budget_tokens

大语言模型推理成本设置增加费用，任务收益有限

像OpenAI的GPT-5和Anthropic的模型中的`reasoning_effort`设置控制着生成答案前内部的链式思考处理量。虽然更高的设置可以提高复杂任务（如多步数学或带验证的代码生成）的性能，但它们会显著增加成本，与较低设置相比可能增加6-8倍。如果评估集主要由更简单的提示组成，这种成本的增加在初始测试期间可能不明显，导致生产环境中意外的预算超支。