核心事件：推理预填充实验更新
近期研究人员 sxiaoys（中文网名“王锐”）在 Hacker News AI 发布了《推理预填充》实验的 v1.1 版本更新，聚焦 Qwen 3.8 与 Kimi K3 等开源模型对 GPT-5.5 Pro 推理风格的模仿程度。实验未涉及具体发布时间、价格或商业可用性信息，属于纯研究性质的比较分析。
关键实验设计在于：对每道题目，为每个目标模型生成两种响应——普通无预填充响应，以及插入 1% GPT-5.5 Pro 推理文本作为前缀的响应；其余部分仍由目标模型自由生成。最终评估目标模型前 100 个可见 token 中与 GPT-5.5 Pro 可见答案的匹配度，采用三元评估指标（未言明“Katheree”为作者名，原文称“I”，链接显示为 wsxiaoys）。
关键数据与意外发现
实验覆盖 45 道问题：15 道 STEM（科学、技术、工程、数学）题、15 道非 STEM 题和 15 道合成谜题。核心发现如下：
- Qwen 的变化显著：此前在 Opus 4.8 预填充实验中移动幅度极小，本次在 GPT-5.5 Pro 预填充干预下，可见答案相似度大幅提升 18.18 个百分点（绝对值变化），尤其在私有合成谜题上效果突出。
- Kimi K3 表现最高但增幅最小：Kimi K3 在无预填充时与 GPT-5.5 Pro 的重合度已达 31.11%，预填充后为 35.65%，仅增加 4.54 点，为已知模型中增幅最低。
该结果引出一个反差：尽管 Kimi K3 的 baseline（未干预重合度）最高，但对预填充干预最不敏感；而 Qwen baseline 较低，却对 GPT-5.5 Pro 预填充表现出极强响应能力。数据暗示 Qwen 可能并非从 Opus 系列模型学习，而是更可能从 GPT-5.5 Pro 或其近亲模型中继承了某些推理模式。
模型对比数据
| 模型 | 无预填充重合度 | 有预填充重合度 | 增量变化 |
|---|---|---|---|
| Qwen | 未公布 | 未公布 | +18.18 |
| Kimi K3 | 31.11 | 35.65 | +4.54 |
注：表中数值均来自原文摘要，其他模型未提供具体数值故未列入。
读者落地建议
- 若你关注推理模型的可解释性与原创性：当前实验表明，即使插入极少量（1%）教师模型推理序列，也可能导致后续生成内容高度相似，这意味着模型“表面自由生成”与内部偏好之间存在潜在关联。
- 若你使用开源模型进行产品开发：Qwen 在本实验中表现出对 GPT-5.5 Pro 的强学习能力，值得注意其是否已在训练数据中包含 GPT 系列输出；建议在高重复性要求场景（如考试解题、标准流程生成）中加入内容相似度检测环节。
写在最后
推理预填充方法为评估模型是否“记住了”教师模型风格提供了新路径，尤其在黑盒场景下弥足珍贵。当前结果表明，开源模型与闭源教师模型间的风格迁移可能比预想更易发生，未来争议焦点或将从“是否训练数据泄露”转向“推理缓存与生成机制的透明度”。