模型思考强度是什么？选低，高还是最大？

改一处按钮文案，你希望 Agent 马上改完，自己扫一眼就行。排查一个偶发的并发问题，你就愿意多等一会儿，让它把原因想透，再把修复验证一遍。

这两项任务，需要的模型思考强度（Thinking effort）不一样。思考强度决定了 Agent 在动手之前，要先想多久，检查几遍。

前段时间我们集中评测了 Qoder 上不同模型的不同思考强度在真实任务上的表现，评测完后，调整了几个模型的默认思考强度：GLM-5.3、Kimi-K3、Kimi-K2.8-Preview、DeepSeek-Flash。原来默认是「最大」，现在默认是「高」。GLM-5.3-Flash 和 DeepSeek-V4-Pro 没有变化，还是「最大」。

需要说明的是，模型列表里的 Kimi-K3，已经替换为刚上线的 Kimi-K3.1-Pro。它的默认思考强度先沿用 Kimi-K3，同样是「高」。

调整已经生效，如果你想调整这 4 个模型的思考强度为「最大」，到模型选择器的「模型管理」里修改即可。

哪些模型的默认思考强度做了调整

调整前，这 6 个模型的默认思考强度都是「最大」。现在默认值做出了调整：

• 默认「高」：GLM-5.3、Kimi-K3.1-Pro（替换了 Kimi-K3）、Kimi-K2.8-Preview、DeepSeek-Flash。

• 默认「最大」：GLM-5.3-Flash、DeepSeek-V4-Pro。

这些模型都能在「低」「高」「最大」之间按需选择。这三个选项分别是什么意思，下一节讲。

先说清楚：模型的思考强度是什么

如果你对思考强度还没有概念，读完你会明白它调的是什么，也会明白它为什么会影响等待时间和消耗的 Credits。

Agent 动手之前，会先在“草稿纸”上想

现在的推理模型遇到复杂问题，不会读完就直接回答。它会先在内部写一份草稿：拆解问题，比较几种做法，检查中间结果。确认没问题，再给出最终答案。这份草稿，就是模型的“思考”。

做一道难的数学题，直接报答案，不如先在草稿纸上一步步演算。后者更容易算对，也更花时间。模型也是这样。

这份草稿是模型一个字一个字写出来的，和最终回答一样，要消耗 token。token 是模型计算文字用量的单位，你可以粗略地把它当“字数”。草稿写得越长，token 用得越多，你要等的时间越长，Credits 用得也越多。

思考强度，决定草稿写多细

假设你给同事指派任务。你说“今晚之前给我”，他会把各种边角情况都验一遍。你说“十分钟内给我”，他会先交一版能用的，剩下的边做边改。同一个人，做事的方式不一样。

思考强度也是这样。Qoder 里大部分模型的思考强度都有三个选项：

• 低：想得少，快速给结果。

• 高：多推导，多验证。

• 最大：推理和检查都做到最充分。

选哪一个思考强度，改变的是模型做事的细致程度。它知道什么、会什么，一点都没变，所以把思考强度调高，并不会让它变聪明。

在 Coding Agent 里，影响会扩大到整个任务

Agent 干活，不是问一句答一句。拿修一个 bug 来说：它先读相关的文件，改一处代码，再跑测试。测试没通过，它就去看报错，再改，再跑。这样一轮一轮往下做，直到测试通过。

