推理太贵怎么办？改写它的思考历史，成本立省三成

推理模型的账单大头不是答案，是思考。这篇单作者独立研究（arXiv 2611.03852）引用的数据很扎眼：推理 token 占 GLM 5.2 生成量的 84.9%、Claude Fable 5 的 75.1%，DeepSeek V4 Pro 仅推理输出就吃掉总 API 成本的 53.4%。它探究的问题因此很实际：能不能不动模型权重，只改写模型自己早前的推理历史，就让它后续思考得更省？

方法叫推理历史压缩：由另一个压缩模型（实验用 GPT 5.6 Sol 担任改写者兼评审）把历史 assistant 推理块改写成简短的状态记录，只留决策相关的事实、数字、不确定性和下一步意图，系统消息、用户消息、工具调用和观察结果原样保留。实验设计的严谨处在于「结果盲分叉」：改写在一个动作已发出、工具结果还没揭晓的时点完成，随后同一份历史分别以原版和压缩版续写，两者首个续写的唯一差异就是那段推理文本。

受控实验结果：172 个可比配对里 151 个（87.8%）后续推理变短，各路线中位数降幅 20.2% 到 50.5%，总体约 32%；精确成功率 174 对里从 165 变 166，基本持平。一个排除「只是措辞变了」的对照也很讲究：强行按 90% 到 110% 字数改写，后续长度几乎不变，成功率反而下降，说明有效的是删信息，不是换说法。部署实验在 SWE-bench Verified Mini 的 50 个任务子集上跑持续压缩，8 个配置里 6 个总花费更低、7 个目标请求时间更短，成功率差异最多 3 个任务。

泼两盆冷水也必要：一次性场景不划算，重写本身 0.339 美元远贵于续写的 0.096 美元，成本要约 82 次续写才回本，适合长会话高频复用的场景；作者也自陈缺乏删除截断类对照基线、样本非随机等局限，评审者还是「作者的两位家人」，结论当方向参考而非定论。代码已开源（DebelToni/ShortReasoning），跑长 agent 会话的团队值得拿自己的负载复测一遍。