Think harder：提示词和 reasoning 档位是怎么互相作用的

Think harder：提示词和 reasoning 档位是怎么互相作用的

原文：Think harder: how prompts interact with reasoning options

*文章封面图：Think harder — 提示词与推理选项的交互*

现在每家厂商都给了你一个 effort 旋钮。low、medium、high、xhigh、max、adaptive、ultra，随便挑。

我一直以为这就是控制 reasoning effort（推理投入档位）的主要手段，甚至是唯一手段。毕竟这肯定比嘴上说一句「think hard」管用得多吧？提示词工程（prompt engineering）不都是 2025 年的老话题了吗。

我现在要说的是：prompt engineering 活得好好的。在 low 档位上加一句「think hard」，效果可以超过把 reasoning 直接调到 high。

TL;DR

在 Opus 5 上，reasoning 设为 low，然后加一条写着「think hard」的 user message，total tokens 涨了 66%，从 424 涨到 704。这比不加提示词、直接把 Opus 5 设成 high 还要多 —— 后者只用了 662。

OpenAI 的模型也一样。在 Sol 上，low +「think hard」用掉 320 个 total tokens，比什么都不加的 max 基线（283）还高。

觉得只看 total tokens 不够说服力？那就看服务方直接上报的 reasoning tokens：在 Sol 上，low +「think hard」把 reasoning tokens 从 60 推到 114，刚好超过什么都不加的 high 基线 113。

我承认这个实验多少有点刻意设计，但它非常容易复现。

实验怎么做的

我用了三道「简单」数学题：

1. 「单词 MISSISSIPPI 的字母有多少种不同的排列方式？」*(34,650)*
2. 「你反复抛一枚均匀硬币，第一次出现 HTH 这个序列时，期望的抛掷次数是多少？」*(10)*
3. 「把 8 个完全相同的球放进 4 个可区分的盒子里，且每个盒子都不能空，有多少种放法？」*(35)*

以及两条一字不改的提示词：

"Think hard about this problem. Be thorough and check your work carefully."（认真思考这个问题，仔细彻底地检查你的解答。）

"Keep your reasoning brief."（推理简短一点。）

然后每个请求我都测了五个版本：

1. 不加任何额外指令
2. 「think hard」放在 user prompt 里
3. 「think hard」放在 system prompt 里
4. 「keep brief」放在 user prompt 里
5. 「keep brief」放在 system prompt 里

结果

厂商给的 effort 参数确实有用。但提示词里的那几个字，往往更有用。

「think hard」通常会把 token 用量顶上去，「keep your reasoning brief」通常会把它压下来。哪怕 effort 已经被显式设成 low、high、xhigh 或 max，这件事照样发生。

Sol 上这一点特别明显。low 档位下，user 里的「think hard」把总用量从 212 推到 320；max 档位下，从 283 推到 422。

Prompt-Effort 矩阵

*GPT-5.6 Sol 在不同 reasoning effort 档位与提示词放置位置下，服务方上报的 reasoning tokens 矩阵*

在 Sol 上，low + user「think hard」达到 114 个 reasoning tokens，刚好超过什么都不加的 high 基线 113。在 max 档位下，reasoning tokens 从 144 涨到 210。

下面是 Opus 的 total tokens：

*Claude Opus 5 在不同 reasoning effort 档位与提示词放置位置下的平均 total tokens 矩阵*

Opus 这边我用的是「平均 total tokens」，因为一旦被要求想得更用力，Opus 尤其容易把更多推理内容直接写进正式输出里。在 low 档位下，user 里的「think hard」让 total tokens 涨了 66%，从 424 到 704 —— 比不加提示词的 high（662）还多。reasoning tokens 本身也涨了 28%，从 42 到 54。

*Claude Opus 5 在不同 reasoning effort 档位与提示词放置位置下的平均 reasoning tokens 矩阵*

user prompt 还是 system prompt？

user prompt 更管用。26 个「模型 × effort 档位」组合里，有 23 个都是 user prompt 版的「think hard」消耗了更多 total tokens；user prompt 版的「keep brief」则在 26 个里有 22 个消耗更少。

Claude 也是同样的规律。Sonnet 4.6 在 high 档位下，「think hard」放 user 里冲到 1,383 tokens，放 system 里只有 1,120。「keep brief」放 user 里掉到 552，放 system 里是 805。

我的意思是……

如果你在意成本，别指望 reasoning effort 能替你兜住。它只是改了默认值，用户随时能覆盖掉它。

完整表格

OpenAI

*OpenAI 模型完整 total-token 表格：Sol 在前，随后是 Terra 与 Luna*

Claude

*Claude 模型完整 total-token 表格：Opus 5 在前，随后是 Sonnet 4.6*