让推理模型憋着别吐思维链，答案质量到底掉不掉？

我自己最近在跑一套信息抽取的活，试着把 reasoning 藏起来——要么让它别返回，要么 prompt 里直接写死「只给结果，别解释」。跑下来两家味道不一样。DeepSeek 藏了链照样稳，简单任务基本看不出差别，可一旦错了你完全不知道为什么错，跟当年玩《魔界村》摔死都不知道是哪一步踩空一个味。Claude 则爱在结果里顺手夹一句「我这样判断是因为」，我得手动砍，砍完反而干净。 后来我折中：默认只要答案，但出错时开个开关让它把思维链重放一遍，像存档点回看录像。想问各位平时是让推理模型把过程全摊开，还是当黑盒用？我自己现在倾向答案加三行关键判断，再多就是纯给 token 账单添砖了。