推理大模型進化史：從「想十秒」的 o1 到「想十六分鐘」的 GPT-6

一張讓模型畫鵜鶘的排行榜，意外成了觀察推理模型三年進化最好的窗口。

2024 年 9 月，OpenAI 發佈 o1 時有個被反覆引用的細節：它會在回答前「思考」10 到 20 秒，當時用戶抱怨「像個打字很慢的學霸」。兩年後，GPT-6 Astra 拿到「畫一座夜晚燈塔」的考題時，可以「想」上整整 971 秒——十六分鐘。這中間發生的事，不是簡單的模型變強，而是整個行業對「智能」的定義方式變了：從「誰答得快」變成「誰肯多想、多想之後值不值」。

這篇文章用一條真實的橫切面資料——OpenRouter Sketch 榜（讓文本模型「一次成圖」的畫畫榜單，2026-10-04 經 NAS 上的「AI大模型排行榜」插件抓取）——把 ChatGPT、Claude、DeepSeek 三家的推理模型發展路程完整串起來。你會發現：推理能力的每一次躍遷，都清清楚楚寫在「成本」和「耗時」這兩個數字上。

第〇章 先搞懂：推理模型到底「多做了什麼」

在進入時間線之前，需要三分鐘理解一個概念：推理模型和普通模型的區別，本質上是「把回答變成一次計算過程」。

普通 LLM 拿到問題直接生成答案，一個字接一個字往外吐。推理模型（reasoning model）多做了兩件事：

1. 思維鏈（Chain of Thought）：在給出最終答案之前，先在心裡生成一大段「思考過程」——拆解問題、嘗試解法、自我檢查、修正方向。o1 的「思考 10 秒」，工程上就是生成了幾千個額外的思考 token。
2. 強化學習（Reinforcement Learning with Verifiable Rewards, RLVR）：訓練時不再只靠人類偏好打分，而是用有明確對錯的任務（數學題、代碼測試、競賽題）給模型的「思考過程」獎勵，逼它學會把算力花在刀刃上。

這套組合催生了一個新詞：測試時計算（test-time compute）。o1 的技術報告裡有一張關鍵圖：在推理任務上，模型的正確率（pass@1）會隨著「思考時間/思考 token 預算」的增加單調上升——這等於把「推理」本身變成了一條新的縮放定律（scaling law）。預訓練縮放定律說的是「資料越多模型越聰明」，測試時縮放定律說的是「想得越久，答得越準」。

於是整個行業出現了三個新的可調參數，它們是後面所有故事的主線：

• 思考強度（effort）：低/中/高/最大，或多檔數值，控制「想多深」；
• 思考預算（budget_tokens）：給思維鏈設定 token 上限；
• 模型路由（routing）：系統自動判斷「這個問題該秒回還是該深想」。

「思考」從不可見的工程細節，變成了可以定價、可以調參、可以對比的商品維度。這就是為什麼後面所有數字都圍著「成本」和「耗時」轉。

第一章 2024 年秋：o1 按下「思考」鍵

推理模型的真正元年是 2024 年。9 月 12 日，OpenAI 發佈 o1-preview 與 o1-mini，內部代號「草莓」（Strawberry）。它和此前所有大模型的根本區別是：先把答案在心裡過一遍，再開口。

當時官方給的資料：在 IMO 國際數學奧林匹克資格賽上拿到 83%（GPT-4o 只有 13%）；物理、化學、生物博士級基準超過人類專家。代價同樣肉眼可見——更慢、更貴，發佈初期一週只能用 30 條消息，聊天體驗被吐槽「像個打字很慢的學霸」。

o1 的技術意義在於驗證了兩件事：RLVR 可以規模化（用可驗證獎勵替代人類反饋，模型學會了自我糾錯）；測試時計算可以規模化（給模型更多思考 token，正確率就漲）。12 月 6 日，支持多模態的 o1 正式版上線。

12 月 20 日，o3 在 OpenAI「12 天活動」收官夜亮相：ARC-AGI 視覺推理拿到 87.5%（人類基線 85%），數學、GPQA 全面破紀錄。ARC-AGI 這個榜單的特殊之處在於它測的是抽象推理——不給模型見過的題，所以「背題」沒用，只能靠真推理。

