核心亮点：效率大幅提升，准确率几乎无损
BottleCap AI正式发布ThinkingCap系列第五款模型——基于Google Gemma-4-26B-A4B的优化版本。该模型在保持回答质量的前提下，显著降低了推理过程中的“思考”深度。
- 效率跃升：在12个基准测试中，思考令牌（thinking tokens）平均减少38.9%，最高降幅达69.1%。
- 精度稳定：准确率仅微跌0.15个百分点，波动幅度小于大多数基准测试的运行间差异，属于首款应用于Google模型且精度损失最小的ThinkingCap产品。
- 稳定性增强：循环输出率从原模型的3.6%大幅降至0.8%。
- 无缝替换：采用相同采样设置（温度1.0，top_p 0.95）及推理栈（vLLM），可直接替代原模型使用。
ThinkingCap PRO：针对更高效率需求，PRO版本可实现思考令牌最多减少87.6%（平均62%），进一步降低大规模推理成本。企业用户可联系 enterprise@bottlecapai.com。
技术背景与训练目标
Gemma-4-26B-A4B是Google推出的稀疏混合专家（MoE）模型，拥有260亿总参数，每令牌激活约40亿参数。这是BottleCap AI继Qwen和NVIDIA之后，第三次将该优化技术应用于主流模型系列。
训练核心目标是在不改变知识储备、推理能力、指令遵循及安全行为的前提下，最小化得出答案所需的令牌数量。结果显示，模型在压缩思考过程的同时，极好地保持了完整性。
详细评测结果
在12项基准测试的综合评估中，ThinkingCap模型展现出极高的性价比：
- 准确率变化：总体仅下降0.15个百分点。其中，指令遵循与智能体（Agentic）任务提升0.65个百分点，数学任务提升0.39个百分点；代码任务基本持平；知识与推理任务微降0.51个百分点，长上下文和多模态任务下降0.92个百分点。值得注意的是，AA-LCR是唯一出现实质性性能下降（-4.00pp）的任务，其余大部分差异均在噪声范围内，且有5项测试结果优于原模型。
- 思考长度压缩：所有任务家族的思考过程均显著缩短。长上下文和多模态任务降幅最大（54.4%），其次是知识与推理（44.4%）、数学（36.1%）和代码（27.6%）；指令遵循与智能体任务因本身无需深度思考，降幅最小（17.2%）。
- 循环率改善：全局循环率从3.64%降至0.76%。在循环现象最严重的AIME 2026、HMMT Nov 25和HMMT Feb 26测试中，循环率分别从5.5%、8.6%和17.0%骤降至0.9%、1.2%和4.5%。
在不同思考令牌预算下的准确率对比中，ThinkingCap的性能曲线在中间区间全面优于原模型，意味着在更小的计算预算下即可达到同等准确率；当预算充足时，两者表现趋于收敛。
评估方法论
为确保数据公正，所有测试均在完全一致的环境中进行：
- 框架与环境：使用内部评估套件，基于vLLM运行两款模型。原模型数据由团队自行测量，而非引用公开文献。
- 采样设置：开启思考模式，温度1.0，top_p 0.95，top_k 64。直接继承Google推荐预设，排除解码策略干扰。
- 统计严谨性：准确率报告为多次随机种子运行的平均值及95%置信区间。针对不同基准测试，使用了从4到64个不等的种子数量，以消除单次运行的噪声。
- 评分标准：除LiveCodeBench（代码执行测试）、IFBench（程序验证器）及部分人工/系统评判任务外，其余均采用答案精确匹配。
模型获取与支持
该模型已在Hugging Face上线，并提供GGUF构建版本：
模型地址：bottlecapai/ThinkingCap-gemma-4-26B-A4B-it
如有测试需求或技术疑问，欢迎发送邮件至 hey@bottlecapai.com。