这是什么

Reddit 上一位开发者用四台 NVIDIA DGX Spark（桌面级 AI 工作站）组成两组互联，跑了 DeepSeek V4 Flash、Qwen3.8 Flash Next、Qwen3.8-27B、Qwen3.6-35B-A3B 四款模型，重点测试「长上下文」（最长到 90 万 token）和「不同思考深度」对结果的影响。

他公开的数据里最值得记的是：把 AI 调成「深度思考」模式（thinking level 设到 high 或 xhigh），得分反而比 low 模式更低，输出 token 数（AI 生成的字数）却多出 3 倍以上。最极端一例：DeepSeek 高思考模式比低模式多用了 2.5 倍时间，得分却从 20/24 跌到 16/24。

行业怎么看

这件事和市面常见的 AI 营销话术是反的。过去一年，主流模型把「会思考」「深度推理」当作高端卖点——OpenAI 的 o 系列、Anthropic 的 extended thinking、各类国产「深度思考」开关，定价都比普通模式贵数倍，逻辑是「多想一会儿，答案更准」。

这位测试者的结论是：在他的任务集（12 道代码生成 + 12 道代码补全）上，深度思考是「主动的反作用」。他建议日常工作用 low 或 off 模式，复杂推理才考虑调高。

反对意见也要说：这是单一系列测试（24 道题），不是 LiveBench 公开榜的官方成绩，样本量小；任务偏代码补全，结论未必能推广到数学竞赛、论文写作等更复杂任务。模型厂商也未必会承认这个结论，把它当作「单一用户单一场景」会更稳妥。

对普通人的影响

对企业 IT：如果公司正在采购 AI 推理 API，「开不开深度思考」是直接的成本变量。盲目默认开启相当于按 3 倍 token 价买单，这钱花得值不值，需要业务方自己评估。

对个人职场：日常用各类 AI 助手时，可以试着关掉「深度思考」按钮，对照速度和答案质量。「开了显得更专业」未必是真的。

对消费市场：DGX Spark 这类桌面工作站能跑 90 万 token 长上下文，意味着大模型本地化的硬件门槛在持续下移，个人和小公司自建 AI 工具链的成本会继续降低。