关于推理 effort 的深度测试

effort 到底是什么？什么时候该调整它，为什么不对所有任务都用最大 effort？ 我深入研究了这个问题，查看了评测数据并做了自己的测试，结果让我相当意外。https://x.com/i/article/2103535187426709504