OpenAI 发布的 GPT 5.1 系列模型，包括了 GPT 5.1 Instant 和 GPT 5.1 Thinking 两个不同的模型，在API当中的checkpoint分别对应 gpt-5.1-chat-latest 和 gpt-5.1。
非常有趣的一点是，GPT 5.1 Instant 模型回复极为简洁，似乎不太喜欢说话。笔者提问 “可乐可以除水垢吗”，GPT 5.1 Instant回复仅寥寥数语。
同样的问题扔给GPT 5.1，GPT 5.1的回复则包括了可乐为什么能除水垢、实际效果如何、有哪些问题和隐患、更推荐的除水垢方法、日常小建议和总结。
由此可见，同样属于GPT 5.1系列，两个模型有着完全不同的回答风格。GPT 5.1 Instant主打简洁风格，正如其名Instant，让用户获得近乎实时的回答。GPT 5.1 Thinking则深思熟虑，给出了一个详细分析了前因后果。
笔者尝试将“可乐可以除水垢吗？”这个问题，提给了市面上的不同模型，统计其回复的 token 数量，绘制表格，量化表征了不同模型的啰嗦程度（verbosity）。
| 模型 | 回复长度（token） |
| GPT 5.1 Instant | 115 |
| GPT 5.1 Thinking | 1185 |
| GPT 5 Chat | 464 |
| GPT 5 Thinking | 605 |
| GPT 5 mini | 600 |
| Claude Opus 4.5 | 225 |
| Claude Sonnet 4.5 | 325 |
| Claude Haiku 4.5 | 334 |
| Gemini 3 Pro | 863 |
| Gemini 2.5 Pro | 3302 |
| Deepseek V3.2 Thinking | 1182 |
| Deepseek V3.2 | 835 |
| GPT-OSS-120B | 1572 |
| GPT 4.1 | 452 |
| GPT 4o-1120 | 512 |
| Qwen3-225B-2507 | 534 |
由于模型输出的token也是要计价的，模型真实使用成本并不能只看单价，而是输出长度和单价的成绩。
Gemini 2.5 Pro最为啰嗦，包含了思考过程的总token消耗达到了3000以上，回复token为1572。新款Gemini 3 Pro则降低到了862 token。
GPT-OSS-120B第二啰嗦，输出长度达到了1572 token。其回复中列出了化学反应式和多个对比表格，可以说是事无巨细。
OpenAI的模型分化明显。GPT 5.1 Thinking回复超过1000 token，而GPT 5.1 Instant仅为115 token。
Claude模型全系都保持了简洁，仅回复了200-300 token。
笔者这个实验仅问了一个问题，当然存在很大的不严谨。但是对于用户日常提问，是选择详细的阐述，还是简洁的回复，对于体验的影响是很大的。
- 不少服务提供商回复速度很慢，一个简单的可乐能否除水垢，需要等待半分钟才能够完全回答完毕。
- 如果回答很长，用户在手机和网页等界面，更是需要多次滚动页面，也会影响体验。
未来，笔者或将建立类似的评测数据集，收集日常生活小常识的提问数据集，从而综合反映出模型回复详细程度。
更新通知
本页面仅探讨了GPT 5.1 Instant的Verbosity问题。大语言模型啰嗦程度数据集已经搬迁至 LLM Verbosity Dataset ，该数据集网页会实时更新。
发表评论