但故事在這裡拐了個彎。2025 年 2 月 13 日，奧特曼宣佈：o3 不單獨發佈了。推理能力將直接並進 GPT-5，因為 o1/o3 這類「獨立推理模型」要和 GPT 主系列合併成一個能自動切換思考與否的系統。o3-mini 成了 o 系列最後的獨苗（2025-01-31 上線，ChatGPT 首次向免費用戶開放推理模型）。

回頭看，o1→o3 這一年的意義：推理第一次成為可定價、可量化的商品維度，「思考多久」從工程細節變成了產品參數；而「要不要把推理做成獨立產品」的路線分歧，為後兩年的行業格局埋下了伏筆。

第二章 2025 年 1 月：DeepSeek 用開源撕開價格口子

如果說 o1 是「推理模型的 iPhone」，那 DeepSeek-R1 就是「安卓」——開源、可部署、論文級透明。

先看底座。2024 年 12 月 26 日，DeepSeek-V3 發佈：671B 總參數、37B 激活的 MoE 架構，配合多頭潛在注意力（MLA）、FP8 低精度訓練、多 token 預測（MTP），官方論文披露的訓練成本約 560 萬美元——這個數字當時讓整個硅谷重新算了一遍「訓練大模型到底要多少錢」。

2025 年 1 月 20 日，R1 與 R1-Zero 發佈，直接把推理模型的價格體系打穿：

• R1-Zero：全程不用人工標註，純靠強化學習（GRPO——群體相對策略優化，連 critic 價值模型都省了）把推理能力「長」出來。訓練日誌裡出現了著名的「Aha Moment」——模型自己停下來反思：「等等，等等，這是個值得標記的頓悟時刻……讓我重新評估一下這個解法。」
• R1：在數學、代碼上達到 o1 水平，按發佈時 API 定價折算，輸出價格約是 o1 的 1/27~1/30。權重 MIT 協議開源，還順手蒸餾出 Qwen、Llama 的小模型。
• 傳播效應：上架 7 天登頂美國 App Store 免費榜，直接把「OpenAI 該降價了」寫進全行業日程，全球 AI 芯片股一度劇烈波動。

R1 之後，DeepSeek 的迭代幾乎是一路踩著 OpenAI 的路線圖走的：

V4.1-Flash（2026-09-10）是 DeepSeek 效率路線的一座里程碑：

• 架構：全新 Causal Encoder-Decoder（因果編碼器-解碼器）非對稱結構，552B 骨幹參數（另有 196B 稀疏記憶模塊），但 prefill 階段每 token 只激活 8B、decode 階段激活 16B——「讀」和「寫」用不同規模的計算，專為 Agent 這種「大量讀入、少量產出」的工作形態設計；
• KV Cache 壓縮：全局緩存壓到 890 字節/token（約為 V4-Flash 的 1/4），相對初代模型縮小 437 倍——緩存小，長上下文和 Agent 多輪任務的成本就斷崖式下降；
• 原生多模態：視覺理解併入主力模型（不再需要外掛 Vision 實驗版），45T 多模態語料預訓練；
• 成績：GPQA Diamond 90.9、Codeforces 評級 3471、Terminal-Bench 2.1 90.6、DeepSWE v1.1 74.2、CyberGym 88.1、AutomationBench 54.8；
• 定價：API 改名 deepseek-flash，閒時緩存命中輸入低至 $0.003/百萬 token，緩存未命中 $0.15，輸出 $0.6——比 V4-Flash 同檔再降 60%。

還有一個值得記住的行業插曲：DeepSeek 宣佈 2026-09-14 後 V4 Pro 下線、請求自動路由到 V4.1-Flash 並按 Flash 價格計費，官方理由是「繼續以更高價、更慢速度提供更弱的 V4 Pro 已不合適」。社區反應兩極：有人說「免費升級還降價」，有人說「我驗證過的生產工作流被 48 小時通知強切了」（對比 OpenAI 關停 Sora API 給了 6 個月預告）。這件事說明：當「便宜」變成公司戰略，連老用戶的遷移成本都會被算進效率賬本里。

DeepSeek 這條線的關鍵詞始終是效率：別人用算力換智能，它用架構換智能——MoE 稀疏激活、注意力壓縮、非對稱輸入輸出、KV 緩存瘦身。它把「頂級推理」的單價一路打到了閉源模型的零頭，也把「開源權重 + 論文透明」變成整個行業的定價錨。

