1. 推理强度不是画质选项它决定了模型愿意花多少算力去思考很多人第一次看到 GPT-6 的推理强度选项时下意识会把它类比成视频平台的流畅/高清/超清——觉得无非是响应快慢和输出长短的区别选个中间的 High 就完事了。这个理解偏差挺大也是我踩过的第一个坑。推理强度Reasoning Effort本质上控制的是模型在给出最终答案之前愿意在内部草稿纸上写多少东西、做多少轮自我检查和回溯。Low 不是低配版模型Ultra 也不是解锁隐藏能力它们调的是同一套权重在不同思考预算下的行为模式。打个比方同一个会计Low 是让他扫一眼报表直接报数High 是让他把关键科目核对一遍Ultra 是让他把每一笔流水都翻出来交叉验证。人还是那个人但出错率和耗时完全不是一个量级。这个区别在实际使用中会带来几个非常具体的后果。第一同一道题在不同强度下可能给出不同答案不是措辞不同而是结论方向都可能变。第二强度越高不一定越好有些任务在 Ultra 下反而会因为想太多而偏离你真正想要的东西。第三成本曲线不是线性的从 High 到 Ultra 的 token 消耗和延迟增长往往比从 Low 到 High 陡峭得多。这篇内容适合三类人一是刚接触 GPT-6、搞不清三个档位该怎么选的新手二是已经在用但总觉得效果不稳定、想搞清楚问题出在哪的进阶用户三是需要把推理强度做成产品可配置项、要给出默认值和切换策略的开发者。我会把三个档位的实际行为差异、适用场景、切换判断标准以及我自己踩过的坑都摊开讲。先给一个我总结的粗判断后面再展开Low 用于我知道答案长什么样只要它帮我快速产出High 用于我需要它认真做一遍但不需要穷尽Ultra 用于这件事错了代价很大或者我根本不知道答案该长什么样。这个判断不精确但能覆盖八成日常决策。2. 三个档位在内部到底做了什么不同的事2.1 Low单遍生成几乎不做自我修正Low 模式下的模型行为最接近传统的自回归生成——读到你的输入顺着最可能的路径往下写写完就交。它内部可能仍有极短的思考链但基本不会出现等等我前面那个假设有问题重来这种回溯。这种模式的特点是输出高度依赖你输入的清晰度。你给的条件越明确、格式越规整Low 的表现就越接近 High。反过来如果你的问题本身有歧义、缺少约束Low 会直接顺着第一个合理的方向冲出去不会停下来问你或者自己权衡。我实测下来Low 在以下几类任务上和 High 的差距小到可以忽略格式转换把 JSON 转成 YAML、把表格转成 Markdown文本改写润色、缩写、扩写、换语气信息抽取从一段文字里抓出指定字段简单分类情感判断、意图识别、打标签代码补全根据上下文补一两行这些任务的共同点是目标明确、评判标准清晰、不需要多步推理。你让模型做这些事的时候用 Ultra纯属浪费——它会在那里反复确认用户是不是还想要别的最后给你一堆你没要的补充说明。2.2 High多轮内部检查会权衡但不会穷举High 是我日常用得最多的档位。它会在内部做几轮思考遇到不确定的地方会停下来比较不同路径但不会把每一种可能性都展开。用前面的会计类比它会把主要科目核对一遍发现异常会多看一眼但不会把三年的流水全翻出来。这个档位最明显的体感变化是它开始会犹豫了。你问一个有点模糊的问题High 不会像 Low 那样直接给一个答案而是会先说明这里有两种理解方式然后选一个它认为更合理的展开或者干脆把两种都给你。High 适合的任务类型需要多步推理但不涉及高风险决策比如根据一段需求描述设计数据结构需要权衡取舍比如在几个方案里推荐一个并说明理由需要理解隐含意图比如用户说帮我看看这段代码其实是想让你找 bug 而不是解释逻辑中等复杂度的分析比如读一份报告提炼要点并给出判断High 的一个隐藏优势是它对提示词的容错率明显高于 Low。