2026-09-14　·　增益軸　·　未複驗

這是成功率提升，不是 token 效率提升

逐通重算 197 格零差異。H-MIX 對單抽一次是 2.23–2.78 倍 token，五次複印中有四次每個正確交付比閘門更貴。「同樣的上限」不等於「同樣的實際成本」。

成本token統計

#兩個容易搞混的定義


`reasoning`	completion 的子集，不是另外加一次
失敗請求	核心實驗的 116 次失敗請求沒有 usage，計為未知（不補 0）

臂	交付率	token / 題	token / 正確交付
OFF	58.33%	2,913	4,994
CONFORM	70.83%	5,805	8,195
OFF5	65.00%	15,004	23,084
H-PI	75.83%	9,448	12,459
H-OC	80.00%	7,432	9,290
H-MIX	84.17%	5,677	6,745

我們原本的頭條宣稱寫的是「修訂迴圈比換人重抽多交付，且 token 不多花」。

	r1	r2	r3	r4	r5
H-MIX vs CONFORM 每題	0.92×	—	—	—	1.56×
每個正確交付	—	—	—	—	四次比 CONFORM 更貴

R529 用四個互斥題目集，橫跨兩台 LM Studio 主機：

主機	HumanEval+ 結果	H-MIX token/題	CONFORM token/題	差
開 reasoning（0.4.24）	兩臂都 94 / 100	4,368	2,291	+90.7%
關 reasoning（0.4.17）	54 / 56 vs 53 / 56	924	1,064	−13.2%

reasoning 佔 completion 的 63.0% – 96.3%。

這個帳改變了我們的設計順序

策略	token/題	token/正確	每題呼叫
OFF（單抽）	2,913	4,994	1.00
CONFORM（早停重抽）	5,805	8,195	1.51
H-MIX（重抽＋修訂）	5,677	6,745	1.36

閘門的 token/正確（8,195）比修訂迴圈（6,745）高。 但閘門的規則簡單得多——不需要失敗簽名計算、不需要「換個做法」的提示、不需要脈絡管理。

而修訂的相對優勢在 R532 換模型之後消失（−3.23 pp）。

所以我們的建議順序是：先做早停重抽，把修訂當成後續的加值。}}