96.91%的HumanEval通過率，推理鏈長度卻少了近四分之一。這組數(shù)字放在一起，像是一個產(chǎn)品經(jīng)理在OKR里同時寫了"降本"和"增效"——通常只能二選一，但這次似乎真有人做到了。

蒸餾的本質(zhì)：把Claude的"腦子"塞進(jìn)更小的軀殼

這個叫Qwen3.5-27B-Claude-4.6-Opus-Reasoning-Distilled-v2-GGUF的模型，名字長到像密碼，核心動作卻很簡單：用14000條Claude 4.6 Opus風(fēng)格的推理樣本，教會Qwen3.5-27B怎么"想得更短"。

訓(xùn)練目標(biāo)不是刷榜，而是遷移一種特定的思維模式——簡潔的推理路徑，而非最大化的基準(zhǔn)分?jǐn)?shù)。結(jié)果很直觀：每token的正確解法提升了31.6%，相當(dāng)于用更少的字?jǐn)?shù)交卷，分?jǐn)?shù)還差不多。

開發(fā)者把這種優(yōu)化稱為"推理鏈長度減少約24%"。換個場景理解：以前解一道題要寫滿三頁草稿紙，現(xiàn)在兩頁搞定，步驟沒漏，計算沒錯，只是刪掉了"讓我想想""這里可能需要""嗯，不對"這類內(nèi)心獨白。

HumanEval+上的1.24%：一筆明算賬

模型在HumanEval+上的準(zhǔn)確率比基座模型低了1.24%。這個數(shù)字被明確標(biāo)注為"有意為之的權(quán)衡"，而非能力不足。就像編譯器優(yōu)化時關(guān)掉某些調(diào)試信息——不是不能保留，是算過賬后覺得不值。

推理過程的透明性被保留下來。用戶能看到模型內(nèi)部的思考步驟，這對數(shù)學(xué)輔導(dǎo)、代碼審查這類場景很關(guān)鍵。學(xué)生要知道老師怎么想的，不只是答案對不對；開發(fā)者要理解AI為什么給出這段代碼，不只是能跑不能跑。

模型處理的任務(wù)類型很具體：需要分析推理的文本提示、數(shù)學(xué)題、編程挑戰(zhàn)、結(jié)合推理要求的通識問題。輸出包括結(jié)構(gòu)化的思維鏈、直接答案、帶推理可見的代碼方案、經(jīng)過多步邏輯驗證的解法。

跨域遷移：數(shù)學(xué)課上學(xué)到的，編程考試也用得上

一個有趣的驗證：訓(xùn)練數(shù)據(jù)主要來自數(shù)學(xué)、文字題、邏輯推導(dǎo)這些通用領(lǐng)域，但模型在編程任務(wù)上的表現(xiàn)與基座相當(dāng)。這說明蒸餾轉(zhuǎn)移的是底層推理模式，而非特定領(lǐng)域的解題技巧。

類比來說，就像有人專門練了怎么拆解復(fù)雜問題——先識別核心目標(biāo)，再拆成組件，評估約束條件，最后順序執(zhí)行。這套方法解物理題能用，寫代碼也能用，甚至回郵件理邏輯都能用。

9B版本的存在讓這種效率優(yōu)化有了梯度選擇。算力充裕時上27B，邊緣設(shè)備或成本敏感場景切9B，同一套"簡潔推理"的配方。

誰該關(guān)心這個模型？

離線分析場景是明確受益者。數(shù)學(xué)輔導(dǎo)系統(tǒng)需要一步步展示解題思路，代碼生成工具需要解釋為什么這樣寫，研究輔助需要可追溯的邏輯鏈條——這些場景對"推理可見"的需求，高于對絕對精度的執(zhí)念。

成本結(jié)構(gòu)也會變。API調(diào)用按token計費，推理鏈短24%直接等于賬單金額打七六折。對于已經(jīng)在大模型上跑通業(yè)務(wù)、現(xiàn)在進(jìn)入"精細(xì)化運(yùn)營"階段的公司，這種優(yōu)化比從零訓(xùn)練一個新模型更務(wù)實。

模型處理具體任務(wù)的方式值得細(xì)看：它減少了不必要的過渡短語和重復(fù)思考模式，代之以流線型的方法。不是變"笨"了，是學(xué)會了不說廢話。

如果推理成本真的進(jìn)入按分甚至按厘計價的階段，"每token正確率"會不會成為新的核心指標(biāo)？以及，當(dāng)AI學(xué)會像優(yōu)秀工程師一樣寫簡潔的草稿，人類審稿的習(xí)慣是不是也該跟著改？