在 CoT-Control 套件测试的 13 款前沿模型中，DeepSeek R1 控制自身思维链的成功率仅为 0.1%，Claude Sonnet 4.5 也只有 2.7% … **Claude 3.7 Sonnet**：虽然是全场最佳，思维链可控性达到 36.1%，但仍远低于其 59.5% 的输出控制力 … GPT-5.2 的可控性排名靠前，但 DeepSeek R1 这款在推理任务上表现优异的模型，反而是最难控制自己推理的。
暂无讨论，说说你的看法吧
在 CoT-Control 套件测试的 13 款前沿模型中，DeepSeek R1 控制自身思维链的成功率仅为 0.1%，Claude Sonnet 4.5 也只有 2.7% … **Claude 3.7 Sonnet**：虽然是全场最佳，思维链可控性达到 36.1%，但仍远低于其 59.5% 的输出控制力 … GPT-5.2 的可控性排名靠前，但 DeepSeek R1 这款在推理任务上表现优异的模型，反而是最难控制自己推理的。