你提示词写得糙一点、条件给得少一点High 会自己补上合理的默认假设。Low 则会直接按字面意思执行你不说它就当没有。2.3 Ultra穷举式思考会主动质疑前提Ultra 是三个档位里行为最不一样的。它不只是想得更久而是思考方式发生了变化——它会主动质疑你给的前提会考虑你没提到的边界情况会在给出答案之前先验证自己的推理链条有没有断点。我印象很深的一次测试我让三个档位分别做一道有陷阱的逻辑题。Low 直接掉进陷阱给了错误答案High 绕过了陷阱但没说明为什么Ultra 不仅绕过了还专门指出题目里这个条件如果按字面理解会导出矛盾所以我假设它实际想表达的是……。这种主动识别并处理问题本身缺陷的能力是 Ultra 独有的。Ultra 的代价也很直接维度LowHighUltra相对延迟1x2-4x6-15x相对 token 消耗1x2-5x8-20x对提示词质量的要求高中低输出稳定性中高高但可能过度展开适合的决策代价低中高注意最后一行——Ultra 不是更准而是更不容易在复杂问题上出错。简单问题上 Ultra 和 High 的准确率几乎一样但 Ultra 会多花好几倍的成本。所以选 Ultra 的判断标准不是这题难不难而是这题错了我要不要重来。3. 按任务类型选档位一张能直接抄的对照表光讲原理不够我把常见任务类型和推荐档位整理成了一张表。这张表是我自己用了几个月之后沉淀下来的你可以直接拿去用也可以根据自己的实际体感微调。任务类型推荐档位理由格式转换、文本清洗Low规则明确不需要推理翻译、润色、改写Low目标清晰High 的提升有限信息抽取、打标签Low抽取逻辑简单Ultra 纯浪费代码补全、单函数生成Low上下文足够时 Low 就够需求转设计、方案对比High需要权衡但不需要穷举代码 review、找 bugHigh需要多步推理High 性价比最高数据分析、报告提炼High需要理解意图和取舍复杂系统设计Ultra错了代价大需要穷举边界数学证明、逻辑推理Ultra需要验证每一步高风险决策辅助Ultra需要主动质疑前提开放式创意、头脑风暴HighUltra 会收敛太快反而限制发散长文档深度分析Ultra需要跨段落交叉验证这张表里有两个反直觉的点值得单独说。第一创意类任务反而不该用 Ultra。很多人觉得想得越多创意越好实际恰恰相反。Ultra 的穷举式思考会让它快速收敛到一个最合理的答案而创意恰恰需要保留那些不太合理但有意思的可能性。High 在这类任务上的表现通常比 Ultra 更放得开。第二代码补全用 Low 就够了但代码 review 要用 High 甚至 Ultra。这两个任务看起来都是处理代码但补全是模式匹配review 是逻辑推理对推理强度的需求完全不同。我见过有人为了保险把所有代码任务都设成 Ultra结果补全一行代码要等十几秒体验极差。4. 切换档位的判断信号什么时候该升什么时候该降选档位不是一锤子买卖实际使用中需要根据输出质量动态调整。我总结了几个明确的信号出现这些信号时就应该考虑切换。4.1 该从 Low 升到 High 的信号输出开始答非所问你问 A它答 B而且 B 明显是字面理解的结果。这说明它没有理解你的隐含意图需要 High 来做意图推断。同一个问题问两遍答案不一样Low 的稳定性较差如果答案波动大说明这个问题需要更多内部检查。输出缺少为什么你问一个需要解释的问题它只给了结论没给理由。High 会自然地补充推理过程。你发现自己要反复补充条件如果一段提示词你改了三四遍才得到想要的结果不如直接升到 High让它自己补默认假设。4.2 该从 High 升到 Ultra 的信号输出里有看起来对但经不起推敲的推理High 偶尔会在多步推理的中间步骤出错然后基于错误的前提继续往下推。