o1 发布到现在，最大的槽点就是“太唠叨”了。

我就想修个简单的 bug，它给我整出三段背景、两套方案外加错误处理，最后还要祝我好运。
本来只想找第12行的拼写错误，结果被迫复习了一遍 Python 命名规范。
这锅得扣在 RLHF 头上。标注员倾向给长回复打高分，觉得字多显专业。
于是模型拼命堆砌“看起来有用”的废话，真正核心的信息反倒被稀释了。
看看隔壁，Claude 在这方面就懂事很多，知道什么问题配什么长度。
最伤的还是钱包：o1 输出端定价 $60/1M tokens，明明 100 token 能讲完的事，硬是灌水到 500，成本原地翻五倍。
现在提问还得专门加一句“只要代码”，甚至这都不一定管用。
模型现在的状态就是：智商极高，但情商掉线，根本不知道什么时候该闭嘴。