DeepSeek们越来越聪明，却也越来越不听话了

在今年，DeepSeek R1火了之后。 几乎快形成了一个共识，就是： AI推理能力越强，执行任务时就应该越聪明。 就是提示词遵循能力，变得越来越差。 换句话说，就是越来越不听你的话了。 我在过年期间写DeepSeek的攻略文：《DeepSeek的提示词技巧，就是没有技巧》的时候，也提到了这一点。 不过，这只是我自己使用中的感觉，它变得越来越聪明，但是感觉却越来越不听话了，以至于我现在，最常用的模型，开始变成了 GPT4o，所有的推理模型，反而会用的越来越少了。 不过，确实没有经历过验证，所以也不是特别敢说。 从2022年Chain-of-Thought横空出世，到今天Gemini 2.5 Pro、OpenAI o3、DeepSeek-R1、Qwen3，这些旗舰模型的统治性表现，我们一直 相信，让模型先想一想，是一个几乎不会出错的策略。 不过，这种聪明，也会带来一些副作用。 直到昨晚回来，在扒拉论文的时候，看到一篇提到这个话题的论文，我读完以后觉得，终于可以来聊聊这个事了。 这篇论文叫，《When Thinking Fails: The Pitfalls of Reasoning for Instructio ...