“路面湿了是否下过雨”和“关掉喷灌以后路面还会湿吗”共享几个词却不是同一种问题。前一句利用观察更新判断后一句改变产生结果的机制。把它们一起归成“简单常识”再比较思考开关很容易把任务混淆当成模型退化。10月7日发布的Haiku 5.5提供可调effort设置。这让预算成为可以记录的实验条件但没有给出“某类常识一律用最低预算”的结论。官方发布中的能力与成本说明是其报告本文没有调用该模型复测。官方发布一个只有两种世界的例子先不用语言模型。人为定义一个教学世界有雨时不开喷灌无雨时开喷灌两种情况等可能路湿当且仅当下雨或开着喷灌。这个假设只是构造模型不描述真实城市的天气。在观察数据里“喷灌关闭”的时候总是下雨因此路面总湿。可如果主动把喷灌关闭并不意味着我们同时让天开始下雨无雨的那一半世界会变干。from fractions import Fraction def wet(rain, sprinkler): return rain or sprinkler # 人工构造的两个等可能世界不是采集到的天气样本。 worlds [(False, True), (True, False)] observed_off [(r, s) for r, s in worlds if not s] conditional Fraction( sum(wet(r, s) for r, s in observed_off), len(observed_off), ) intervention Fraction( sum(wet(r, False) for r, _ in worlds), len(worlds), ) # 对“无雨且开喷灌”的同一对象做反事实保持rain不变。 factual wet(False, True) counterfactual wet(False, False) assert conditional 1 assert intervention Fraction(1, 2) assert factual is True and counterfactual is False print(conditional, intervention, counterfactual)这段程序的作用是把题目的正确答案和假设说清楚。P(湿|喷灌关闭)与P(湿|do(喷灌关闭))的差异来自构造中的选择机制不来自生成了多长的解释。反事实还要固定同一对象的外生条件不能在改喷灌的同时偷偷改天气。预算实验先决定什么算答对有了明确的结构模型可以围绕同一个世界写三类问题根据观察判断、改变一个变量、对已知对象追问另一种结果。再为缺少必要条件的题目规定合格答法例如指出还不能判断而不是强行猜一个确定答案。我更愿意保留题目级的配对结果同一版本、同一题、相同工具权限用不同effort分别多次采样。需要区分答错、条件澄清合理、拒答不合理及输出无法解析延迟和token用量另记。一个高预算回答更长并不自动意味着更准确短回答也可能只是省略了决定结论的条件。如果接口不支持关闭思考就不能把“最低effort”写成“无思考”。不同服务的effort枚举也不是统一算力单位。比较时应报告所用接口与设置避免把不同模型、不同输出上限的差异都归给预算。能解释到哪一步即使未来观察到高预算组准确率更低也只能先说在所选题集和设置下出现差异。要进一步归因为训练奖励偏置、注意力漂移或自我怀疑还需要独立证据。没有取得内部轨迹时更不能编出“第几千个token开始怀疑”的心理故事。K3官方博客也介绍了多种推理投入设置及使用限制这可以帮助定义候选实验配置不代表两家模型的预算可以直接横比。K3技术博客本文给出了可计算真值和预算实验的边界没有得到任何模型的胜率。先让观察、干预和反事实拥有各自的评分标准预算比较才知道自己究竟比较了什么。本地核验将上方代码保存为example.py在 Python 3.9.6、仅标准库的临时目录执行python3 example.py退出码为 0输出1 1/2 False。这验证了教学示例中的断言不代表模型、GPU或线上系统实测。Haiku公告为2026-10-07K3为7月背景材料。示例中的概率来自人工定义不是实际天气统计或模型跑分。