每做一步，都要向模型发一次请求。这个次数，就是后面评测里说的「模型调用次数」。

思考强度调高以后，模型每一步都会想得更久，整个任务也会多做几步。比如多读几个文件，多跑几轮测试，多检查几种边界情况。

所以多花的钱，有两处来源。一处是更长的草稿，另一处是多出来的几轮请求。

而且每一轮请求，都要把模型当前能看到的全部内容带上，包括你的需求、读过的文件、之前的对话。这些统称为上下文。上下文越积越长，每一轮也就越贵。

为什么不是越高越好

难的任务，值得多想。边界条件多、出错代价大的时候，多验证几遍，就能多抓住几处遗漏。

简单的任务就不一样了。多出来的推理大多派不上用场，你多等的时间、多花的 token，很难换来更好的结果。

多家模型厂商的官方文档也提醒过，思考强度调到最高以后，可能出现收益递减。收益递减，就是多花一点，换来的提升越来越小。所以建议先测试，再决定要不要常开到「最大」。

为什么把一些模型的默认思考强度调成「高」

我们用 Qoder CLI 做了一次对比。测试用的是 QoderBench，Qoder 自己的评测集，里面有近 200 个 case。这 6 个模型，每个都在「最大」和「高」下各跑了一遍。

评测使用的是 Kimi-K3，当时 Kimi-K3.1-Pro 还没有上线，所以下面的数据不包含。Kimi-K3.1-Pro 的评测还没有完成，默认思考强度先沿用 Kimi-K3 的「高」。

先说两个指标。输出 token，是模型生成的全部内容，思考草稿也算在里面。模型调用次数，是完成一个任务向模型发的请求数。

只把思考强度从「最大」调低一级，6 个模型的变化是这样：

• 输出 token 少了 19% 到 48%，模型调用次数少了 6.5% 到 31.5%。

• 评测里的单次成本降了 6.9% 到 40.5%，得分相对下降 5.7% 到 16.1%。

具体到模型：

• 单次成本降幅最大的是 GLM-5.3，降了 40.5%，得分相对下降 6.3%。

• 评测里调到「高」的 4 个模型，单次成本都降了两成以上，得分都只掉不到一成。

• 保持「最大」的 2 个模型：DeepSeek-V4-Pro 调低一级，单次成本只降 6.9%。GLM-5.3-Flash 调低一级，得分下降了 16.1%。

得分变化按相对百分比算：原来 80 分，相对下降 10%，现在是 72 分。数据来自 QoderBench 近 200 个 case，其中 Kimi 测的是 Kimi-K3。

Qoder 的 Credits 用量跟 token 挂钩。输出 token 少了，Credits 用量也会跟着下降，具体降多少，要看具体的任务和模型。

调低思考强度是有真实代价的：6 个模型的得分都在下降。这份评测没有测端到端耗时。调用次数和 token 都少了，等待有机会缩短，但仍然在不同任务上有差异。省下来的思考，也不全是多余的。

什么时候该手动调

默认值只是 Qoder 真实评测后做出的推荐值。同一个模型，你可以根据这次任务的难度，自己选思考强度。

低：适合头脑风暴，或者需求很明确的小改动。比如改一句按钮文案，给函数补注释，把接口里的字段名统一。先快速拿到结果，再由你检查和调整。

高：适合日常开发和修 bug。比如给订单列表加分页，同时处理没有数据、页码超出范围这两种情况。选「高」会多做几步验证。

最大：适合难排查的问题，或者出错代价大的改动。比如排查偶发的并发问题，审查支付回调的签名校验。任务很长、你又不想中途盯着的时候，也可以选「最大」。

以 Qoder 为例。点输入框底部的模型选择器，再点底部的「模型管理」，就能给每个模型单独思考强度。

三个小贴士

帖士一：

同一个任务里，尽量别中途改思考强度。模型会把前面读过的内容暂存起来，下一轮接着用，这叫缓存，能省时间，也能大大节省成本。中途改强度，这份缓存有可能用不上，token 得重新计算一遍。

帖士二：

结果不对的时候，先分清是哪种情况。如果它漏了边界条件，或者没做验证，说明模型没想够，可以调高思考强度。

如果模型的思路一开始就错了，调高强度并没有用。这时可以换一个模型，或者把需求、限制条件和验收标准写得更清楚。

帖士三：

在「模型管理」里改完思考强度，对后续的所有任务生效。正在生成的回复不受影响，下一轮任务才按照新设置来。

打开「模型管理」，看一眼各个模型现在的默认值。遇到复杂任务，再把思考强度选到「最大」。