你以为让 AI "多想想"靠的是一句 prompt？错了

你跟 AI 说"请仔细思考"，它真的会多思考吗？

答案是：几乎没有用。

那市面上那些推理模型——Claude 的 effort、OpenAI 的 reasoning_effort、DeepSeek 的"深度思考"——到底是怎么控制模型"多想"还是"少想"的？

我把 8 家厂商的方案扒了一遍，分两派讲清楚。

---

一、先搞清楚：模型是怎么"思考"的

Transformer 是自回归的——它一次只能吐出下一个 token，然后基于之前所有的 token 再吐下一个。

所谓的"思考"，就是模型在输出最终答案之前，先吐出一大段中间推理过程。这个过程在概念上就是一串用户不直接看到的 token，但它会成为后续 token 生成的上下文。

换句话说：思考 = 模型给自己搭了一个越来越长的脚手架，然后爬上去够答案。

关键问题是：谁来控制这座脚手架搭多高？

---

二、正派：RL 训练 + API 参数（闭源厂商的标准答案）

这派的核心思路：训练时用强化学习把"听话"刻进模型，推理时用 API 参数传信号。

2.1 Anthropic Claude — effort + Adaptive Thinking

{
  "thinking": { "type": "adaptive" },
  "output_config": { "effort": "high" }
}

• 训练阶段：模型在后训练 RL 阶段被训练成能识别 effort 信号。Reward 函数里加了"思考 token 不能超过正确解平均长度的 r%"，超了就零分。结果模型学会了根据 effort 自动调节思考深度——难题多想想，简单题少想想。
• 推理阶段：effort 是 API 请求体里的一个参数，它不拼进 prompt。服务端推理引擎根据它调整 token 分配策略。Adaptive Thinking 下模型自己决定具体用多少 token。
• 粒度：5 档（low / medium / high / xhigh / max）

老版本（Claude 3.7~4.5）用的是 budget_tokens（硬上限），4.6+ 改成了 effort（倾向性），4.7 彻底移除 budget_tokens。

2.2 OpenAI o 系列 / GPT-5 — reasoning_effort

{
  "reasoning": { "effort": "high" }
}

和 Claude 同思路：RL 训练让模型学会听 effort 参数的话。区别是 OpenAI 把思考过程完全隐藏——用户永远看不到内部 CoT。粒度比 Claude 少一档，4 档（minimal / low / medium / high）。

2.3 Google Gemini — thinking_budget

{
  "thinking_config": { "thinking_budget": 4096 }
}

既可以传具体 token 数，也支持低/中/高等级。Google 的独特之处在于 Gemini 2.5 开始思考是默认开启的，不像 Claude 需要显式指定。

2.4 xAI Grok — reasoning_effort

只有两档：low / high，最简设计。

厂商	模型	控制参数	粒度	思考过程可见？
Anthropic	Claude 4.x	output_config.effort	5 档	摘要可见
OpenAI	o3/o4/GPT-5	reasoning.effort	4 档	完全隐藏
Google	Gemini 2.5/3	thinking_budget	token/档位	部分可见
xAI	Grok 4	reasoning_effort	2 档	部分可见

---

三、野派：训练定死 + prompt 辅助（开源模型的主力方案）

开源模型没有闭源推理框架层的能力，走的是另一条路。

3.1 DeepSeek R1/V3 — 纯训练 + prompt 指令

DeepSeek 的 R1 没有任何推理时 effort 参数。思考行为是通过 RL（GRPO 算法）在训练阶段训练出来的默认行为——模型加载后天然就会用 <think>...</think> 包裹思考过程。

想让它不思考？只能在 prompt 里写 "/no_think" 或 "请直接回答不要思考"。粒度几乎为零。

3.2 Qwen QwQ / Qwen3 — 训练 + system prompt 模式切换

Qwen3 支持两种模式，在 system prompt 里切换：

• "thinking" 模式 → 深度推理
• "non-thinking" 模式 → 直接回答

模型在训练时学会了识别这些信号，所以 system prompt 的切换是有效的。但仅限于"思考/不思考"，不能调力度。

3.3 Llama 4 (Meta) — 完全靠 prompt

Meta 目前没有专门的推理参数。想让 Llama 4 推理？写一句 "Let's think step by step"。这其实是 2022 年的思路——纯 prompt engineering。

3.4 开源后训练方案（Sky-T1、s1）— Budget Forcing

来自斯坦福论文 s1: Simple test-time scaling，最简单粗暴的方案：

如果模型想停止思考 → 强行追加 "Wait" → 模型被迫继续
如果思考超过预算   → 强行插入 "</think>" 或 EOS → 截断

不训练，不调参，纯靠 token 流层面的实时干预。 一个外部控制器进程监控着推理过程，到了预算就截，不够就续。

---

四、底层原理：为什么 RL 训练 + 推理参数是正解

有一个关键训练技术叫 AEC（Adaptive Effort Control）：

reward = 答案正确 ? 1 : 0

约束：思考 token 数 < 当时正确解平均长度的 r%
如果超了 → reward = 0（答对也没用）

用 GRPO 做 16 次 rollout 取平均，效果是 2~3 倍的思考长度压缩，准确率不降反升。

为什么比"固定惩罚每个思考 token"好？

• 固定惩罚：难题永远亏本 → 模型放弃尝试 → 训练不出推理能力
• 相对约束：没正确解时约束自动解除 → 模型自由探索 → 有了正确解后再收紧 → 模型学习压缩

这就是为什么 effort 不能靠 prompt 实现。 Prompt 告诉模型"多想想"，它不知道怎么控制——因为训练时没有把"多想"绑定到可量化的 reward 信号上。RL 训练把 effort 变成了模型的第二本能。

---

五、全景对比大表

分类	厂商/方案	控制机制	推理时参数？	粒度	思考可见
闭源正派	Anthropic Claude	RL + effort API 参数	✅	5 档	摘要可见
	OpenAI o/GPT-5	RL + reasoning_effort	✅	4 档	完全隐藏
	Google Gemini	thinking_budget 参数	✅	token/档位	部分可见
	xAI Grok	reasoning_effort 参数	✅	2 档	部分可见
开源野派	DeepSeek R1/V3	RL 训练（GRPO）	❌	prompt 级	完全可见
	Qwen3/QwQ	RL + system prompt	❌	2 档	可见
	Meta Llama 4	纯 prompt CoT	❌	无	可见
	Sky-T1/s1	Budget Forcing	❌	token 数	可见

---

总结

1. 主流方案是"RL 训练让模型听懂 effort 信号 + 推理时 API 传参"，不是 prompt trick
2. 闭源厂商（Anthropic、OpenAI、Google）都走 RL + API 参数路线，因为掌控推理框架层
3. 开源厂商没有推理框架控制能力，更多靠训练时 RL 把推理行为"刻死"，推理时用 prompt/特殊 token 做粗粒度切换
4. 最粗暴的方案是 Budget Forcing——一个外部进程监控 token 流，想停就加 “Wait”，想截就插 EOS
5. 本质上，effort 不改变模型权重，但改变了推理引擎的资源分配策略，而模型之所以"听得懂"，是因为 RL 训练时把它刻进了行为模式

如果这篇文章帮你理清了大模型推理控制的底层逻辑，点个赞收藏一下，有问题评论区聊。

---