第三章 Claude 的第三條路：混合推理 → 自適應思考

Anthropic 是三家裡面唯一在 2024 年沒有發推理模型的。CEO Dario Amodei 公開表態反對「快模型 / 推理模型」雙產品分裂，認為讓用戶手動選「要不要思考」是交互設計的失敗——這個立場直接決定了 Claude 之後三年的路線。

2025 年 2 月 24 日，Claude 3.7 Sonnet 帶著 Extended Thinking（擴展思考） 出場，被定義為「市場首個混合推理模型」：同一個權重，既能秒回、也能深度思考，要不要想、想多久，交給 API 參數 budget_tokens 控制。這是對 o1 路線的正面反駁——不分裂產品，把選擇權交給調用方。

後續演進都在打磨這個「思考開關」：

• 2025-05 Claude 4（Opus/Sonnet）：思考期間能調用工具，還引入「思考摘要」機制（用小模型壓縮思維鏈，降低成本和延遲）；
• 2025-08 Opus 4.1：編碼與長上下文提升；
• 2025-09/10 Sonnet 4.5 / Haiku 4.5：中端與入門檔補位；
• 2025-11 Opus 4.5：新增 effort 低/中/高三檔粗粒度控制，同時API 價格砍掉 66%（$15/$75 → $5/$25）——推理模型的「貴」第一次被主動讓利；
• 2026-02 Opus 4.6：自適應思考（adaptive thinking）——模型自己判斷要不要想、想多深，手動模式開始棄用；
• 2026-04 Opus 4.7：手動模式徹底移除（返回 400），只留自適應 + xhigh 檔；
• 2026-05 Opus 4.8：Dynamic Workflows（並行子智能體編排）。

2026 年夏天，Anthropic 進入第五代，產品線也從「版本號」變成「角色分工」：

• 2026-06-09 Fable 5 / Mythos 5：首個 Fable 級模型，主打長週期 Agent 工作（曾因美國出口管制在 6-12 短暫停服，7-01 恢復）；
• 2026-06-30 Sonnet 5：$2/$10，速度與智能的平衡檔；
• 2026-07-23 Opus 5：$5/$25，日常專業工作主力；
• 2026-09-01 Fable 5.1：自適應思考常開不可關閉（手動 disabled 直接 400），effort 五檔（low/medium/high/xhigh/max，默認 high），1M 上下文、128K 輸出，$10/$50，緩存讀取降到 $0.25（比 Fable 5 便宜 75%，長 Agent 會話成本大降）；同權重受限版 Mythos 5.1 只對通過審查的機構開放（網絡安全/生物領域能力分級，類似 OpenAI 的受限訪問）；
• 2026-09-22 Opus 5.5（$4/$20）與 Sonnet 5.5（$2/$10）補齊產品線。

到 2026 年 10 月，Claude 的定價階梯是：Haiku 4.5（$1/$5）→ Sonnet 5.5（$2/$10）→ Opus 5.5（$4/$20）→ Fable 5.1（$10/$50）。每一檔對應一種「思考強度」：從「最快秒回」到「自適應常開、默認 high」。

Claude 路線的本質：推理不是開關，是運行時資源。從「開發者在代碼裡擰 token 預算」到「模型自己按任務難度分配算力」，再到「分類器把高風險的請求降級到低能力模型處理」——推理的門檻一路下沉，而安全分級成為並行演進的主題。

第四章 GPT-5 之後：推理變成「自動擋」

OpenAI 的回應是 2025 年 8 月 7 日的 GPT-5：o 系列正式併入 GPT 主系列，ChatGPT 不再讓用戶選模型，而是自動判斷「該秒回還是該深想」——Auto 模式。GPT-5 的能力層覆蓋編碼、數學、寫作、視覺，被視為「統一系統」的完成形態。

