# 用 token 级价值函数控制回答长度，3B 模型在长度控制上跑赢 GPT-5.4 和 Claude

> 原标题：token级，精准控制生成长度：3B模型击败GPT 5.4、Claude

- 来源：新智元 · 公众号
- 发布时间：2026-05-08T04:12:00.000Z
- AX AI 日报：https://ai-daily.ax0x.ai/items/16542
- 原文：https://mp.weixin.qq.com/s?__biz=MzI3MTA0MTk1MA==&mid=2652698565&idx=3&sn=a2dc3d9c748f3f10e01b99ee895074ff

## 摘要

加州大学圣塔芭芭拉分校和苹果的研究人员搞了个叫 LenVM 的方法，把“还剩多少 token 要生成”建模成一个 token 级别的价值函数，相当于给模型装了个实时字数进度条。他们拿 Qwen2.5-3B 搭配一个 1.5B 的 LenVM 去测 LIFEBench 的长度控制任务，得分 62.6，而 GPT-5.4 只有 37.4，Claude-Op...

## 推荐理由

我会先打个折：正文没披露 GPT-5.4 的具体版本和测试条件，这点先别太激动。但 LenVM 的思路很实用——把“还要写多长”变成一个 token 级的值函数，让 Qwen2.5-3B 搭配一个 1.5B 的小模型就能在长度控制上大幅领先大模型。LIFEBench 长度得分 62.6 比 GPT-5.4 的 37.4 高出不少，说明在特定任务上小模型加对方法可以很省钱。对做推理优化和想摆脱闭源模型绑定的团队来说，这是个值得跟的信号。

## 锐评

这条消息说加州大学圣塔芭芭拉分校和苹果搞了个叫LenVM的方法，给模型装了个“还剩多少token要生成”的实时进度条，让Qwen2.5-3B搭配一个1.5B的LenVM，在LIFEBench长度控制任务上拿了62.6分，而GPT-5.4只有37.4，Claude-Opus-4-6是35.5。如果数字属实，说明用很小的模型就能把“写多长”这件事管得很准，比大模型更听话，成本也低得多。

但问题在于，原文链接被微信验证页挡住了，正文完全看不到。LIFEBench这个基准具体测什么场景、怎么打分、误差容忍度是多少，都没披露。62.6分到底意味着“基本能用”还是“偶尔翻车”，没法判断。另外，LenVM是外挂模块还是训练时植入的，推理时会不会拖慢速度，这些关键细节也缺失。

这条信息值得关注，但得等看到完整论文或技术报告再下结论。如果只是某个窄任务上的单项领先，就别急着说“击败”。