Ultra 会在每一步做验证。问题涉及多个相互制约的条件条件越多、约束越复杂High 越容易漏掉某个约束。Ultra 会系统性地检查所有约束。你无法判断输出对不对这是最关键的一条。如果你自己都没有能力验证答案的正确性那就该用 Ultra让它自己多验证几遍。错误代价高到需要重来如果这个答案错了你要花大量时间返工Ultra 的额外成本就是值得的。4.3 该从 Ultra 降下来的信号输出里全是补充说明和边界情况Ultra 有时候会过度展开给你一堆你没问的东西。如果这些补充对你没用说明这个任务不需要 Ultra。等待时间已经影响你的工作流如果你在等 Ultra 输出的时间里已经走神去干别的了说明这个任务的复杂度配不上 Ultra 的成本。你只是想让模型帮你快速过一遍有些任务你要的就是一个初步结果不需要完美。这种场景用 Ultra 是杀鸡用牛刀。提示切换档位时不要一次跳两级。从 Low 直接到 Ultra你很难判断到底是问题太难还是Ultra 过度思考导致的输出变化。一级一级试才能积累出准确的体感。5. 提示词写法要跟着档位变不能一套走天下这是很多人忽略的一点同一个提示词在不同档位下的效果差异可能比档位本身的差异还大。Low 和 Ultra 对提示词的要求几乎是相反的。5.1 Low 模式把话说死别留余地Low 不会帮你补默认假设所以提示词必须明确到没有歧义。具体做法明确指定输出格式最好给一个示例明确指定长度范围比如不超过 200 字明确指定语气和受众比如写给非技术读者看把不要做什么也写清楚比如不要加解释只给结果我常用的一个 Low 模式提示词模板任务把下面的内容转成 Markdown 表格 要求 - 只输出表格不要任何前后说明 - 表头用中文 - 空值填 - 内容 [粘贴内容]这种写法在 Low 下几乎不会出错因为所有决策点都被我提前定死了。5.2 High 模式给方向留空间High 会自己做合理推断所以提示词可以稍微松一点把精力放在说清楚目标和约束上而不是规定每一步怎么做。说清楚你要解决什么问题而不是要它输出什么格式给出关键约束但不用穷举所有边界可以留一两个开放点让 High 自己权衡比如同样是数据处理任务High 模式下我会这样写我有一份销售数据想看看哪些区域的增长异常。 重点关注同比增长超过 50% 或下降超过 30% 的区域。 如果有数据质量问题也顺便提一下。我没有规定输出格式High 会根据数据情况自己选一个合适的呈现方式。5.3 Ultra 模式把背景和判断标准给足Ultra 会主动质疑前提所以你要把判断标准也告诉它否则它可能质疑一些你根本不关心的东西。说明这个任务的背景和目的说明什么算好的结果什么算不可接受明确告诉它哪些前提是确定的、不需要质疑如果有一些约束是硬性的明确标出来Ultra 模式下我常加的一句话是以下前提是已确认的不需要质疑[列出前提]。请在此基础上分析。这句话能省掉大量 Ultra 的自我怀疑输出。6. 我踩过的四个坑以及怎么绕过去6.1 坑一以为 Ultra 是更聪明的模型这是我最早的误解。我一开始把 Ultra 当成升级版什么任务都往上堆结果发现简单任务上 Ultra 和 High 的答案几乎一样但等待时间翻了好几倍。更糟的是有些任务 Ultra 会因为过度思考而给出比 High 更差的答案——比如让它写一段营销文案Ultra 会反复权衡这个措辞会不会有歧义这个卖点会不会引起反感最后写出来的东西四平八稳、毫无锐度。绕法把 Ultra 当成更谨慎的审稿人而不是更聪明的作者。它适合做验证和审查不适合做需要锐度的创作。6.2 坑二在 Low 模式下用模糊提示词有一次我赶时间用 Low 模式跑一个数据清洗任务提示词写得很随意帮我把这些数据整理一下。