此後 OpenAI 進入高頻小步快跑：

GPT-6 Astra 是這段歷史的當前終點（2026-09-03 發佈，2026-09-22 前逐步放開全量）：

• 規格：1.05M token 上下文窗口、128K 最大輸出，知識截止 2026-04-30，API 定價 $10/百萬輸入、$50/百萬輸出（緩存命中 $1）；
• 跑分（OpenAI 官方自測）：FrontierMath Tier 4 達到 98%（已幫助解決多個長期未解的數學開放問題）、ARC-AGI-3 99.9%、ExploitBench 100%、Terminal-Bench 4.0 57.9%（對比 GPT-5.6 Sol 37.3%、Claude Fable 5.1 55.8%，且官方稱單任務 API 成本分別低約 9% 與 63%）、GPQA Diamond 96.0%；
• 安全分級：首個在 OpenAI Preparedness Framework 下達到「Critical」網絡能力級別的模型——能自主發現並利用未知漏洞，因此同步上線了更嚴的安全棧、思維鏈全程監控和「失配監控」（misalignment monitoring）；
• 對齊：54,000 個內部 Codex 任務模擬中，高嚴重度失配信號約為 GPT-5.6 Sol 的一半；
• 交互：支持異步工具調用、任務中途改指令（mid-turn steering）、對話中途調 effort；最低 effort 檔不再支持（Astra 不允許「完全不思考」）。

注意 OpenAI 這一段的兩個趨勢：模型命名從「版本號」變成「能力分層」（Sol/Terra/Luna、GPT-6 Astra/Sol/Luna/6.1 Sol），推理強度從「用戶選」變成「系統路由 + 會話中動態調整」。推理能力本身，正在從賣點變成基礎設施。

第五章 用 Sketch 榜給三代人拍張合影

上面是「官方敘事」，下面是「實測資料」。OpenRouter 的 Sketch 榜做了一件很妙的事：給幾十上百個文本模型同一個提示詞（「鵜鶘騎自行車」「夜晚的燈塔」「打傘的企鵝」……），讓它們直接產出圖像。文本模型沒有專門的圖像模型那麼強，但這個任務對「理解、規劃、細節執行力」的綜合要求，恰好是推理能力的試金石——而且它給每個模型都留下了可看的成品。

資料口徑（抓取於 2026-10-04，經 NAS 上 Halo「AI大模型排行榜」插件抓取緩存）

• 全榜 4 個提示詞欄共 640 條「模型 × 樣張」記錄，去重 204 個模型；默認欄「Pelican on a bike」參評 143 個模型（lighthouse 欄 173 個，全站最多）；
• 該欄上游不給出質量分，主指標為單次成本（USD，越低越好）與生成耗時（秒）；本文未自行加權合成任何「質量總分」；
• 全榜成本中位數約 $0.009~0.014、耗時中位數約 52~79 秒——也就是說，一次成圖的「市場均價」非常便宜，貴出來的錢全花在「思考」上。

三家旗艦代際的「成本 × 耗時」對照（默認欄）

來源：OpenRouter Sketch 榜（openrouter.ai/benchmarks/media/sketch，默認提示詞欄），2026-10-04 抓取；OpenRouter 資料按 CC BY 4.0 授權轉述。完整清單見下節。

三家族在默認欄的完整清單

把三家在默認欄所有參評模型攤開，演化脈絡更完整（按成本升序）：

OpenAI（20 個）：gpt-4.1-nano（$0.00027/7s）→ gpt-4o-mini（$0.00035/8s）→ gpt-oss-120b（$0.00065/40s）→ gpt-5-nano（$0.01/144s）→ gpt-4.1（$0.017/24s）→ gpt-5.1-codex（$0.018/14s）→ gpt-5.1-codex-mini（$0.019/171s）→ gpt-5-mini（$0.025/100s）→ gpt-5.6-luna（$0.032/263s）→ gpt-4（$0.043/5s）→ gpt-5（$0.099/106s）→ gpt-5.1（$0.11/101s）→ gpt-5.5（$0.15/69s）→ gpt-5.3-codex（$0.21/156s）→ gpt-5.6-terra（$0.29/308s）→ gpt-5.2-codex（$0.33/346s）→ gpt-5.4（$0.38/429s）→ gpt-5.2（$0.4/415s）→ gpt-5.6-sol（$0.57/364s）→ gpt-6-astra（$0.87/391s）。

Anthropic（11 個）：claude-3-haiku（$0.002/13s）→ claude-4.5-haiku（$0.012/12s）→ claude-4-sonnet（$0.029/16s）→ claude-4.5-sonnet（$0.034/25s）→ claude-4.5-opus（$0.055/24s）→ claude-4-opus（$0.088/21s）→ claude-4.1-opus（$0.11/71s）→ claude-4.8-opus（$0.46/222s）→ claude-4.6-opus（$0.49/234s）→ claude-opus-5（$0.5/275s）→ claude-fable-5.1（$2.13/519s）。

