思考模型的思考段是怎么生成的？标记切换

现在的 AI 思考模型会先在答案前写一段推理草稿，再给出正式回答，中间靠特殊标记切换。草稿从哪来、怎么收、怎么展示都有讲究，草稿质量还直接关系答案质量，这段机制值得看仔细。

思考段从哪里开始切

模型训练时就见过大量先推理后作答的样本，生成时遇到起始标记，就进入思考段：接下来产出的每个标记都属于草稿。进来的是用户提问，发生的是标记触发的模式切换，出去的是一段自言自语式的推理文本。

草稿并非摆设：模型在里面拆问题、试路子、自我纠错，正式答案的准确率因此受益。训练数据里草稿和答案成对出现，模型因此学会先想后答的节奏，标记位置是学出来的，并非硬编码的规则。草稿越长通常想得越细，但等待时间也同步变长。

思考段和普通回答共用一套生成机制，差别只在标记开关：开了是草稿模式，关了直接作答。这个设计让同一套模型参数兼顾两种模式，训练与部署都省事，也解释了为什么草稿的文风和正式回答一脉相承。

标记切换时发生了什么

切换本身只是两个特殊标记：起始标记宣布开始想，结束标记宣布想完了。模型生成到结束标记时，服务端识别到它，把模式从草稿切到正式作答。流程上没有玄机，难在训练时让模型学会在正确的位置放这两个标记。

服务端还会做标记过滤：草稿里的原始标记不该漏给用户，界面展示的通常是剥离标记后的推理全文或摘要，有些实现还会在草稿里做步骤标注，方便看清推理脉络。你在 DeepSeek、Kimi 里看到先「思考中」再出答案，就是这一整套在跑。标记还有容错问题：模型偶尔放错标记的位置，该收没收、该开没开，服务端要做校验，发现异常就按启发式规则补救，比如草稿超长强制截断、答案过短提示重试。切换的粒度是整段而非逐句，草稿写完才允许正式作答，中途不会来回横跳。

把标记切换前后的四个环节摊开对照。

思考段怎么被收走

思考段并非无限长：有的产品设了思考预算，到量就注入提示催收；有的靠训练让模型学会自己收尾。进来的是超长的草稿，发生的是截断或引导，出去的是转入作答的生成流。

展示层面另有取舍：全文展示让用户看得见推理，摘要展示省地方，折叠展示两头兼顾。草稿是否参与最终答案的计算也各不相同，多数实现里草稿只是前文，不额外改写答案。草稿的标记也计长计费：草稿占上下文窗口，也占响应时间，产品端把这一项单独显示，用户才知道等待花在了哪。预算的粒度也有讲究：按标记数定最直接，按时长定更贴体感，按轮数定最简单，三选一就行，叠太多规则互相打架。

• 速查：起始标记开草稿；结束标记收草稿；标记位置靠训练学会；预算与截断防超长；展示有全文、摘要、折叠三档。

思考段的长短牵动整条服务链路：温度设 0 为什么输出还不完全一样？关系草稿的稳定性，重试的退避是怎么算的？越等越久处理草稿超长导致的超时，超时后的部分结果怎么处理？半截答案承接中断现场，降级时的小模型是怎么顶上的？机制细节全梳理则是换更小模型换挡的另一条路。

关于思考段，问得最多的三个

• 草稿算不算最终答案的一部分？：一般不算，多数实现里它只是推理过程，正式答案在结束标记之后。
• 为什么有时草稿特别短？：简单问题模型很快自认想完，标记切换提前发生，草稿自然收得早。
• 草稿能关掉吗？：看产品开关，关掉通常省时间，难题的准确率会回落一些，复杂推理场景建议保留。