📖 AI 总结

BottleCap AI 发布 ThinkingCap 系列第二款模型 ThinkingCap-Qwen3.8-27B，基于 Qwen3.8-27B 微调，目标单一：缩短推理链。在 12 项基准测试中，该模型平均减少 37.2% 的思考 token，宏观平均准确率从 86.65% 降至 85.79%，仅损失 0.86 个百分点。其设计思路是许多冗余思考 token 并不改变最终答案，因此在不新增知识、不改变回答风格的前提下压缩推理过程。各基准的 token 削减幅度在 10.7% 至 65.5% 之间，其中知识类与多语言任务压缩最明显，MMLU 减少 65.5%，MMLU-Pro 减少 57.3%；长上下文检索准确率反而提升 2.25 个百分点；代价最大的是 AIME 2026，准确率下降 3.85 个百分点。该模型可直接替换 vLLM 或 SGLang 上的 Qwen3.8-27B，并提供 FP8、NVFP4、GGUF 和 MLX 版本，但仓库设有访问门槛，超出小企业许可范围的商业使用需另行签约。