DeepSeek（9 個）：v3-0324（$0.001/26s）→ v3.2（$0.001/25s）→ v3.1-terminus（$0.002/77s）→ r1-distill-llama-70b（$0.002/107s）→ r1-0528（$0.004/94s）→ v4-flash（$0.007/450s）→ v4.1-flash（$0.019/62s）→ v4-flash-vision-exp（$0.021/51s）→ v4-pro（$0.055/214s）。

旗艦跨提示詞欄：穩定不是偶然

同一模型在不同提示詞下的成本/耗時（抓取資料）：

兩個讀法：一是成本跨欄穩定（同一模型的價格由推理深度決定，而非題目難度），二是 GPT-6 Astra 在「夜晚燈塔」上想了 971 秒——十六分鐘，把「思考的代價」四個字寫到了極致。

四張圖看懂「推理深度」的代價

① OpenAI 線：從「簡筆畫」到「紅圍巾」。 GPT-4 畫的鵜鶘是極簡線條，幾筆交代完事；GPT-4o mini 畫面殘缺、背景發黑；GPT-5 形體完整、自行車結構清晰；GPT-5.5 有了太陽、雲、草地；到 GPT-6 Astra，鵜鶘戴上紅圍巾，背景有光暈和植被，完成度判若兩代。成本同步從 $0.043 漲到 $0.87（約 20 倍），耗時從 5 秒漲到 391 秒（約 78 倍）。多出來的每一分錢、每一秒，都花在「把畫面在腦子裡多過幾遍」上。

② Anthropic 線：從「沒畫出來」到「全場最貴」。 Claude 3 Haiku 在默認欄直接沒有產出有效畫面（樣張是佔位圖標）；Claude 4 Sonnet 開始能畫出像樣的構圖；Opus 5 達到場景完整；到了 Fable 5.1，單次 $2.13、耗時 519 秒，是全榜最貴的一單——和它「自適應思考常開、默認 high effort」的產品設計完全一致：貴，但把「想多深」的選擇權交給運行時。

③ DeepSeek 線：貼著左下方的性價比曲線。 V3-0324 只要 $0.001、26 秒；R1-0528 畫出了帶場景的畫面，$0.004；V4 Pro 的畫面完成度直追頂級閉源，成本 $0.055——只有 GPT-6 Astra 的十六分之一、Fable 5.1 的三十九分之一。到 V4.1 Flash，$0.019、62 秒，是「便宜 + 快 + 畫面不差」三者最平衡的一個點。

④ Lighthouse 四旗艦：換個考題，差距依舊。 在「夜晚燈塔」這一題上：GPT-5.5 畫面簡單、細節稀疏（$0.55/370s）；GPT-6 Astra 用了 16 分鐘思考，畫面最完整（$0.74/971s）；Claude Opus 5 用不到 5 分鐘交出接近完成度的畫面（$0.57/277s）；DeepSeek V4 Pro 只花 $0.12、6 分鐘，完成度排在第二梯隊——**效率與質量的最優解，在這張圖上就是「越靠左下越好」

**。

三個反直覺的發現

1. 最便宜的模型不是最強的，但也不是最差的。 全榜成本最低的五個模型全是小參數開源模型（Gemma 3 12B $0.00015、Llama 4 Scout 17B、Ministral 3B/8B、騰訊 hy-mt2 1.8B），畫面完成度肉眼可見地低——但它們證明「推理」和「生成成本」不是一回事：小模型可以又快又便宜地完成一次成圖，只是畫不出細節。
2. 推理模型的競爭，從來不是「誰更便宜」。 旗艦們一個比一個貴（GPT-6 Astra $0.87、Fable 5.1 $2.13），因為買家買的不是「畫一張圖」，而是「畫一張好圖所必需的深度思考」。真正的競爭是「同樣的預算，誰的智能密度更高」。
3. 榜單有「缺席者」，缺席本身就是信息。 截至快照（2026-10-04），最新一代的 Claude Opus 5.5 / Sonnet 5.5、GPT-6 Sol/Luna、DeepSeek V4.1 Pro 都還沒上欄——OpenRouter 收錄滯後於官方發佈。也就是說，這個榜的「天花板」時刻在刷新，但「推理成本隨時間推移只漲不跌」的長期趨勢已經寫死。

