实测：编码智能体思考档位并非越高越好

作者 ariwilson 在 5 个代码库的真实 bug 修复和新功能任务上，把 5 个编码智能体分别调到最多三档思考强度测试，并由智能体未接触过的测试评分。结果显示，只有 Opus 5.5 和 GPT-6.1 Sol 随档位提升而变好；Sonnet 5.5 和 Fable 5.1 在高档位解出的任务反而更少，Haiku 5.5 从中档到高档持平。 基于这一结果，作者建议团队按模型分别设定思考档位的默认值，不要一律默认最高档：Opus 5.5 和 GPT-6.1 Sol 日常任务用低档、困难任务用高档。作者称，这两款工具都允许管理员设置组织级默认值来推行。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。