我们是否应该恳请开源实验室继续打造出色的非思考（instruct）模型？

结果已经出来了：新模型在无思考／instruct 模式下的性能退化程度比老模型更严重，比如 3.6 与 3.8 的对比——在 instruct 模式下，3.6 在多个编码基准测试中反而领先。我想请求各实验室仍然好好重视 instruct 模式，即使不做冗长的推理过程，也仍然可能有所提升。我们中的一些人仍然把模型用于各种任务，并不需要冗长的推理轨迹。Agentic（智能体化）当然不错，但如果因此开始牺牲我们从早期 Llama 时代起就习以为常的“基础”模型的性能，我认为这不是一个好的方向。