終章 三條路線，一個收斂方向

把 2024-09 到 2026-09 的三年攤開，三家的路線差異清晰得可以畫成三根箭頭：

• OpenAI：獨立 o 系列 → 統一 GPT 系統自動擋 → 能力層定價（Sol/Terra/Luna、Astra/6.1 Sol）。方向是能力集成與路由；
• Anthropic：單模型混合推理 → 自適應思考常開。始終拒絕「雙模型分裂」，方向是運行時自治與安全分級；
• DeepSeek：純 RL 開源 → 稀疏注意力降本 → 非對稱架構 + KV 緩存壓縮。方向是效率民主化。

但三條線在終點匯合，形成五個全行業共識：

1. 推理 = 測試時計算，成本和耗時成為與能力並列的硬指標；
2. 思考強度可調成為通用接口（OpenAI 的 effort、Claude 的 effort 五檔、DeepSeek 的 low/high/max 與連續 1–100）；
3. 模型路由與動態調整興起：系統/會話中自動決定「想多久」（Astra 支持對話中途調 effort、Fable 5.1 支持 per-message effort）；
4. 效率競賽升級為架構級競爭：從降價促銷（R1 的 1/30、Opus 4.5 的 -66%、V3.2 的 -50%）到架構重構（CED、CSA2、FP4 緩存、1M 上下文緩存命中 $0.003）；
5. 能力分級與安全治理成為並行的第二戰場：OpenAI 的「Critical」網絡能力分級與思維鏈監控、Anthropic 的安全分類器與受限訪問（Mythos/Project Glasswing）、DeepSeek 的 MIT 開源與自部署門檻（約 2000 張 GPU）。

對做內容、做工具、做遊戲的人來說，這句話的實用含義是：選模型不再只看榜單第一名，而是看「你的任務需要它想多久」。做美術概念圖、代碼 Agent、長文檔研究，選「貴但想得深」的旗艦；做高頻、低成本、確定性任務，選「便宜且快」的檔位，把省下的預算留給真正需要推理的場景。Sketch 榜這面鏡子照出的，正是這個正在發生的轉變：這一行已經從「比誰聰明」轉向「比誰的算力花得值」。

附錄

一、資料與方法

• 榜單：OpenRouter Sketch 榜（openrouter.ai/benchmarks/media/sketch），多模態六榜之一，文本模型一次成圖、結果按圖像評分；本站經 NAS 上的 Halo「AI大模型排行榜」插件緩存抓取，抓取時間 2026-10-04。
• 口徑：默認提示詞欄「Pelican on a bike」共 143 個模型；該欄上游不給出質量分，主指標為單次成本（越低越好）與生成耗時（秒）；未自行加權合成任何「質量總分」。
• 三家旗艦代際樣本為人工選取的代表性版本；完整 640 條資料見素材目錄 or-sketch-live-full.json，各家完整清單見正文。
• OpenRouter 資料按 CC BY 4.0 授權轉述；廠商發佈時間的官方口徑分別見 OpenAI / Anthropic / DeepSeek 官方發佈記錄與模型文檔。

二、三家完整迭代時間線

三、主要 API 定價對照（每百萬 token，官方公開價）

四、術語表

• 思維鏈（CoT）：模型在作答前生成的內部推理步驟；推理模型的核心機制。
• 測試時計算（test-time compute）：推理階段投入的額外計算（思考 token）；與「預訓練算力」「後訓練算力」並列為第三條縮放維度。
• RLVR：可驗證獎勵的強化學習——用客觀對錯（數學/代碼/競賽）而非人類偏好訓練推理。
• GRPO：群體相對策略優化，DeepSeek 的強化學習算法，省去 critic 模型，訓練成本更低。
• MoE（混合專家）：大參數模型每次只激活部分參數，DeepSeek/開源路線的主流架構。
• MLA / DSA / CSA2：多頭潛在注意力 / 稀疏注意力 / 壓縮稀疏注意力——把注意力緩存做小做省的技術。
• effort / budget_tokens：思考強度 / 思考預算——控制「想多久」的兩個通用旋鈕。
• 自適應思考：模型自行決定思考深度（Claude 4.6 起，Fable 5.1 起常開）。
• 模型路由：系統按任務難度/成本自動分派模型檔位（GPT-5.6 的 Sol/Terra/Luna、GPT-6 家族）。