长推理模型的成本不只来自参数量，也来自回答前生成多少思考 token。Bottlecap 的 ThinkingCap-gemma-4-26B-A4B-it 对 Gemma 4 的指令模型做微调，目标是在维持解题能力时缩短推理。它属于总参数约 260 亿、每次激活约 40 亿参数的模型；发布说明强调效率结果，但没有给出足以完整重建训练过程的配方。
作者用相同 BF16 精度、vLLM 评测环境和采样参数比较原版与微调版，并给每次回答相同的最大生成额度。十二项基准等权平均后，准确率从 75.18% 变为 75.03%，下降 0.15 个百分点；各项 token 降幅的平均值为 38.9%。这不是所有任务都少想 39%，也不是准确率完全不变：LongBench v2 的 token 减少约 69.1%、准确率增加 1.45 个百分点，AA-LCR 则下降了 4 个百分点。
另一个有意思的结果，是按作者的检测规则，重复循环比例从 3.64% 降到 0.76%，达到生成上限的比例也下降。这提示节省可能包含减少无效延长，而非单纯提前截断回答。其预算曲线显示，中间预算区间更能体现优势，足够宽松时两者趋近。不同任务使用多次采样，置信区间反映采样种子变化，不能覆盖用户任务分布变化。
本期未找到针对这个 Gemma 新版本的独立系统复测。社区里有人欢迎减少 PR 审查时的思考成本，也有人报告早先 Qwen 系列的 ThinkingCap 在自己任务上变弱；后者明确没有测试这次 Gemma，不能拿来当成新版本失败的证据。