断裂的链条：LLM中不完整推理的成本

专门用于推理的模型如OpenAI的5.1版和DeepSeek-V3.2分配大量计算资源用于扩展的思维链（CoT）推理，但推理标记会带来显著成本。在标记数量受限的情况下，不同推理模式（代码、自然语言、混合或无）的表现如何？本文引入了一个框架，限制模型仅通过代码、注释、两者或都不进行推理，并系统性地将标记预算减少到最优值的10%、30%、50%和70%。我们在数学基准测试（AIME、GSM8K、HMMT）上评估了四个前沿模型（GPT-5.1、Gemini 3 Flash、DeepSeek-V3.2、Grok 4.1）。研究发现：（1）截断推理可能有害，DeepSeek-V3.2在无推理时达到53%，但在50%预算下使用截断CoT时仅为17%；（2）代码表现更为稳健，Gemini的注释在预算减少时完全失效，而代码仍保持43-47%；（3）混合推理表现不如单一模态；（4）鲁棒性依赖于模型，Grok在30%预算下仍保持80-90%，而OpenAI和DeepSeek则下降至7-27%。这些结果表明，不完整的推理链会主动误导模型，这对资源受限环境下部署专用推理系统具有重要意义。