Учёные: максимальный уровень рассуждений LLM дороже до 42 раз и иногда хуже

Исследование arXiv 2610.34491 на 8 моделях и 4 бенчмарках показало, что максимальный уровень reasoning-усилий стоит до 42 раз дороже минимального на уже решаемых задачах и иногда снижает число решённых задач. Стратегия «начать с низкого уровня и повышать только после подтверждённой ошибки» обходит фиксированный максимум по успеху и цене.

• На Terminal-Bench переход low → xhigh у GPT-5.6-sol даёт 2,51× затрат, у Claude Sonnet 5 — 3,04×
• На SWE-Bench Pro GPT-5.6-sol дорожает с $0,27 до $1,24 за задачу (4,54×)
• GPT-5.6-sol при high → xhigh теряет 8 задач, решая лишь 5 новых: 76 → 73 из 89
• Лестница low → эскалация после ошибки превосходит фиксированный max по успеху и цене