ThinkingCap belohnt im Training nicht nur die richtige Antwort, sondern effizient erreichte Korrektheit. Das soll unnötige Gedankenschritte reduzieren, ohne die Kette einfach an einer festen Stelle abzuschneiden. Das Modell ist als BF16-, FP8- und GGUF-Fassung verfügbar.
Im Mittel von zwölf Benchmarks außerhalb der Trainingsdomäne sinkt die Genauigkeit leicht. GPQA-Diamond verliert 1,7 Punkte bei 67,8 Prozent weniger Denk-Tokens, LiveCodeBench gewinnt 3,6 Punkte bei 41,1 Prozent weniger. In der Trainingsdomäne fallen 57,7 Prozent Denk-Tokens weg, während der Mittelwert von 94,4 auf 95,4 steigt.
GSM8K verbessert sich von 93,3 auf 96,5 Prozent bei 74,1 Prozent weniger Denk-Tokens. Ein agentennaher Test spart deutlich weniger und verliert Genauigkeit. Die gesamte Tabelle stammt von BottleCap AI und vergleicht nur dieses Ausgangsmodell; eine unabhängige Messung liegt nicht vor.