看了 V4.1-Flash 的技术报告，说一下它 Reasoning Effort 机制的重点。 

Effort 现在是数字，三档只是预设

底层是一个 1–100 的标量。API 上还是 low / high / max 三个名字，但它们只是三个预设点, 分别是 50, 75, 100. 训练里只用了几个档位，但中间值也能插值生效——同一个模型，不换权重、不改采样参数，靠这个数字在「省钱」和「使劲想」之间滑动。 

怎么实现的

说白了很朴素：在 system prompt 前面加一行「Reasoning Effort: N」，然后用 RL 把它练成行为。具体机制是奖励里有一个思考长度的惩罚项，effort 数字越高、每多写一个思考 token 挨的罚越轻。所以模型「想多久」是被这个数字直接调控的，而且单轮推理和 agent 任务用的是同一套机制。 

实测效果（报告数据）

effo...