推理模型（thinking 类）和普通模型有什么区别？什么任务值得用？
谁在问：头部 AI 公司一二面；平台组 / 网关组会往成本方向追
口语化问法
- 推理模型和普通模型有什么区别？你们哪些场景用了？
- 思考那部分 token 收不收费？收在哪一边？
- 模型在一个复杂问题上答得很浅，你会怎么办？
考察意图
这题在 2026 年已经从概念题变成了时效题。面试官在看三件事：
- 你的知识停在哪一年——还在按「两类模型」组织答案，说明停在 2025；
- 你有没有算过账——思考 token 计在输出侧，是很多人成本模型里漏掉的一块；
- 你的反向判断——什么任务开了思考反而更差，这是有没有真跑过评测的直接证据。
参考答案
60 分答案（及格线）
推理模型在给出答案之前，会先生成一段内部推理过程，再基于这段推理作答，在数学、复杂编码、多步分析这类需要多步推导的任务上明显更好。代价是延迟高、成本高——那段思考内容也是生成出来的，计在输出侧按输出价计费。
值得用的场景：复杂推理、多约束规划、疑难排查。不值得用的：简单分类、格式转换、实时性要求高的交互。
90 分答案（有生产经验的回答）
在上面基础上加三层：
第一，截至 2026-08，「推理模型 vs 普通模型」这个二分基本已经合流了。 现在是同一个模型上的自适应思考加一个 effort 档位（low / medium / high / xhigh / max），模型自己决定要不要想、想多久，你只给「这件事值得花多大力气」。手工设思考预算的老写法在新一代模型上已经被拒——比如 Sonnet 5 上传 thinking: {type: "enabled"} 直接返回 400。
第二，effort 影响的是整个响应的 token 花费，不只是思考。 官方明确说明：低档下模型会把多个操作合并成更少的工具调用、更直接地动手；高档下会更多解释计划、做更多次工具调用。这意味着在 Agent 场景里，effort 是成本的主旋钮，不是一个思考深度的小开关。它也带来一个后果：降档之后必须重跑轨迹评测，不能只看最终答案对不对，因为执行路径已经变了。
第三，我的分级策略。 分类、路由、抽取、子代理走 low；一般 Agent 步骤走 medium；主决策和难编码留 high 及以上。这个划分不是拍脑袋，是在自己的评测集上做了一遍 effort 扫描定下来的——而且换模型之后要重新扫，官方也建议不要照搬上一代的设置。另外高档必须配大 max_tokens，否则思考吃掉预算、正文被截断在半路。
追问链
思考 token 计在哪一边？对 max_tokens 有什么影响？
期望计在输出侧、按输出价计费 —— 输出价通常是输入价的数倍，这是成本估算最容易漏的一块；max_tokens是思考加正文的共同硬顶，开高档不放大它，典型症状就是答案被截断信号知道「思考和正文共享 max_tokens」 → 一定被截断过一次；只回答「会更贵」 → 没细算过「推理模型 vs 普通模型」这个二分在 2026 年还成立吗？
期望基本不成立：自适应思考 + effort 五档（low→max）取代了「选推理模型 + 设budget_tokens」；加分项是知道 effort 值会渲染进 prompt，同一会话内改 effort 会击穿 prompt 缓存，官方建议会话内保持恒定信号本题最强的时效筛：仍按两类模型做选型 → 知识停在 2025；顺带说出「改 effort 击穿缓存」 → 真读过文档不是二手总结有没有什么任务，开了思考反而更差？
期望没有推理空间的那些：分类、路由、抽取、格式转换 —— 思考只加延迟和成本，还可能「想出」多余解释污染输出结构；延迟敏感的实时交互也是；结构化输出上档位过高会过度思考。最该警惕的是用高档掩盖检索或数据质量问题，等于为错误输入付更贵的思考费信号举得出「用高档掩盖数据问题」这类反模式 → 真做过成本复盘；只会说「简单任务不用开」 → 常识级回答模型在复杂问题上答得很浅，你是加提示词还是提档位？
期望提档位，官方判断很直接：推理太浅就提 effort，别绕着提示词想办法。塞「请一步步思考，先 A 再 B」在新一代模型上常是负优化 —— 内部已在推理，规定路径把它限死在你想到的那条，还容易被当成输出格式来满足。界线是规定过程有害、规定结构有效、给领域约束必须信号划得出「别教它怎么想，要告诉它想什么」 → 理解了 2026 的范式；第一反应加「请深入思考」 → 停在 2023 年的提示词技巧Agent 服务上线后成本超预算 3 倍，业务明确不接受降质，你怎么砍？
期望① 先按环节拆 token，别猜：多是「工具结果累积 × 高档位」 → ② 分环节降档：子代理/分类/路由走low，主决策留high→ ③ 削工具结果（永久居民，成本按剩余轮次复利；代价是伤缓存）→ ④ 修缓存：前缀前置、断点落恒定块末尾、effort 恒定 → ⑤ 简单子任务走小模型 → ⑥ 最后才谈减功能。降档会改工具调用次数，必须重跑轨迹评测信号第一句是「先按环节拆 token，别猜」、且知道降档同时降了工具调用次数所以要看轨迹 → 优秀；直接跳「换个便宜模型」 → 不量化也不评估影响面
评分要点
- 说清推理模型的机制：先生成推理再作答
- 明确思考 token 计在输出侧、与正文共享 max_tokens
- 知道 2026 年二分已合流为自适应思考 + effort 档位
- 知道 effort 影响全部输出 token，包括工具调用次数
- 能给出反向判断：什么任务开了反而更差
- 知道「答得浅提档位，而不是加提示词」
- 能划清「规定过程」与「规定结构」的界线
- 降本时先量化拆分、分环节降档，并重跑轨迹评测