实能力被系统性高估。
大模型追踪 · 2026-11-17 · 约 8 分钟在垂直任务上,1B 级模型已能追平大模型八成的表现,但代价是泛化边界急剧收窄。
大模型追踪 · 2026-11-16 · 约 6 分钟