结果它把数据按它自己的理解重新排了序还删掉了它认为重复的行——而那些行其实是有意义的。我花了半小时才把数据恢复回来。绕法Low 模式下提示词里的每一个模糊词都是风险点。整理优化处理这类词在 Low 下必须替换成具体动作比如按时间列升序排列删除完全相同的行。6.3 坑三忽略档位切换的上下文污染这个坑比较隐蔽。当你在同一个对话里先用了 Low 再用 UltraUltra 会看到 Low 之前的输出并把它当成已经确认的信息。如果 Low 的输出里有错误Ultra 可能会基于这个错误继续推理而且因为它信任前面的内容反而不会去质疑。绕法切换档位时如果前面的输出质量存疑最好开一个新对话把干净的输入重新给一遍。不要指望 Ultra 会去纠正 Low 的错误——它默认前面的内容是对的。6.4 坑四把延迟当成唯一成本我一开始只关注等多久后来才发现 token 消耗才是真正的大头。Ultra 在复杂任务上的 token 消耗可能是 High 的十倍以上如果你是按量计费的这个成本差异会非常明显。绕法建立一个简单的成本意识——把任务按错误代价分成三档只有错误代价高的任务才用 Ultra。日常任务用 High简单任务用 Low。我自己的比例大概是 Low 占 50%、High 占 40%、Ultra 占 10%。7. 把推理强度做成可配置项时的几个工程细节如果你是在开发产品需要把推理强度暴露给用户或者做成自动切换有几个细节值得注意。默认值选 High。Low 对提示词质量要求太高普通用户写不出那么精确的提示词用 Low 容易得到答非所问的体验。Ultra 成本太高不适合做默认。High 是容错率和成本之间最平衡的选择。不要暴露三个档位给普通用户。三个选项会让用户纠结。更好的做法是给两个选项快速和精确分别映射到 Low 和 HighUltra 作为高级选项藏在设置里。自动切换的触发条件要保守。我试过做自动升级——检测到输出质量低就自动升档。实际效果不好因为质量低很难自动判断经常误判。后来改成基于任务类型的静态映射反而更稳定。给用户一个重试并加强的按钮。这比自动切换更实用。用户看到不满意的输出点一下再想想系统用更高档位重跑一遍。这个交互简单、可控用户也能直观感受到档位差异。记录档位和满意度的关联数据。如果你有用户反馈机制把档位和满意度关联起来分析能帮你找到每个任务类型的最优档位。我自己的数据里就发现某些看起来应该用 High的任务实际上 Low 的满意度并不低这就省下了一大笔成本。8. 一个具体的对比案例同一道题在三个档位下的表现最后用一个真实案例收尾让你直观感受三个档位的差异。题目是一个团队有 5 个人要排一周的班每天需要 2 个人每个人一周最多排 3 天问有多少种排法。Low 的回答直接给了一个数字没有过程。而且这个数字是错的——它按每天从 5 人里选 2 人算忽略了每人最多 3 天的约束。High 的回答给出了计算过程考虑了每人最多 3 天的约束但只考虑了总天数这一个约束没有考虑同一个人不能连续排太多天这类隐含约束。答案在它设定的前提下是对的。Ultra 的回答先指出题目缺少一个关键信息——排法是指具体到人的排班表还是只算人数组合然后分别给出了两种理解下的答案并说明了各自的假设。最后还补充了一句如果还有不能连续两天排同一个人之类的约束结果会不同需要补充条件。这个案例很典型Low 会漏约束High 会处理显式约束Ultra 会主动识别缺失的约束并追问。你选哪个档位取决于你能接受哪种程度的不完整。我自己现在的习惯是日常任务 Low 和 High 混着用遇到这个答案我要拿去用的场景才切 Ultra。这个习惯帮我省了不少时间也避免了很多想太多带来的困扰。推理强度这个选项用对了是效率工具用错了就是纯粹的浪费——希望这篇能帮你少走点弯路。